Pre-development Spec

【V1.0.0】SPARK LAB｜AI 创意灵感工坊 产品需求文档

面向中小学教师的 AI 辅助 STEAM 项目设计工作台。教师输入课堂情境后，系统先发散 10 个创意骨架，再收敛为完整教学方案。

更新记录

1 背景

1.1 业务背景

业务现状： 中国中小学（三至八年级）跨学科项目式学习（PBL/STEAM）正处于政策推广期，但教师侧的方案设计效率与质量存在明显断层：

1. 灵感枯竭：教师有教学主题，但缺少足够多且差异明显的项目方向，选题重复率高。
2. AI 输出超龄：通用大模型对年级差异感知不敏感甚至不感知，给三年级学生输出"多变量相关性分析"等超纲内容，教师需大量返工。
3. 从点子到教案链路长：一个点子到可实施教案需要补齐目标、材料、活动、评价、课堂话术，平均耗时 2-4 小时。
4. 过程黑箱：AI 一次性吐长文，教师无法判断进度、无法中途干预，信任度低。

痛点量化假设（全部为内部估算，待测，非实测）：

1.2 为什么用大模型解决

这是本 PRD 区别于传统 PRD 的核心问题：为什么这个场景必须用大模型，而不是规则引擎、传统 ML 或人工？

大模型在本场景的不可替代性：

1. 语义泛化：任意兴趣关键词（"蚂蚁""奶茶店""冬奥会"）都能映射到 STEAM 项目框架，规则库永远枚举不完。
2. 认知约束可注入：通过分层 Prompt（见第六章），把皮亚杰认知阶段、布鲁姆目标上限等教育学规则转化为生成硬约束——这是"通用 AI"做不到、而"教育垂直 AI"的核心壁垒。
3. 分阶段生成：先发散（10 个骨架）后收敛（完整方案），模拟真实教研思维流，而非一次性长文。
4. ROI 对比：单次生成成本约 0.02-0.10 元（BYOK 模式下由用户承担），替代教师 3-5 小时人工，投入产出比超过 100:1。

1.3 竞品分析

1.4 产品目标

业务目标：

1. 教师从课堂情境到可用 STEAM 项目方案，总耗时 ≤ 10 分钟（V1.0 核心验收口径）。
2. 发散阶段稳定输出 10 个差异化创意骨架（NDJSON 流式逐个冒泡），选题广度感知提升。
3. 匿名无账号可用，零部署门槛覆盖个人教师。

模型目标：

1. 认知适配率（生成内容不超学段上限）≥ 95%。
2. 发散阶段 10 个创意的结构化输出完整率 ≥ 90%（JSON 可解析且字段合规）。
3. 发散创意两两差异显著（路径覆盖：真实问题/实验探究/工程制作/数据分析/艺术表达/技术应用 ≥ 5 类）。
4. 首个创意冒泡时间（TTFC，Time To First Card）≤ 15 秒。

2 需求描述

SPARK LAB 是面向中小学教师的 AI 辅助 STEAM 项目设计工作台：教师输入年级、学科、兴趣主题、周期和自定义要求后，系统先创意发散（10 个骨架），教师选择后再收敛为完整教学方案，最终支持多格式导出。

2.1 需求清单

2.2 需求分类

功能需求： 上表 2.1 全部条目。

业务数据（功能验收价值口径）：

3 业务流程图

关键产品原则在流程中的体现：先发散后收敛（两个独立 LLM 节点而非一次生成）、教师主导（每一步都可改道重来）、过程可见（全程流式）。

4 系统流程图

节点类型标注：

5 模型选型

5.1 选型约束条件

产品形态为"教师个人工具 + BYOK"，约束条件与 ToC SaaS 显著不同：

木桶效应防范：任一红线不达标（如模型不吐流式、JSON 格式混乱）则整体方案否决，与参数量大小无关。

5.2 可选模型对比

按"问题定义优先"原则：本产品是高频交互 + 结构化输出场景，优先看流式稳定性与指令遵循，而非参数量。

5.3 最终选型结果与商业决策依据

架构决策：BYOK（Bring Your Own Key）多模型兼容层，而非绑定单一模型。

6 Prompt 工程设计

Prompt 是本产品最核心的交付物，已全部文档化于代码（app/api/generate/route.ts、app/api/deepen/route.ts、lib/cognitive-profiles.ts），禁止"调试时再说"。

6.1 System Prompt 设计（三大支柱）

发散节点①实际 System Prompt（节选）：

你是面向中国学校教师的 STEAM 创意发散专家。当前只做"发散"，不要生成教案、材料 清单或教学步骤。请根据课堂情境生成恰好 10 个差异显著的项目骨架。

为了让产品逐个冒泡展示，请严格输出 10 行 NDJSON：每个项目独占一行 JSON 对象， 不要数组、外层对象、Markdown、解释或代码围栏。每一行结构必须是：

```json
{
  "title": "不超过12个汉字",
  "emoji": "1个贴切emoji",
  "hook": "20至35字通顺完整的一句中文…",
  "keywords": ["恰好3个中文关键词"],
  "steamTags": ["从S、T、E、A、M中选2至5个字母标签"]
}

三大支柱拆解：

收敛节点②差异：角色切换为"教学方案设计专家"，temperature 钳制 ≤0.7（收敛需确定性），max_tokens 6500，分段流式输出（目标/材料/流程/评价），步骤数经 clampFlowStepCount 钳制回学段区间。

6.2 Prompt 策略

1. 变动频繁的业务逻辑不写死在 Prompt：认知画像（3 个学段的教育学规则）以结构化数据（lib/cognitive-profiles.ts）维护，运行时由 buildCognitivePromptBlock(grade) 动态拼接约 20 行注入块。新增学段/调整步骤数只改数据文件，Prompt 主框架零改动——即模板所述"框架+动态注入"范式。
2. Token 预算控制：画像块约 800 token，发散总输入约 1.5K token；不堆砌 Few-shot（发散场景示例反而造成同质化），以硬约束清单替代 CoT 长推理，thinking: disabled 关闭内部推理省时省钱。
3. 两阶段温度策略：发散 0.85（求多样）、收敛 ≤0.7（求稳定），同一产品两套参数对应两种认知任务，是"发散-收敛"产品理念在模型层的映射。
4. 注入防护：用户自定义偏好包在 <teacher_preference> 标签内并声明低优先级，防止课堂情境文本中的指令劫持输出格式或泄露系统设定。

6.3 Prompt 版本管理

7 训练数据集（本项目不涉及微调）

决策：V1.0 不做微调、不做知识库注入，理由如下：

1. 认知适配目标已由结构化 Prompt 达成（生成时注入画像约束），微调的边际收益低于其成本（数据标注 + 训练 + 回归验证）。
2. BYOK 架构下模型由用户提供，无法对任意上游模型统一微调。
3. 非目标明确声明：不训练自有大模型（见 V1.0 PRD 非目标）。

但按模板规范预留数据资产规划（V1.2+ 评估）：

• 若后续做"课标知识库 RAG"，数据必须由学科专家（SME）将课标文档转化为"模拟教师提问 → 专家标准回答"的 Q&A 对，禁止直接投喂 PDF 原文（模型只学会语气，学不会实体逻辑）。
• 训练集与评测集严格隔离，杜绝"考原题"式过拟合。
• 数据入库前经 SME 终审，防 5% 脏数据被模型成倍放大（数据毒化）。

8 评测体系

评测集是 AI 产品最核心的资产。当前为轻量起步阶段，按模板建立完整框架。

8.1 数据源捕获

构建数据流水线："线上点踩 → 自动留存 → 每周初筛 → PM/专家终审 → 合入 Git 评测集 eval_vX.X → 触发自动化跑分"。

存储格式：统一 ChatML JSON（messages: [{role, content}] + 期望输出 + 标签），严禁裸文本/Excel 散表。

8.2 模型输出多维度定量评估指标（黄金测试集）

建议规模：100-500 个真实课堂情境 Case（覆盖 3 学段 × 6 学科 × 4 周期组合）。

8.3 评测自动化触发与执行策略

8.4 发布决策与卡点（质量门槛）

8.5 评测集动态生命周期维护

• 每双周合入一次线上新 Bad Case，淘汰失效 Case（业务规则变化导致）。
• 警惕评测集过拟合：跑分虚高但线上拉胯时，重采样真实流量分布。
• 评测集版本随 eval_vX.X 入 Git，与 Prompt 版本双向关联可追溯。

9 效果保障与稳定性策略

9.1 输出质量控制策略（纵深防御）

9.2 产品能力边界与声明设计

9.3 AI 产品效果与模型策略迭代机制

线上点踩/错误率 → 问题归类（格式/认知/语义/安全） → 离线实验（改 Prompt 或画像数据）→ 黄金集回归评测（卡点：防"按下葫芦起了瓢"） → 灰度发布 → 线上监控 24-48h → 全量 + Case 沉淀回评测集

• 回归卡点：任何 Prompt/画像变更必须全量回归黄金集，防 A 场景修好、B 场景崩坏。
• 迭代节奏：紧急修复（格式/安全类）24h 闭环；常规迭代双周 Sprint。
• 数据驱动：Bad Case 周报驱动下一轮优化优先级排序。

9.4 新旧 Prompt/模型灰度与 A/B 实验方案

切换心智：BYOK 模式下"上游模型变更"等同灰度切换——站点默认模型升级前必须全量跑分；用户自配模型不承诺质量，仅承诺协议兼容性（能力边界已在设置页声明）。

附录

A. 术语表