team-week

name	team-week
description	完整执行一周章包的 6 阶段流水线：规划 → 写作 → 润色 → 并行产出 → QA → 收敛发布。
argument-hint	<week_id e.g. week_01>
allowed-tools	Bash, Read, Write, Edit, Grep, Glob, Task

/team-week

用法

/team-week week_XX

目标

直接执行完整的 6 阶段流水线，把 week_XX 从零产出为完整章包，并通过 release 校验：

python3 scripts/validate_week.py --week week_XX --mode release

全局约束（贯穿所有阶段）

• 交付遵循 CLAUDE.md + shared/style_guide.md
• 所有写正文的 subagent 必须先读 shared/writing_exemplars.md + shared/characters.yml
• ANCHORS.yml 由阶段 6（收敛阶段）统一管理：其他阶段如有 anchor 建议，在输出中标注即可，不直接写 ANCHORS.yml
• 一致性处理由 consistency-editor 执行：阶段 5 的术语同步、格式检查、角色一致性问题由 consistency-editor 完成

写作质量红线（四维评分体系）

• student-qa 四维评分总分必须 >= 18/20
  • 叙事流畅度 >= 3 / 趣味性 >= 3 / 知识覆盖 >= 3 / 认知负荷 >= 3
• 任一维度 <= 2 = 阻塞项
• 禁止每节都用相同的子标题模式
• 每章必须有贯穿案例（渐进式分析任务）+ StatLab 超级线推进
• 循环角色（小北/阿码/老潘）每章至少出场 2 次
• 新概念数不超预算，回顾桥数量达标
• 禁止连续 6+ 条 bullet list；小结不能全部用 bullet list
• AI 小专栏必须 2 个，分别在前段和中段（禁止全堆章末）；Lead agent 在 Stage 2.5 预先搜索素材写入 .research_cache.md，prose-polisher 优先读取缓存，不足时用自身的 WebSearch 补充搜索。绝对禁止编造参考链接——搜索失败时写 <!-- TODO --> 占位
• 章首导入必须包含引言格言 + 时代脉搏段落（详见 shared/style_guide.md）
• 所有写作元数据必须用 HTML 注释包裹，不能出现在渲染正文中
• 写作前必须使用 Context7 MCP 查证本章技术点的当前最佳实践

---

流水线阶段（严格按顺序执行）

阶段 0（日期校准） → 阶段 1（规划） → 阶段 2（写作） → 阶段 2.5（联网研究）
  → 阶段 3（润色） → 阶段 4（并行产出） → 阶段 5（QA） → 阶段 6（收敛）

阶段 0：日期校准（流水线启动时立即执行）

生成 shared/current_date.txt，供后续所有 agent 读取当前日期：

date '+%Y-%m-%d' > shared/current_date.txt
echo "当前日期已写入 shared/current_date.txt: $(cat shared/current_date.txt)"

为什么需要这一步：时代脉搏、AI 小专栏、参考链接的访问日期都需要使用当前年份。如果不显式注入日期，agent 可能使用训练数据中的旧年份。

校验：确认 shared/current_date.txt 存在且内容为当天日期。

---

阶段 1：规划（前置：阶段 0 完成）

调用 subagent syllabus-planner：

• 产出章节结构（小节标题 + 每节学习目标 + Bloom 层次）
• 设计本章贯穿案例（渐进式小项目）
• 规划 2 个 AI 小专栏的位置和主题（第 1 个在前段，第 2 个在中段；含建议搜索词）
• 做认知负荷检查：新概念数在预算内，回顾桥设计达标
• 规划 StatLab 超级线推进
• 规划循环角色出场位置
• 规划章首导入：选择引言格言、草拟时代脉搏段落方向
• 产出写入 chapters/week_XX/CHAPTER.md（大纲阶段）
• 所有规划元数据必须用 <!-- ... --> HTML 注释包裹（Bloom 标注、概念预算表、AI 专栏规划、角色出场规划、章节结构骨架等，不能渲染为正文）

校验：无需校验（规划阶段，ASSIGNMENT 等文件不存在是正常的）

阶段 1.5：Context7 技术查证（前置：阶段 1 完成）

在写正文之前，使用 Context7 MCP 查证本章涉及的 Python 官方文档和 API 最佳实践：

1. 从阶段 1 的规划中提取本章涉及的 Python 特性、标准库模块、第三方库
2. 调用 resolve-library-id 定位相关库（如 python、pytest、argparse 等）
3. 调用 query-docs 查询具体的最佳实践和 API 用法
4. 将查证结果作为上下文传递给阶段 2 的 chapter-writer

搜索工具分工说明：

• Context7：仅用于查证 Python/库的官方文档 API 用法和最佳实践
• Exa Code Context (mcp__exa__get_code_context_exa)：用于搜索真实项目中的代码示例和社区实践
• 两者互补：Context7 提供官方标准，Exa 提供社区真实用法

校验：无需校验

阶段 2：写作（前置：阶段 1.5 完成）

调用 subagent chapter-writer：

• 必须先读 shared/writing_exemplars.md + shared/characters.yml
• 必须写章首导入：在章标题之后、学习目标之前，写入引言格言 + 时代脉搏段落（200-300 字）。详见 shared/style_guide.md 的"章首导入"章节
• 必须基于阶段 1.5 的 Context7 查证结果确保代码示例使用当前 Python 最佳实践
• 以贯穿案例为主线，用"场景 → 困惑 → 解法 → 深化"的叙事弧线写每一节
• 使用循环角色增强代入感，每章至少 2 次出场
• 写回顾桥：在新场景中自然引用前几周概念
• 写 StatLab 进度小节
• 严禁所有节使用相同子标题模式；严禁 bullet list 堆砌做小结
• 所有写作元数据必须用 <!-- ... --> 注释包裹，不能出现在渲染正文中

校验：

python3 scripts/validate_week.py --week week_XX --mode drafting

阶段 2.5：联网研究收集（前置：阶段 2 完成，Lead agent 亲自执行）

由 Lead agent 直接执行（不委派给 subagent），因为 Lead 拥有全部搜索工具。

目的：为阶段 3 的 prose-polisher 提供真实的搜索数据和参考链接，避免 AI 小专栏使用 TODO 占位。

1. 读取阶段 1 的 AI 小专栏规划：从 CHAPTER.md 的 HTML 注释中提取 2 个侧栏的主题和建议搜索词

2. 读取 shared/current_date.txt 获取当前日期，搜索关键词中包含当前年份

3. 执行搜索（每个侧栏 2-3 次搜索）：

   # 优先级 1: 内置 WebSearch（最可靠，无外部依赖）
   WebSearch("GitHub Copilot adoption statistics 2026")
   WebSearch("Python popularity TIOBE index 2026")
   
   # 优先级 2: Exa MCP（AI 增强搜索，适合深度研究）
   mcp__exa__web_search_exa({
     "query": "GitHub Copilot adoption statistics 2026",
     "numResults": 5,
     "type": "auto"
   })
   mcp__exa__company_research_exa({
     "companyName": "OpenAI",
     "numResults": 3
   })
   
   # 优先级 3: perplexity MCP（如可用）
   mcp__perplexity__perplexity_search({
     "query": "vibe coding trend AI programming 2026",
     "recency": "year",
     "response_format": "json"
   })
   

4. 收集时代脉搏素材：搜索与本章主题相关的最新 AI/技术事件

5. 将搜索结果写入缓存文件 chapters/week_XX/.research_cache.md：

   # Week XX 研究缓存
   生成日期：YYYY-MM-DD
   
   ## 时代脉搏素材
   ### 搜索词: "..."
   - 事实: ... (来源: https://真实URL)
   
   ## AI 小专栏 #1: {主题}
   ### 搜索词: "..."
   - 数据点: ... (来源: https://真实URL)
   - 引用: "..." (来源: https://真实URL)
   
   ## AI 小专栏 #2: {主题}
   ### 搜索词: "..."
   - 数据点: ... (来源: https://真实URL)
   

校验：确认 .research_cache.md 存在且至少包含 2 个侧栏的搜索数据。

---

阶段 3：润色（前置：阶段 2.5 完成）

调用 subagent prose-polisher：

• 必须先读 shared/writing_exemplars.md + shared/characters.yml
• 执行诊断清单 + 趣味性诊断清单，判断改写级别
• 检查角色一致性（对照 shared/characters.yml）
• 可做结构性重组
• 必须插入 2 个 AI 时代小专栏（按阶段 1 规划的位置和主题）：
  • 优先读取 chapters/week_XX/.research_cache.md 中的搜索数据和参考链接
  • 如果缓存数据不足，可以补充搜索（WebSearch/Exa MCP），并将新结果追加写入缓存文件
  • 用 WebFetch 验证关键 URL 是否可访问
  • 绝对禁止编造 URL——搜索失败时才写 <!-- TODO --> 占位

校验：

python3 scripts/validate_week.py --week week_XX --mode drafting

阶段 4：并行产出（前置：阶段 3 完成，以下四个可并行）

同时调用以下 4 个 subagent（可以并行）：

1. example-engineer：产出 examples/ + StatLab 示例代码 + 讲解段落
2. test-designer：产出 tests/ pytest 用例矩阵
3. exercise-factory：产出 ASSIGNMENT.md + RUBRIC.md + AI 协作练习
4. 图片生成（如 student-qa 诊断需要）：调用 /stat-viz skill 生成图表

图片生成判断（根据 student-qa 阶段 5 的诊断结果）：

• 如果本章涉及分布/比较/关系/评估类主题，需要图片
• 调用方式：Skill("stat-viz", "week_XX")
• 代码保存到 examples/NN_chart_xxx.py，图片输出到 images/

校验（四个全部完成后执行）：

python3 scripts/validate_week.py --week week_XX --mode idle

阶段 5：QA（前置：阶段 4 全部完成）

执行完整的三维度 QA 审读（与 /qa-week 共享相同流程）。

5a. 并行审读（一致性 + 技术正确性）

同时启动以下两个 agent（可并行）：

1. consistency-editor：

   • 修复格式/术语/角色一致性
   • 同步 TERMS.yml -> shared/glossary.yml
   • 检查循环角色使用（对照 shared/characters.yml）
   • 修复 ANCHORS.yml 问题（依赖 validate_week.py 报错定位）
   • 可直接修改文件

2. technical-reviewer：

   • 审读概念/公式/代码/答案正确性
   • 检查教学法对齐（目标/递进/示例-练习）
   • 检查练习题质量（可评分/难度梯度）
   • 只读，输出问题清单（含 S1-S4 Severity 分级）

5b. 收集结果

• 等待 5a 的两个 agent 完成
• 收集 technical-reviewer 的问题清单（含 S1/S2 致命问题）

5c. 学生视角审读

调用 student-qa：

• 传入 technical-reviewer 发现的 S1/S2 问题摘要
• 基于修复后的文件进行审读
• 输出四维评分（叙事流畅度/趣味性/知识覆盖/认知负荷）
• 如有 S1 错误，在"知识覆盖"维度标注扣分原因
• 只读，通过 tool result 返回评分和清单

重要：student-qa 是只读角色（tools: [Read, Grep, Glob]，无 Write 权限），不要让它写 QA_REPORT.md。

校验：无（QA 是只读角色）

阶段 6：收敛（前置：阶段 5 完成，序列执行）

6a. 修订回路

优先处理 S1/S2 技术审读问题：

问题级别	处理方式	回传给谁
S1 致命	必须修复，否则不能 release	chapter-writer 或 example-engineer（视问题类型）
S2 重要	强烈建议修复	prose-polisher

四维评分处理：

总分范围	处理方式	回传给谁
>= 18	根据 QA 反馈进行轻量修订后通过	prose-polisher（轻量修复，处理建议项）
< 18	结构性重写（需大幅改进）	chapter-writer

修订规则说明：

• S1 问题必须先于四维评分处理：即使总分 >= 18，有 S1 问题也不能进入 release
• 无论评分高低，每轮 QA 后都需根据反馈进行一轮修订（即使是 >= 18 分的建议项也要处理）
• 修订后如无阻塞项且质量达标，即可进入 release
• 硬性上限：最多迭代 3 轮。 如果 3 轮后总分仍 < 18 或仍有 S1 问题：

1. 在 QA_REPORT.md 记录当前评分和未解决问题
2. 标注 <!-- 需人工介入 -->
3. 继续推进到 6b（不再回传修订）

6b. 落盘 QA_REPORT + Release 校验

一致性处理已在阶段 5a 由 consistency-editor 完成，此处无需重复。

落盘 QA_REPORT（由 Lead agent 直接写入）：

• 汇总阶段 5 的所有审读结果，写入 chapters/week_XX/QA_REPORT.md
• 格式如下：

# QA Report: week_XX

## 四维评分

| 维度 | 分数 | 说明 |
|------|------|------|
| 叙事流畅度 | X/5 | ... |
| 趣味性 | X/5 | ... |
| 知识覆盖 | X/5 | ... |
| 认知负荷 | X/5 | ... |
| **总分** | **XX/20** | |

## 技术审读问题

### S1 致命（必须修复）
- [ ] {问题描述} — `CHAPTER.md#xxx`

### S2 重要（强烈建议修复）
- [ ] {问题描述} — `CHAPTER.md#xxx`

## 阻塞项

- [ ] {问题描述} — {位置}

## 建议项

- [ ] {问题描述} — {位置}

## 教学法建议
{technical-reviewer 的教学法建议}

## 审读记录
- consistency-editor: 已修复 X 处一致性问题
- technical-reviewer: 发现 X 个问题（S1: X, S2: X, S3: X, S4: X）
- student-qa: 四维评分 XX/20

如有 S1/S2 问题：

• 标注需回传 chapter-writer 或 prose-polisher 修复

• 修复后需重新运行阶段 5 的审读

• 调用 subagent error-fixer（如果校验有报错）：逐条修复再验证

• 最终 release 校验：

python3 scripts/validate_week.py --week week_XX --mode release

---

校验模式速查（简化后：3 种模式）

阶段	校验模式	说明
阶段 1（规划）	无	ASSIGNMENT 等文件不存在是正常的
阶段 2-3（写作/润色）	--mode drafting	只检查 CHAPTER.md + TERMS.yml（如果存在）
阶段 4-5（产出/QA）	--mode idle	所有文件 + QA 阻塞项检查，无 pytest
阶段 6（收敛）	--mode release	完整发布级校验（含 pytest + pedagogical 检查）

收敛规则

• QA_REPORT 的"阻塞项"必须清零（不允许 - [ ]）才能 release
• S1 致命问题必须清零才能 release
• 四维评分总分必须 >= 18/20 才能 release（或 3 轮修订后人工豁免）
• 不要为了"写完"牺牲可运行/可验证：tests/anchors/terms 要能对上