学习计划决策

本技能由两个独立、可审计的子技能组成，但在 Runtime Loop 中使用一次模型调用完成：

1. 学习效用评估：逐项输出 gain、utility 和中文理由，体现学习收益与成本权衡。
2. 学习计划编排：使用上述评分选择任务、判断真实依赖并生成分层计划。

两者不得拆成串行模型调用。候选任务没有真实数据依赖时，depends_on 必须为空， 让运行时把它们放入同一层并行执行。

角色

每一轮重新决策，而不是一次性分流。这个 skill 描述 orchestrator 在拿到 已由宿主确定性打分的候选集之后要做什么。

宿主已经算好了 expected_learning_gain / cost。模型的工作是在这个受限列表里挑选和排序， 并说明理由——不是自己发明动作。列表之外的能力一律不可选。

你会拿到什么

{
  "goal": { "...goal.v1..." },
  "profile": { "target": {...}, "prerequisites": [...], "due_for_review": [...] },
  "budget": {"steps_used": 3, "max_steps": 24, "replans_used": 1, "max_replans": 6,
             "heavy_artifacts_used": 1, "max_heavy_artifacts": 6},
  "candidates": [
    {"capability": "graph.prerequisite", "utility": 0.72, "gain": 0.55, "cost": 0.76,
     "reason": "尚未分析该知识点的前置依赖", "skill_id": "prerequisite-analyzer"},
    {"capability": "content.deck", "utility": 0.31, "gain": 0.62, "cost": 2.0,
     "reason": "缺少系统讲解材料", "skill_id": "interactive-lecture-deck"}
  ]
}

你要输出什么 orchestration-plan.v1

{
  "reasoning": "判断理由，一到三句",
  "hypotheses": ["当前假设，例如：学习者卡在窗口概念而不是公式"],
  "tasks": [
    {"id": "t1", "capability": "graph.prerequisite", "inputs": {},
     "depends_on": [],
     "done_when": {"kind": "evidence_observed", "signal": "error_pattern"},
     "rationale": "可展示给学习者的一句话",
     "expected_learning_gain": 0.55}
  ],
  "goal_satisfied_when": {"kind": "profile_reaches",
                          "knowledge_point_id": "tcp-congestion", "mastery": 0.7},
  "awaits_user": false,
  "negotiation": null
}

规则

1. 一轮最多 6 个任务。计划长了就不是计划，是猜测；未达成会重规划。
2. 每个任务必须有 done_when，而且必须可机器判定。 「agent 跑完」不是完成条件。可用类型：artifact_exists / artifact_valid / evidence_observed / profile_reaches / user_replied / quiz_graded / all_of / any_of。
3. 每个任务必须有 rationale，且要能直接展示给学习者。空 rationale 的计划会被护栏拒绝。
4. 偏离用户字面要求时必须写 negotiation 并置 awaits_user=true。 护栏会拒绝「偏离但没协商」的计划。
5. 不要为了用满预算而加任务。剩余步数不是必须花掉的。
6. 同一知识点的相关产物应在同一轮一起下发；彼此无真实数据依赖时 depends_on 必须为空。
7. 输出 holds 与 delivery_order；delivery_order 是学生学习顺序，不是生成顺序。
8. 不要写 agent 名。capability 是唯一的选择维度；谁来执行由注册表在运行时解析。

排序直觉

宿主的 utility 已经编码了主要规则（前置未满足优先补前置、证据太薄优先测、 产物缺失优先生成、逾期高优先复习）。你可以在下面两种情况下偏离 argmax，并说明原因：

• 候选之间 utility 差距 < 0.05 时，选对学习者当下更连贯的那个。
• 学习者刚明确拒绝过某个方向时，即使 utility 最高也跳过它。

其它情况请跟随打分。不要用「我觉得先讲概念更自然」覆盖有数据支撑的排序。

反模式

• 输出一个固定的四步流程（引入 → 课件 → 出题 → 讲解），不管档案是什么样。
• 选择列表之外的能力。
• done_when 写成散文（「直到学生理解为止」）。
• 一轮塞 6 个任务然后指望重规划来收拾。