基于**西蒙娜·薇依（Simone Weil）**教育哲学、由 Agent 架构驱动的 AI 教育智能体（v1.2.0 · 35 学科 × 4 学段 + 10 subagent + 自我进化 + 双 LLM 约束引擎）。
"注意力是最稀有、最纯粹的慷慨。" — 西蒙娜·薇依，《关于注意力》（1942）
⭐ 如果这个项目对你有启发，欢迎点 Star 支持。
真实故事 · 这是什么 · 核心能力 · 架构全景 · 快速开始 · 备课模式 · 目录结构 · 技术栈 · Customization · Tips · 文档 · 贡献 · License
学生说"我撑不住了"时，大多数 AI 继续讲下一题，PAEG 会停下来。AffectionSupportor 检测到危机信号时，先完整回应用户说的话，再自然融入关怀（12356 热线 + 继续聊天/现实陪伴）；用户明确拒绝热线后不再重复提示（尊重选择）。这是"刷题 AI"和"教育智能体"的分水岭——不机械短路成预制提示词。
生产日志里学生先说「我这次考试又没考好，我妈说我不如别人……」，紧接着追问「我没看懂铁球沉轮船浮」「铁球为什么沉」。PAEG 在同一轮对话里先用 AffectionSupportor 接住挫败感（不教、不答、不解决，以注意力陪伴），再切到物理讲解子代理按"诊断 → 计划 → 呈现 → 评估 → 调整"教学循环一步步讲。一个 AI，能在同一会话里区分"人需要被看见"和"知识需要被讲清楚"。
生产日志 11 个真实 learner、87+ 条原始请求横跨量子力学（量子纠缠 / 量子场论真空 / 量子退相干）/ 热力学（波尔兹曼熵）/ 计算机科学（动态规划 / 数据库事务）到人文学科（汉字学 / 计算语言学 / 优生学）。最重度用户 v032_matrix_ 一段时间内连续提了 51 个问题（"什么是计算语言学"系列）。这证明 PAEG 不只做 K-12，35 学科 × 4 学段真的有人在用——而且会反复追问同一个主题，正是间隔重复教学需要的真实信号。
定位：PAEG = 新一代教育智能体解决方案——为教育重新设计的 Agent 架构，让智能体指挥大模型完成教学全过程（诊断、计划、讲解、评估、调整、反思），使教育从"一次性问答"跃迁为"有教学法、有过程、有陪伴、能自我进化"的完整闭环。
是什么：为教育重新设计的 Agent 架构——把教学的"过程"从 LLM 的一次性输出中结构化地抽离出来，让 Agent 真正指挥 LLM 完成教育。它是一名会自我进化、有完整人格、能情绪陪伴的老师。
不是什么：不是"给 LLM 套聊天框"的壳，不是单纯的刷题 AI，不是 LLM 直接面向用户的 RAG 包装。
为什么不同：通用 AI 教育产品只能做到"才"（知识传授）；PAEG 还要做到"德"（品格陪伴）——这是任何刷题 AI 都无法复制的价值观壁垒。
paeg.teach() 六阶段闭环：诊断 → 计划 → 呈现 → 评估 → 调整 → 反思 → 自更新。评估用确定性启发式（可复现不随机），LLM 只负责最擅长的"讲解"。多层意图路由（Steering 学科切换 / 意向性层 / 情绪拦截 / 复合输入检测 v0.21.9 防注入）+ 上下文打包契约（每次 LLM 调用回传完整上下文）+ 模式自动纠正 + Thread/Turn/Item 三层会话模型（v0.21.1，借鉴 Codex，支持 fork/archive/SSE 事件流续传）。
Diagnostor（诊断）/ Planner（计划）/ Presenter（呈现）/ Evaluator（评估）/ Adapter（调整）/ AnswerSolver（找答案）/ AffectionSupportor（情绪陪伴）/ SelfUpdateAgent（自我更新）/ Individuality（个体化因材施教）/ ResourceLibrarian（资料检索员）/ LessonPrep（备课 · 第 10 个 · v1.1.9+）。设计原则：诊断深度、评估分数、调整决策用确定性规则（可测试可复现），只有"生成讲解"用 LLM。LessonPrep 详见第 7 章。
Individuality：17 维正交画像 + LLM 增量建模（对话中说"代数弱"→画像自动记薄弱点）+ persist 持久化（users_data/profile.json）+ 动态维度扩展（add_dimension 可加到第 18/19 维）+ inject_control 五层注入（语言/风格/深度/节奏/情绪）——对每个学生个别对待。
四路自进化：知识蒸馏（成功教学入库 evolved_*.json）/ 提示词补丁（SCOPE 双流）/ 工具经验 / 新学科需求闭环（用户问"量子力学"自动记录并反馈）。质量门禁（Constitutional AI 风格）过滤有害内容。SelfUpdateAgent 读取过滤后洞察 + 用户反馈生成结构化建议（/api/self-update/from-feedback）。RALPH 循环（v0.69+）：任务驱动自我循环——执行→验证→承诺→续触发迭代，三层完成判定 + 五道反教条防呆防线（轮次上限/收益递减/质量回退/人类确认/资源熔断）。
对外暴露教育工具（MCP Server），对内调用外部标准工具（MCP Client）——LLM 可用工具从 7 个扩到 34 个。MCP 3/3 全连接：filesystem + memory + pptx。PPT 演示文稿生成（v0.25 ⭐）：根据用户上传文档 + 知识库检索 + 对话历史，LLM 生成大纲 → python-pptx 自动排版 → 输出 .pptx。L0-L8 约束引擎 MCP 化（v0.70+ · §3.29）：6 API layer_get / layer_set / compose / always_active / self_evolve / feedback_adjust，约束可治理、自演进、反馈调强。教学物料包 workflow（v0.70+）：teach_materials 工作流一个主题自动产出 6 类教学物料（知识导图/讲义/PPT/讲稿/视频脚本/数学动画），DAG 并行执行。
语言规范性是教育智能体独立于模型性能的待解决问题——通过语法分析 + 分层限制（L1 提示词约束：主谓宾/动宾搭配/词法句法完整/介词规范 / L2 规则检测 / L3 LLM 修正）程序化保证。v0.70+ §3.28 MCP 标准化：13 处 _polish_text 收敛为 lang_gate_content 统一守门；违禁词数据化 forbidden_words.json（可动态维护不改代码）；MCP 三工具 normalize_text / language_policy_check / forbidden_words——外部 agent 也能调用 PAEG 的语言规范能力。
胡塞尔（如何看）+ 薇依（为何看）+ 尼采（看完后如何重新站立）+ 生命现象学（约纳斯/梅洛-庞蒂/海德格尔）。约纳斯克制语言风格（真实/朴素/克制）。底层世界观（v0.22.3，从薇依原著提炼）：①世界的真实是唯一被看重的——不美化、不粉饰、不虚构安慰 ②真实中罪恶无法消除，善也无法被罪恶消除 ③一切属世之物皆有条件，有条件即矛盾，矛盾的张力构成真实 ④情绪支持 = 疏导情绪 + 认知真实（帮学生检视自我价值判断是否苛刻、对世界的理解是否失真）。危机协议（人性化）：检测到自伤/自杀信号时，LLM 先完整回应用户说的话，再自然融入关怀（12356 热线 + 继续聊天/现实陪伴）；用户明确拒绝热线/服务后不再重复提示（尊重选择）。
8. 备课模式（第 10 个 subagent · 详见第 7 章）
输入「我要备课」即启用 LessonPrep——按张宇扬课件级质量标准渐进式产出 8 步完整教学物料（教案骨架 → 完整教案 → 讲义 → 讲稿 → PPT 大纲 → 视频脚本 → 思维导图 → 质量报告）。独立预算 25000 token，不占用教学会话预算。
市场垂直 + 学段差异化：35 学科横跨文理（数学→哲学/美学/伦理/现象学/语言学/大气科学/量子场论）+ 薇依人格——"刷题 AI"红海中的差异化垂直智能体。学段教学模式差异化（v0.71+ §3.33）：同一知识点，初中"感官优先·三步可视化"、高中"结构优先·五步走"、大学"正式 lecture·五步论证"、考研"考点解剖·五步得分"——
GRADE_SCAFFOLDS可执行段序列骨架 + 内容深度量化双落实。
flowchart TB
L1["用户层<br/>学生 · 外部智能体"]
L2["应用层<br/>Flask Server · 意图路由 · 学段联动"]
L3["主 Agent<br/>Émile · 10 subagent · 35 学科"]
L4["LLM 层<br/>DeepSeek"]
L5["工具 + MCP 层<br/>工具链 · 技能 · 3 MCP server"]
L6["本地资源层<br/>知识库 · 画像 · 记忆 · PPT 输出"]
L1 --> L2
L2 --> L3
L3 --> L4
L3 --> L5
L5 --> L6
L6 --> L3
分层细图：见 ARCHITECTURE_LINKS.md（L0 总览 + 5 张 L1 主题图：教学闭环 / 个体化 / 立德树人 / 工具 MCP / 自我进化，每张 ≤10 节点，GitHub 原生渲染）。
# Fork → 配置 → 启动
cp .env.example .env # 编辑 .env：DEEPSEEK_API_KEY=xxx
docker compose up -d --build
# 访问 http://localhost:5000
# 日志 / 停止：docker compose logs -f / docker compose down单容器含：主服务 + manim 动画 + ffmpeg + 语音（TTS/STT）。数据卷持久化 users_data / downloads / Library。详见 Dockerfile 与 docker-compose.yml。
pip install -r requirements.txt
# .env 或环境变量：DEEPSEEK_API_KEY=xxx
cd 05_实现原型 && python server.py
# 访问 http://localhost:5000
# 测试（132+ · v1.2.0）
python -m pytest tests -q
python -m pytest "..\06_测试与验证\tests\test_paeg_v0_5.py" -q测试哲学（v0.45 ⭐）：LLM 驱动功能必须双维度验证——有无（路由存在/返回 200/结构正确）+ 好坏（检索条数≥5/相关性/内容长度/PPT 大纲结构，质量测试 test_quality_*）。"能用就行"不算完成。详见 memo/010 + 维护手册 §3.5。
gunicorn -w 1 -k gthread --threads 8 -b 0.0.0.0:5000 server:app
# HTTPS 由反代（Nginx/Caddy/cloudflared）前置，应用已支持 ProxyFix
# 生产环境变量：PAEG_ENV=production + PAEG_CORS_ORIGINS=https://你的域名
# 并发边界（不引入 Redis 的务实上限）：≤200 注册用户 / ≤20 QPS / ≤50 并发 SSE
# 评估工具：python multi_turn_eval.py --mode all / api_sweep.py / eval_harness.py [--fast]快速开始：「我要备课」是备课模式的独立激活词——在教学模式下，在输入内容前加上「我要备课」 即可进入备课模式，启用 LessonPrep 备课 subagent（第 10 个），按张宇扬课件级质量标准渐进式产出完整教学物料：
方式一：一步到位（ULW 风格 · 推荐）
用户：我要备课：高中数学，函数单调性，45分钟，重点讲图像变换
PAEG：直接提取需求 → 产出完整备课物料（不需额外确认）
方式二：先激活后补充
用户：我要备课
PAEG：（引导）好的，你想备哪门课、哪个知识点？大概多长时间？有什么特别要求吗？
用户：高中数学，函数单调性，45分钟
PAEG：自动合并需求 → 产出完整备课物料
产出流程（8 步渐进式）：
① 教案骨架（5E/UbD 框架 · 三维目标 · 6 环节概述）→ 确认
② 完整教案（三维目标/学情分析/重难点/教学环节/板书/反思）
③ 讲义（Markdown）→ ④ 讲稿（口语化含过渡句）
⑤ PPT 大纲（6×6 法则）→ ⑥ 视频脚本（理科 · 3b1b 风格）
⑦ 思维导图 → ⑧ 质量报告（12 条硬性检查 · 自动打分）
能力：与讲义/思维导图/讲稿/PPT/数学视频/教学视频全链路接线（material_pipeline + /api/ppt/generate + /api/manim/generate）；生成内容全部过**动态约束（L0-L8）+ 语言规范（L0+L2）**双层质量闸门。
质量标准（三源融合）：张宇扬课件 18 条（历史人物锚定/原典引用/真实数据例题/节末思考题）+ 教育部课标/UbD/5E/Bloom（三维目标可测动词/学情含迷思概念/评价与目标对齐）+ Mayer 多媒体 12 原则（一页一重点/6×6 法则/推导可视化）。
独立预算：备课任务使用独立 token 池（上限 25000），不占用教学会话预算；渐进式产出可随时中断续做。
质量守门（v1.1.9+ · §3.75 教师AI应用指引）：每份产出落地前过四类评分（教案 6 维 / 讲义 / PPT 大纲 5 维 / 视频脚本）+ 15 条硬性检查（含 §3.75 新增：课前/课中/课后三维 + 课中必含 1 案例教学 + 课中必含 1 互动环节——均须含设计目的/实施步骤/预期效果），产出 dim_scores 与 eval_mode（auto/hybrid）写入质量报告。/api/lesson_prep/feedback 收集教师反馈（L3 人工评估）回流到评分器。多轮修改（§3.75）：生成后可继续对话优化（如"重点讲图像变换"→ 基于上一版重新生成，mode=lesson_prep_modify）。PPT 自动配图（v1.1.9+）：备课模式与 PPT 生成现支持三级来源自动配图——用户资料库（Library/usr_knowledge/<uid>/）→ 公共文件夹（Library/ppt_images/ + ~/.paeg/ppt_images/）→ 联网检索（Bing 图片，免 key）；优先级链：资料库 > 公共 > 联网 > 缓存 > 无图（永不阻塞，缺图保持文字版）。generate_ppt 支持 enable_images=True/False。
PAEG/
├── 05_实现原型/ # 核心代码（40+ Python 模块 · 详见附录）
│ ├── server.py # Flask 后端 + 全部端点
│ ├── paeg.py # 教学主循环
│ ├── subagents.py # 10 个子代理（含 LessonPrep）
│ ├── prompts.py # 35 学科 × 4 学段提示词中心
│ ├── meta_router.py # 意图检测（8 类）
│ ├── context_bundle.py# 上下文打包器
│ ├── language_refiner.py # 语言质量修正
│ ├── self_evolution.py # 四路自进化
│ ├── mcp_client.py / mcp_gateway.py # MCP 客户端 + 服务端
│ ├── subject_detector.py / multi_turn_eval.py
│ └── memory/ # 教学记忆 + AffectionSAPAO.md
├── 09_GUI前端/ # Web 界面
├── Library/ # 知识库（语言/数学/哲学/薇依原著）
├── Lessons/ # 备课产物（教案/讲义/PPT/讲稿/视频脚本/思维导图/质量报告）
├── PAEG技术全景文档.md # 完整技术文档（§1.13 上下文打包契约等）
├── 亮点总览.md # 亮点总结
└── CHANGELOG.md # 版本历史
| 层 | 技术 |
|---|---|
| 后端 | Python + Flask（47+ API 路由）+ module_registry 模块门控 |
| LLM | DeepSeek（云端推理，agent 指挥 LLM） |
| 前端 | 原生 HTML/CSS/JS（无框架）+ KaTeX 数学渲染 + marked Markdown |
| 语音 | v0.36 ⭐：edge-tts（TTS 免key）+ 浏览器 Web Speech API（STT） |
| 工具 | 7 内置工具 + 10 Skills + 3 MCP（filesystem/memory/pptx） |
| 图片 | Pillow（缩放/格式转换）+ python-pptx（PPT 排版与配图嵌入） |
| 存储 | JSON 文件落盘（users_data/ + data/ + Library/） |
| 部署 | 本地 :5000 + cloudflared 隧道公网 / Docker 单容器 |
像 Oh My OpenCode 一样，config/agents.json JSON 配置即可为每个 sub agent 分配不同模型（provider/model/temperature/max_tokens/thinking_level）：三层合并（默认 → 用户 ~/.paeg → 项目）+ {env:}/{file:} 变量替换——用户不改代码定制 PAEG 的 10 个 sub agent。
14 个功能模块可独立启用/禁用（paeg_modules.json），上架下架不改代码。17 维画像可通过 Individuality.add_dimension() 扩展到第 18/19 维，配合 inject_control 五层注入（语言/风格/深度/节奏/情绪）。
10 个技能经 tool_registry 暴露为 LLM function calling：concept-explainer / essay-feedback / knowledge-map / math-step-solver / study-planner / pdf / docx / xlsx / doc-coauthoring / teach。
上传资料到 Library/usr_knowledge/<uid>/ 触发 4 能力：找答案（BM25 检索）/ 讲解（区分原文 vs 讲解）/ 输出原文（逐字，不依赖 LLM）/ 重组结构（大纲/表格/思维导图）。技术：lib/ingest/（readers → chunker → retriever BM25+jieba → intent_router → handlers）。
元能力文档.md（智能体设计方法论，含 §6.15 成熟项目结构借鉴元技术）+ observability.py（结构化日志/指标/事件流）。
依赖浏览器 webkitSpeechRecognition（Chrome/Edge/Safari 桌面版）+ HTTPS 或 localhost 安全环境。微信内置浏览器（X5 内核）与非 HTTPS 局域网 IP 访问不支持——此时麦克风按钮会明确提示原因，可直接打字交流。
需后端已安装 edge-tts（pip install edge-tts）；播放可能被浏览器自动播放策略拦截——点一次页面任意处再点 🔊 即可。
顶部"气象"链接 → windy.com 气象图（免费嵌入）+ 位置共享 + Open-Meteo 实时数据。
回答前显示"已完成知识库检索 / 网络检索"徽章：知识库有该概念 → 知识库检索；知识库无匹配（如偏门/自创概念）→ 自动联网补充并显示"网络检索"。推荐类问题（"推荐几本书"）始终真联网。
- PAEG技术全景文档.md —— 完整技术文档（架构/数据流/API/部署/测试/亮点）
- 亮点总览.md —— 八大亮点（示例+技术说明+对 LLM 操控的提升）
- CHANGELOG.md —— 版本历史（v0.5 → v1.2.0）
- 维护手册 —— 维护操作流程（含 §六 成熟项目结构借鉴）
- 元能力文档 —— 智能体设计方法论 + 可观测性
- 06_测试与验证/ —— 测试用例集 + 测试报告
- 交付物/ —— 测试报告（.md+.pdf）、演示文稿、用户测试表
欢迎以 Issue / PR 形式贡献：bug 报告、新学科提示词、教学场景案例、文档改进。提交前请跑 audit_check.py + pytest tests/ + sync_check.py。
MIT
本节面向接手维护者和未来想二次开发的读者——项目目录怎么组织、怎么检视健康度、下一步往哪里走。
| 版本 | 能力 | 一句话说明 |
|---|---|---|
| v0.69 | RALPH 循环 | 任务驱动自我循环：执行→验证→承诺→续触发迭代，三层判定 + 五道防呆 |
| v0.70 | 视频脚本生成 | 3b1b 风格数学动画 + 同步讲稿/PPT/讲义/思维导图 |
| v0.70 | 教学物料包 | teach_materials 工作流：DAG 并行产出 6 类物料 |
| v0.70 | 语言规范 MCP | 13 处 _polish_text → 统一 lang_gate_content 守门 |
| v0.70 | L0-L8 约束 MCP | 6 API：layer_get/set/compose/always_active/self_evolve/feedback_adjust |
| v0.71 | 学段差异化 | 初中三步可视化 / 高中五步 / 大学五步 / 考研五步得分 |
| v0.71 | sub agent 配置化 | config/agents.json JSON 配置 provider/model/temperature |
| v1.1.9 | 备课模式 | 第 10 个 LessonPrep subagent，8 步渐进式产出（详见第 7 章） |
| v1.1.9+ | PPT 配图增强 | 三级来源自动配图（资料库 → 公共 → 联网），永不阻塞 |
| v1.1.9+ | 四类质量评估 | 教案/讲义/PPT 大纲/视频脚本评分 + 12 条硬性检查 + 教师反馈端点 |
05_实现原型/
├── server.py # 入口薄壳（app factory + 蓝图注册）
├── config/ # 配置层（settings / secrets / env loader）
├── utils/ # 纯函数工具（text / json / time）
├── services/ # 业务服务（tts / user / llm — Phase 2 拆分中）
├── blueprints/ # HTTP 蓝图（api / admin / voice — Phase 3 规划）
├── agents/ # subagent 实现（planner / presenter / evaluator）
├── infra/ # 基础设施（db / cache / file_lock / audit）
├── subagents.py # 10 个子代理注册与调度
├── voice_service.py # TTS/STT 接口抽象（v0.36+）
├── reflection_store.py # 反思日志持久化
├── prompt_loader.py # 提示词模板加载
├── paeg_modules.json # 模块门控配置
└── tests/ # 镜像结构测试
关键文件：config/（secrets 从环境变量读取，无硬编码密钥）/ subagents.py（10 个 subagent 注册与调度）/ voice_service.py（TTS/STT provider 抽象）/ reflection_store.py（自我进化反思日志）/ paeg_modules.json（模块开关门控）。
# === 检视铁律：5 命令全过 ===
python audit_check.py # 静态检视（P0/P1 必须全过）
python smoke_test.py # 端点冒烟（27 秒内验证关键 API）
python -m pytest tests/ -q # 全量回归（pytest 必须全绿）
python arch_check.py # 架构连通性（每季度跑一次）
# === 多端一致（本地 ↔ GitHub ↔ ModelScope ↔ Release）===
$env:GH_TOKEN='<你的token>'
python sync_check.py --fix # 自动推送差异（本地为权威）
# 或手动：
# git add . && git commit -m "改动"
# git push origin master && git push modelscope master # 或 git pushall检视铁律：改核心链路（server.py / subagents.py / prompts.py）后至少跑 smoke_test + pytest；发版前必须 5 命令全过；任何 bare except: pass 会被 audit_check 抓住（P0）；任何写端点缺 _is_registered 校验会被抓住（P0）。
优化方向：参考 Flask / Kraken / EAS Station / llama-index / langchain 六个成熟项目做渐进拆分——Phase 1 config/utils ✅ / Phase 2 infra/services ✅ / Phase 3 blueprints 📋 / Phase 4 agents 📋。拆分铁律：①行为不变性（API 字节级一致）②Expand-Migrate-Contract 三阶段可回滚 ③ratchet（只前进不后退）。
多端原则：①本地为权威源 ②每次变更后同步 ③Release 保持最新（重大版本更新时更新 Release 名称与正文，tag 可复用 v0.26）④敏感数据不上传（users.json / users_data/ / uploads/ / data/ 不参与备份）⑤token 不入库（GH_TOKEN 环境变量读取）。
完成状态：2026-08-08，106 个代码/文档文件全部一致（0 缺失 0 差异）。
PAEG 有五个工具生态插件（各自独立 git 仓库 + 独立 GitHub 库 + 独立 README + 独立 release）， 主项目通过 sys.path/pip 引用（主项目 = 已安装插件）；法律检索、简历制作、词汇表制作三个工具模块地位平等（§三项目总控）：
| 插件 | GitHub 库 | 功能 | 测试 |
|---|---|---|---|
| paeg-lang-style-plugin | Golden2002/paeg-lang-style-plugin | 语言规范：词法/句法规则约束 + 动态违禁词库 + LLM 输出重写 + MCP server | 83/83 |
| paeg-teaching-materials | Golden2002/paeg-teaching-materials | 教学物料：PPT/讲义/讲稿/思维导图/教学视频/Manim + 网状联通 + MCP server | 74/74 |
| paeg-vocabulary-plugin | Golden2002/paeg-vocabulary-plugin | 词汇表：书籍 PDF → 结构化词汇表（CEFR 分级/音标/词源/熟词生义/本书含义）+ 离线词库 + MCP | 148/148 |
| legal-research-skill | Golden2002/legal-research-skill | 法律检索：法源全覆盖 + 身份差异化 + 校验机制（效力/时效/引用）+ 案例检索 + 法律推理 + 数据库可配置 + MCP | 32/32 |
| ai-job-search-derived-agent | Golden2002/ai-job-search-derived-agent | 简历制作：经历→事实校验→定向表达→四格式导出（MD/HTML/Word/PDF）+ 独立网页产品 + MCP | 26/26 |
本地文件结构（14.x 标注——工具生态为 14 主项目延伸，真实位置在"智能体架构与开发（含大模型）"目录）：
智能体架构与开发（含大模型）/
├── 14_教育者Agent项目/ # 主项目（本仓库）
├── 14.1_paeg-lang-style-plugin/
├── 14.2_paeg-teaching-materials/
├── 14.3_paeg-vocabulary-plugin/
├── 14.4_legal-research-skill/
├── 14.5_ai-job-search-derived-agent/
└── 14.6_medical-resume-agent/ # 参考基线
可及性（§3.114）：像 Python 库一样——pip install → import 自动注册 → 注入 LLM → 立即可用。
主 Agent 调度（生态核心）：主 Agent 理解自然语言 → 自动匹配/选择/调用对应工具 → 串联多工具执行复杂任务（如：上传 PDF → 生成词汇表 → 学习计划）。前端"实用工具"按钮 → dock 内含气象/简历制作/法律检索/词汇表制作入口。
Manim 顶尖化（§3.111）：R1-R9 全部完成——RITL 渲染错误回灌 / RITL-DOC / safe_manim 12 崩溃模式 / MVQS 几何评估 / TTS 预合成并行 / 17 视觉原则 + 6 叙事结构 / MCP 5 工具。
接入方式（§3.113）：
# 主项目启动（server.py）自动 sys.path 引导 → 加载主项目内插件副本
# 物料生成走插件（material_bridge 双轨，PAEG_USE_MATERIAL_PLUGIN 灰度）
from services.material_bridge import install_material_plugin
install_material_plugin() # 注入 PAEG LLM/refiner/资源主项目可扩展性（三条低摩擦路径 · 2026-08-29）：新增工具生态 / 安装 MCP 服务 / 安装 skills 均低摩擦、零代码侵入——工具生态走「平级目录独立库 + infra/lang_plugin_bridge.py 唯一适配层（插件优先 + 静默回退原实现）」，MCP 走「mcp_servers.json 加一条 + reload_all()」，skills 走「丢一个含 SKILL.md 的目录（三层优先级：全局 < 项目 < 用户）」，统一出口 config_hub.py（改配置即生效，无需重启）。详见《架构可扩展性评估》（Alexandria Bibliotheca/架构可扩展性评估.md）。
用户顶级指令：四大工具（语言规范校对/外语词汇表/法律检索/通用简历）按顶尖标准总控分五波次推进（初始化锚定→方案设计→核心开发→双审计联调→发布迭代），每波次前出具审计报告。目录铁律：保持现有 14.x 本地目录结构（不新建项目文件夹）；波次计划/审计报告/基线锚定副本/能力清单/对标表/需求规格均存于各 14.x 仓库 docs/。
波次 1 完成状态（审计通过，放行波次 2）：
| 交付物 | 位置 | 状态 |
|---|---|---|
| 基线锚定 5 份（文件级 100%） | 14.x 各仓库（git 锁定基线 commit）\ |
✅ 词汇表@32539f9(117) / 法律@5a1e747(91) / 简历主@2b13c92(274) / 简历辅@f5bf6f6(271) / 语言规范模块(6) |
| 基线能力清单 | 14.x 各仓库 docs\03_基线能力清单*.md |
✅ 词汇表 50 项 / 法律约 100 项 / 简历主双形态 616 用例 / 简历辅 82 项 / 语言规范 L-01~L-12 |
| 顶尖标准对标表 | 14.x 各仓库 docs\02_顶尖标准对标表.md |
✅ 4 份（蜜度文修 / Vocabu-Lexus-单词鸭 / Harvey-北大法宝AI / Rezi-WonderCV） |
| 需求规格 v1.0 | 14.x 各仓库 docs\01_需求规格说明书_v1.0.md |
✅ 4 份（含校验清单） |
| 波次 1 审计报告 | 14.x 各仓库 docs\04_审计报告_波次1.md |
✅ 通过（路径合规/基线完整/熔断未触发） |
波次 2 完成状态（审计通过，放行波次 3；Oracle 论证收尾中）：
| 交付物 | 位置 | 状态 |
|---|---|---|
| 技术架构设计 4 份 | 各 14.x docs/05_技术架构设计.md |
✅ 已提交 git |
| 简历双基线融合实施方案 | 14.5 docs/06_双基线融合实施方案.md |
✅ 已提交 git |
| 网页端产品设计方案（三工具） | 14.5 docs/07_网页端产品设计方案.md |
✅ 已提交 git |
| 需求规格 v2.0（架构映射） | 各 14.x docs/01_需求规格说明书_v2.0.md |
✅ 已提交 git |
| 波次 2 审计报告 ×3 | 14.3/14.4/14.5 docs/04_审计报告_波次2.md |
✅ 已提交 git |
| Oracle 论证记录 | 14.5 docs/08_Oracle论证记录.md |
⏳ 论证中 |
波次 3 待启动：核心开发（按架构分模块）+ 双基线融合实现 + 基线能力反向审计（对照清单逐项验证）+ MCP 插件 + 网页端 + 渲染引擎。
- 详细技术全景：《PAEG技术全景文档》§10.2.21 成熟项目可借鉴结构
- 维护操作流程：《维护手册》§六 成熟项目结构借鉴
- 元能力沉淀：《元能力文档》§6.15 成熟项目结构借鉴元技术
- 投资人视角亮点：《亮点总览》§六 架构可维护性