## AI Courseware 结构化 API 使用说明（前后端协作）

本说明基于《AI Courseware AI 接口文档 v1.0》，结合当前 Clare Courseware 实现，帮助前端与其他后端服务正确调用 AI 课程设计相关接口。

---

### 1. 服务 Base URL 与部署

- 所有接口均由 Clare 后端 (`api/server.py`) 暴露。
- 部署在本地开发环境时：
  - Base URL 通常为 `http://localhost:8000`
- 部署在 Hugging Face Space 或其他环境时：
  - 前端通过 Vite 环境变量 `VITE_API_BASE` 配置 Base URL
  - 例如：`VITE_API_BASE=https://your-space.hf.space`

> 下文统一用 `{{BASE}}` 表示后端根地址（如 `http://localhost:8000`）。

---

### 2. 路由概览

#### 2.1 现有 Clare Teacher/Courseware 接口（非结构化文本）

这些接口主要给当前 Clare 前端使用，返回 Markdown/文本：

- `POST {{BASE}}/api/courseware/vision`
- `POST {{BASE}}/api/courseware/activities`
- `POST {{BASE}}/api/courseware/copilot`
- `POST {{BASE}}/api/courseware/qa-optimize`
- `POST {{BASE}}/api/courseware/content`

对应的前端封装函数在 `web/src/lib/api.ts` 中：

- `apiCoursewareVision`
- `apiCoursewareActivities`
- `apiCoursewareCopilot`
- `apiCoursewareQAOptimize`
- `apiCoursewareContent`

#### 2.2 新增 AI Courseware 结构化接口（建议给 LMS/独立前端用）

新路由前缀：`/ai/courseware`，在 `api/routes_courseware_ai.py` 中实现，返回结构化 JSON (`data + meta`)：

1. **生成大纲草案**  
   - `POST {{BASE}}/ai/courseware/syllabus/generate`
2. **生成单个模块的教学流程**  
   - `POST {{BASE}}/ai/courseware/flow/generate`
3. **局部重构教学流程（Copilot）**  
   - `POST {{BASE}}/ai/courseware/flow/regenerate-partial`
4. **生成/润色教案长文**  
   - `POST {{BASE}}/ai/courseware/plan/detail/generate`
5. **生成反思看板数据**  
   - `POST {{BASE}}/ai/courseware/reflection/generate`
6. **生成跨期改进提案**  
   - `POST {{BASE}}/ai/courseware/improvement/generate`

所有成功响应都遵循统一包装：

```json
{
  "data": { ... },   // 每个接口自己的数据结构
  "meta": {
    "model": "gpt-4o",
    "model_version": null,
    "prompt_version": "v1.0",
    "temperature": 0.4,
    "tokens_used": 1234,
    "latency_ms": 5678
  }
}
```

`meta` 由后端统一生成，包含模型、Prompt 版本、token 消耗和延迟，便于监控。

---

### 3. 前端 TypeScript 封装（`web/src/lib/api.ts`）

前端已经在 `web/src/lib/api.ts` 中提供了 6 个结构化接口的封装函数，可直接在 React 组件中调用。

#### 3.1 生成大纲草案 `apiAiSyllabusGenerate`

```ts
import {
  apiAiSyllabusGenerate,
  type AiSyllabusGenerateReq,
  type AiSyllabusGenerateResp,
} from "@/lib/api";

const req: AiSyllabusGenerateReq = {
  requestId: "req_cw_101",
  context: {
    courseName: "IST 345 Building Generative AI Application",
    learningOutcome: "Understand LLMs and build a RAG application",
    studentLevel: "BEGINNER",
    teachingFocus: "PRACTICE_ORIENTED",
    courseLength: 4,
  },
};

const resp: AiSyllabusGenerateResp = await apiAiSyllabusGenerate(req);
// resp.data.syllabus -> Week 级别数组
// resp.meta -> 模型与性能信息
```

#### 3.2 生成单个模块的教学流程 `apiAiFlowGenerate`

```ts
import {
  apiAiFlowGenerate,
  type AiFlowGenerateReq,
  type AiFlowGenerateResp,
} from "@/lib/api";

const req: AiFlowGenerateReq = {
  requestId: "req_cw_102",
  moduleContext: {
    title: "Introduction to Generative AI",
    learningObjectives: ["Understand basic LLM concepts"],
    topics: ["History of AI", "Transformer Architecture"],
    durationMinutes: 90,
  },
  systemPrompts: ["(可选) 来自 Improve 阶段的长期提示"],
};

const resp: AiFlowGenerateResp = await apiAiFlowGenerate(req);
// resp.data.steps -> 每个 step 含 type/title/estimated_duration/ai_understanding
```

#### 3.3 局部重构教学流程 `apiAiFlowRegeneratePartial`

```ts
import {
  apiAiFlowRegeneratePartial,
  type AiFlowPartialReq,
  type AiFlowPartialResp,
} from "@/lib/api";

const req: AiFlowPartialReq = {
  requestId: "req_cw_103",
  prompt: "Split the 30-min explanation into two shorter parts with a quiz in between.",
  currentFlow: {
    lockedSteps: [{ id: "step_1", title: "Welcome", duration: 15 }],
    unlockedSteps: [{ id: "step_2", title: "Heavy Explanation", duration: 30 }],
  },
};

const resp: AiFlowPartialResp = await apiAiFlowRegeneratePartial(req);
// resp.data.explanation -> Copilot 气泡文案
// resp.data.proposedSteps -> 用于替换 unlockedSteps 的新步骤
```

#### 3.4 教案长文 `apiAiPlanDetailGenerate`

```ts
import {
  apiAiPlanDetailGenerate,
  type AiPlanDetailReq,
  type AiPlanDetailResp,
} from "@/lib/api";

const req: AiPlanDetailReq = {
  requestId: "req_cw_104",
  finalizedSteps: stepsArray, // 来自 Flow 阶段确定的完整 steps
};

const resp: AiPlanDetailResp = await apiAiPlanDetailGenerate(req);
// resp.data.sections -> 多个 section（Lesson Objectives / Content 等），content 支持 Markdown
```

#### 3.5 反思看板 `apiAiReflectionGenerate`

```ts
import {
  apiAiReflectionGenerate,
  type AiReflectionReq,
  type AiReflectionResp,
} from "@/lib/api";

const req: AiReflectionReq = {
  requestId: "req_cw_105",
  teachAnnotations: [
    {
      category: "NEEDS_MORE_TIME",
      selectedText: "Gradient Descent",
      feedback: "Students were confused by the math",
    },
  ],
  quizAggregations: {
    averageScore: 72,
    lowestTopic: "Matrix Operations",
  },
};

const resp: AiReflectionResp = await apiAiReflectionGenerate(req);
// resp.data.understanding / engagement / difficulty / misconceptions / nextLessonSuggestions
```

#### 3.6 改进提案 `apiAiImprovementGenerate`

```ts
import {
  apiAiImprovementGenerate,
  type AiImprovementReq,
  type AiImprovementResp,
} from "@/lib/api";

const req: AiImprovementReq = {
  requestId: "req_cw_106",
  reflectionReports: previousReflectionReports, // 来自 2.5 的历史数据数组
};

const resp: AiImprovementResp = await apiAiImprovementGenerate(req);
// resp.data.proposals -> 每条包含 title/priority/affectedWeeks/evidence/rootCause/proposedSolution/expectedImpact
```

---

### 4. 后端如何配置 OpenAI 模型（固定为 gpt‑4o）

后端 `api/config.py` 使用环境变量 `CLARE_DEFAULT_MODEL` 控制默认模型：

```python
DEFAULT_MODEL = (os.getenv("CLARE_DEFAULT_MODEL") or "gpt-4.1-mini").strip()
```

在 Hugging Face Space（或其他部署环境）中：

- 打开 **Settings → Variables and secrets**
- 设置：

```text
CLARE_DEFAULT_MODEL = gpt-4o
```

这样，上述所有 `/ai/courseware/...` 接口默认都会使用 `gpt-4o`，同时 `meta.model` 字段会反映真实模型名称，便于前端或监控系统做统计。

---

### 5. 错误处理约定

- 若 OpenAI 调用失败：后端返回 `500`，`detail` 内含错误信息。
- 若 LLM 返回的内容不是合法 JSON 或缺少关键字段：
  - 返回 `422 INVALID_GENERATION`，`detail` 会说明缺失的字段或解析失败原因。
- 前端封装函数（`apiAi*` 系列）若收到非 2xx，会抛出 `Error`，错误信息来源：
  - `data.error` / `data.detail` / `data.message` / 自定义 fallback。

前端在捕获异常时可以统一提示“AI 生成失败，请稍后重试”，并记录 `requestId` 以便后端排查。