03. Руководство teacher

Аудитория. Автор курсов внутри школы. Пишет исходники, запускает AI-пайплайн, редактирует результат, публикует версии, следит за качеством и адаптирует курс под реальные сложности студентов.

Что делает teacher

• Создаёт черновик курса (course_drafts).
• Запускает генерацию через AI-пайплайн (Harvester → Critic → Publisher).
• Правит сгенерированный контент в UI-редакторе (autosave).
• Добавляет/удаляет блоки 11 типов.
• Генерирует медиа (картинки / аудио / видео).
• Локализует курс на другой язык.
• Публикует новую версию.
• Смотрит аналитику своих курсов.

Доступ

Учётка в dev:
teacher@local / change_me_locally (демо-школа).

Фронт: http://127.0.0.1:3500/login.

1. Создать курс

На сегодня у teacher'а два практических способа получить курс, оба через UI-редактор:

1a. Открыть пустой черновик и править руками

1. Зайди на /courses.
2. В блоке «Открыть / создать черновик» вбей course_id (латиница/цифры/-), например my-first-course.
3. Жми «Открыть редактор» → попадёшь на /courses/my-first-course/edit.
4. API под капотом: POST /courses/{course_id}/draft — идемпотентно открывает существующий открытый черновик или создаёт новый. Если такой course_id уже опубликован — черновик будет склонирован с последней опубликованной версии.
5. Дальше правь в редакторе (см. §2 ниже).

1b. Склонировать существующий опубликованный курс

curl -X POST "http://127.0.0.1:55400/courses/<src_course_id>/copy" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"new_course_id":"my-fork","new_title":"Моя правка"}'

Это сразу создаёт опубликованный клон (v1), дальше открываешь его в редакторе.

1c. Сгенерировать курс AI-пайплайном (CourseGenerationWorkflow)

Сейчас нет готовой CLI-обёртки и UI-кнопки для запуска CourseGenerationWorkflow из коробки. Workflow зарегистрирован в packages.workflows.worker, но стартуется либо:

• из теста tests/test_course_generation_workflow.py (end-to-end с моками LLM),
• либо кастомным Python-скриптом через temporalio.client.Client.start_workflow(...).

Типичные агенты пайплайна (для понимания что происходит): Harvester → DocumentIngestor → EmbeddingComputer → Curator → Architect → Composer → NarrativeKeeper → GlossaryCurator → Critic → Publisher.

Удобный CLI-запуск — в roadmap (Phase 6).

2. Редактор курса

URL: /courses/[id]/edit

Возможности:

• Autosave — любое изменение сохраняется в course_drafts автоматически (debounce ~500ms).
• Дерево модулей/лекций/блоков слева, редактор блока справа.
• 11 типов блоков (детальнее — ниже):
  1. text — форматированный текст с {{term:id|surface}} для глоссария
  2. quiz_single — один правильный вариант
  3. quiz_multi — несколько правильных вариантов
  4. flashcard_deck — набор карточек front/back
  5. ordering — упорядочить элементы
  6. matching — сопоставить пары
  7. fill_in_the_blank — заполнить пропуски
  8. code_runner — запуск кода через Judge0 + Monaco
  9. image — сгенерированное/загруженное изображение (Nano Banana)
  10. audio — аудио (Gemini TTS / Lyria)
  11. embed — встроенное видео (YouTube / Veo)

Для каждого типа есть:

• schema.py — Pydantic-модель контента (канон).
• generator.py — промпт + пост-обработка генерации.
• validator.py — дополнительные проверки.
• renderer.tsx — React-компонент для студента.
• Редактор в frontend/app/courses/[id]/edit/blocks/<type>/.

Добавить блок

В редакторе → «+ Добавить блок» → выбрать тип → заполнить поля → autosave.

Удалить блок

Кнопка корзины на блоке. Курс остаётся в course_drafts до публикации.

Критик-баннер

Если Critic при последнем прогоне вернул замечания — на блоке показывается .lms-banner--rework с указанием проблемы. Исправь и попроси пересгенерировать (если блок был AI-generated) либо правь руками.

3. Генерация медиа

Изображения — Gemini Nano Banana (gemini-3.1-flash-image-preview).
Аудио — Gemini TTS (gemini-3.1-flash-tts-preview) / Lyria.
Видео — Veo.

В dev по умолчанию LMS_TEST_MODE=1 → Veo и Lyria заблокированы, Nano Banana — лимит 3 картинки на тест (cost guard, ADR-0013 / manifest §18). Для настоящей генерации:

• в .env.local поставь LMS_TEST_MODE=0;
• проверь MAX_DAILY_USD;
• запусти генерацию через /demo/media (UI) или API /media/image, /media/audio, /media/video.

Все сгенерированные артефакты кладутся в MinIO, в media_assets пишется запись с s3_uri, mime, prompt_hash, cost_usd.

4. Локализация

Агент Localizer переводит курс на другой язык с сохранением:

• структуры (modules/lectures/blocks);
• глоссарных вставок {{term:id|surface}};
• корректного перевода терминов согласно glossary_entries.

Переводы хранятся в course_translations. На фронте — language switcher.

Запуск: через HTTP-эндпоинты /courses/{id}/translations (POST — создать перевод, GET — список). CLI-обёртки нет.

5. Публикация новой версии

Когда доволен — жми Publish в редакторе. Это:

1. Запускает Critic ещё раз (обязательный чек).
2. Если APPROVE — Publisher пишет новую строку в published_courses (version = MAX+1).
3. Старая версия остаётся доступна по /courses/[id]/v/[N].

Если REJECT — редактор показывает список замечаний критика, версия не создаётся. Исправь и опубликуй снова.

6. Адаптивное обучение

Когда студент ошибается на блоке — фронт может нажать «Нужна подсказка?» → идёт запрос на POST /adaptive/supplement. Агент AdaptiveSupplementer на лету генерирует дополнительный блок (текст-пояснение / мини-quiz / flashcard). Результат:

• кэшируется в adaptive_blocks (UNIQUE по user+src_block);
• имеет лимит 5/студент/день (429 adaptive_daily_cap_reached);
• показывается студенту прямо под исходным блоком.

Teacher'у виден суммарный эффект: в /analytics блоки с высоким fail_rate — кандидаты на переработку основы, а не только подсказок.

7. Типичные ошибки teacher'ов

Ссылки

• Студенческий опыт: 04-student.md
• API: 07-api-reference.md
• Под капотом: docs/agents/*, packages/agents/*, packages/block_types/*