核心用法
Course-Prep-Auto-Flow（备课AFP）是一套工程化备课系统，通过7步标准化流程将"靠灵感备课"转变为"走流程出内容"。用户需提供课程主题、受众画像和参考素材，系统将自动执行：P1信息采集→P2骨架设计→P3素材提炼→P4内容填充→P5结构审查→P6配图规划→P7终局产出。
系统采用Pull模式，每步完成后主动汇报并等待用户确认，确保内容可控；模块化设计使每章独立生成，出错仅影响该章；全程对照受众画像检验内容适配性。
显著优点
工程化思维：将感性备课流程转化为可复现、可迭代的工程方法，降低备课焦虑，提升产出稳定性。
分步可控：7步拆解清晰，每步有明确输入输出和停止点，用户可随时介入调整，避免一次性生成大量不符合需求的内容。
素材整合能力强：支持URL、文件、PPT等多种素材输入，能自动提炼核心要点并建议插入位置，大幅节省信息整理时间。
配套完善：终局产出不仅包含备课稿，还自动生成复盘文档和配图对照表，形成完整交付物。
潜在缺点与局限性
依赖用户输入质量：信息采集阶段若主题模糊、受众画像不清或素材匮乏，后续生成内容质量显著下降。
人工确认节点多：Pull模式虽保证质量，但也意味着流程频繁中断，追求效率的用户可能觉得节奏拖沓。
配图需手动插入：由于飞书API限制，生成图片无法自动嵌入文档指定位置，需用户手动操作。
PPT处理受限：全图PPT需解压后逐张识别，复杂图文混排素材可能识别效果不佳。
适合人群
- 频繁需要准备公开课、直播课、工作坊的讲师/培训师
- 内容创作者需要将零散资料系统化输出为课程
- 团队协作场景下需要标准化备课流程的机构
- 希望降低备课时间成本、提升内容结构稳定性的教育工作者
常规风险
内容准确性风险：系统自动提炼素材可能产生理解偏差，需用户在P3-P4阶段仔细核对。
版权合规风险：参考素材若为外部版权内容，生成课程需注意引用规范，避免侵权。
技术依赖风险：配图生成依赖Google Gemini模型，API稳定性或政策变动可能影响功能可用性；飞书文档接口限制可能导致排版需手动调整。
受众适配偏差：系统按用户提供的画像检验，若画像本身不准确，内容匹配度将受影响。