01 / THE CATALOG LOCK
大学原始目录只读
本站 data/atlas.json 包含当前选定的学校、课程原名、原始 URL、对应范围和编辑式专题结构,由 data/catalog-lock.json 的 SHA-256 锁定。将来写课时不得改动大学课程名称、链接、类型、先修结构,亦不可用视频链接替换原始课程目录 URL。若有错误,先提交来源证据和字段差异,获得站长批准后才能变更并重新锁定。
02 / THREE LAYERS
目录、补充来源、本站讲义分开
大学课程目录
原课程名称、所属大学、课程主页及官方单元结构。综合课程不能冒充单独大学课次。
实际教学材料
大学原讲义、讲课视频或文字稿、阅读材料、习题及答案。另建审校记录,不覆盖目录元数据。
JACKNOTE 原创课程
新写的中文讲义、例子、练习与可视化。完成审校及验证后才开放真实页面。
03 / WRITE ONLY WHAT WAS REVIEWED
逐课审校清单
- 核对课程及大学真实来源 URL、发布时间、课次编号和标题;不能仅凭专题相似性等同课次。
- 打开真实讲义、可获得的视频或文字稿以及配套习题与解答;记录实际读过的材料与无法访问的部分。
- 先写审校材料:来源页码/时间点 → 核心概念 → 先修条件 → 自编教学 → 测验目标 → 排除内容。
- 以中文重新解释而非复制课件、现代译注或大学作业题;关键知识写清条件、推理与有依据的争议。
- 设计可独立核验的随堂检查与课后习题,解释常见错误;交互内容支持键盘和不运行 JavaScript 的阅读。
- 检查各类屏宽、来源链接、版权、标题、无障碍、勘误与事实;未实际看过视频不得声称逐帧核对。
- 只有审核通过且原创 HTML 与审校记录均存在,才能在独立
data/publications.json中挂接真实发布页。
04 / DISCIPLINE SPECIFIC
本学科的额外标准
人工智能额外要求:交代数据集来源及其许可、训练与验证数据划分、随机种子、模型版本与参数规模、运行依赖、硬件与计算预算;区分训练、微调、推理、检索与代理行动。给出可复现的代码、输入输出、评价指标和数据泄漏排查,不把模型输出当成权威事实。关注偏差、隐私、安全与版权,真实评估失败模式;不得虚构大学课次、复现成果、计算实验结果或学校背书。
05 / THE RIGHT EXAMPLE
数学站的来源驱动范文
可参考数学站的官方授课标准与概率论范文:先核实 Harvard STAT 110 Lecture 4 的官方课程目录、阅读材料与练习,再写独立中文课程。数学范文的讲义内容不能机械套用于本学科。
打开 Math / Guide ↗查看数学授课范文 ↗