Rédiger une leçon

Vous apportez les sources et l'intention pédagogique ; votre assistant rédige ; Studium vérifie que chaque citation correspond caractère pour caractère à un passage de la source et que la leçon est bien formée. Trois voies existent. Choisissez selon la destination de la leçon.

Voie Pour quoi faire Ce que vous obtenez Approuvable pour des étudiants
A. Conversation, par MCP Essayer une idée sur vos sources en quelques minutes, sans terminal Une leçon jouable marquée « rédigée par l'agent, non validée par un enseignant » Non : c'est une leçon d'auto-apprentissage
B. Dossier de preuves, en ligne de commande Une leçon destinée à vos étudiants Un plan contrôlé, sa provenance, puis un fichier de leçon à approuver Oui
C. Littérature avec Perspicacité Constituer l'entrée de la voie B à partir d'articles Une enveloppe de passages avec DOI et provenance Oui, par la voie B
Parcours enseignant : sources, dossier de preuves, brouillon sourcé, contrôle et lint, revue MySTRA, approbation humaine, classe.

Voie A, la rédaction conversationnelle

Demandez à votre assistant : « Je veux construire une leçon Studium sur X à partir de ces sources ». Une fois le serveur MCP de Studium connecté (voir harnais), il appelle trois outils :

Outil Rôle
get_authoring_guide {language?, mode?} Renvoie la consigne de rédaction, le schéma du brouillon et un exemple minimal. mode: "teacher" indique où commence la voie enseignant.
prepare_sources {sources, goal?, language?} Découpe les textes récupérés par l'assistant en passages citables (jusqu'à 20 sources et 200 000 caractères au total).
create_lesson {source_set_id, draft, course_id?, overwrite?} Contrôle le brouillon (citations exactes, aucun TODO, graphe de concepts cohérent, linter) et écrit la leçon dans la bibliothèque.

Les deux outils écrivent dans la bibliothèque de la personne dont l'assistant les appelle, <STUDIUM_HOME>/library/<course_id>/lesson.json (les sources dans _sources/), jamais dans le BUNDLES_ROOT du serveur : une de vos leçons sous BUNDLES_ROOT n'est donc jamais remplacée, et un identifiant de cours déjà pris là-bas est refusé. overwrite: true ne remplace qu'une leçon d'auto-apprentissage qu'aucun enseignant n'a validée ni approuvée. La licence indiquée pour chaque source est recopiée dans les citations de la leçon.

Cette voie n'écrit que des leçons d'auto-apprentissage (validated_by: SELF-STUDY — not teacher-validated), que experience_packet.py approve refuse. Servez-vous-en pour voir rapidement comment une leçon sur vos matériaux se déroule, puis construisez la version pour vos étudiants par la voie B. Le côté apprenant de cette voie est décrit dans apprendre avec votre assistant ; chaque outil figure dans la référence des outils MCP.

Voie B, le dossier de preuves

Toutes les commandes se lancent depuis la racine du dépôt, avec l'environnement Python de l'installation. Les chemins de sortie ne doivent pas encore exister : rien n'est écrasé sans --force.

1. Préparer le dossier

.venv/bin/python tools/experience_packet.py prepare \
  --passages work/passages.json --title "Une similarité spectrale identifie-t-elle une molécule ?" \
  --target "Master" --out work/packet

--passages attend une enveloppe de passages, en général issue de Perspicacité (voie C). Le dossier contient evidence.json (texte, DOI ou URL, licence si connue, origine, empreintes), author-task.md (la consigne pour votre assistant) et response.schema.json (le format de la réponse). Pour une capsule ASB, ajoutez --capsule chemin/vers/capsule --task-id TASK_ID : la fiche de la capsule est transmise comme donnée, les valeurs de son environnement sont retirées et aucune commande n'est exécutée.

Pour capturer un seul document local, experience_packet.py passages lit une URL, une page HTML enregistrée, un PDF avec couche texte ou un fichier texte. Ses passages portent la consigne d'auto-apprentissage ; la leçon construite à l'étape 4 reste une leçon enseignant, sauf si vous ajoutez --self-study.

2. Faire rédiger votre assistant

Demandez à votre assistant de lire les trois fichiers du dossier et d'écrire sa réponse dans un nouveau fichier, par exemple work/author-response.json. Elle contient un lesson_plan, des source_links (scène, passage, citation exacte) et des viewers (ce que chaque visuel doit permettre à l'étudiant). Votre session d'assistant suffit ; aucun fournisseur ni paiement supplémentaire n'est configuré.

Dans le plan, un concept peut lister les concepts dont il dépend (prerequisites: ["concept-de-base"]) et une scène les concepts qu'elle travaille (concept_refs: ["concept-cible"]). check refuse un identifiant inconnu et signale une scène reliée à aucun concept : une telle scène ne peut faire évoluer aucune maîtrise.

3. Contrôler le brouillon et produire sa provenance

.venv/bin/python tools/experience_packet.py check \
  --packet work/packet --response work/author-response.json --out work/courses/my-course
.venv/bin/python tools/experience_review.py work/courses/my-course

check refuse un statut approuvé, une validation enseignant inventée, des identifiants absents, des citations inexactes et des résultats d'exécution revendiqués dans un brouillon. La seconde commande ajoute astra.yaml et course_provenance.myst.md pour la vue MySTRA. Ce qu'il faut lire dans la sortie est expliqué dans relire et approuver.

4. Construire le fichier de leçon et le compléter

.venv/bin/python tools/experience_packet.py bundle \
  --course work/courses/my-course --out work/library/my-course/lesson.json

Vous obtenez un squelette de leçon jouable, marqué DRAFT — not validated. Il reporte concepts et prérequis dans le graphe de concepts et ajoute la règle par défaut qui fait rejouer un concept après deux erreurs (--no-default-rules l'omet). Les champs à rédiger commencent par TODO: ; un quiz démarre avec deux choix factices et sans indice. Complétez-les, puis lancez le linter :

node tools/bundle_lint.mjs work/library/my-course/lesson.json

Quand il ne reste plus d'ERROR, passez à relire et approuver.

Voie C, la littérature avec Perspicacité

Perspicacité interroge la littérature et renvoie des passages avec leur DOI, leur URL et leur licence. Conservez son enveloppe JSON réelle et passez-la à prepare --passages ; l'origine est consignée dans le dossier. L'exemple fourni examples/literature-experience/passages.json montre la forme attendue. Stratégie de recherche, capsules et reçus d'exploration sont détaillés dans littérature et preuves, et le tutoriel de la littérature au cours enchaîne toutes les étapes sur l'exemple fourni.

Limites

  • Une citation exacte prouve un lien textuel, pas la justesse de l'interprétation.
  • Une capture peut ne couvrir qu'un extrait d'article, et sa licence peut être inconnue : check signale les licences NC, ND et inconnues par un WARN.
  • Les capsules de reproduction peuvent avoir leurs propres dépendances ; testez-les dans l'environnement que déclare leur manifeste.

Code : tools/experience_packet.py, tools/experience_review.py, apps/lesson-mcp/src/authoring-tools.ts.

Voir la source de cette page sur GitHub