数智化课程能力图谱绘制（Digital Competency Map）

概述

辅助教育者、课程设计团队及专业负责人，基于企业真实岗位需求，系统化生成「岗位能力 → 典型工作任务 → 课程体系 → 评价标准」的可视化能力图谱，并同步产出结构化的典型工作任务分析表，实现课程内容与岗位能力的精准对接、动态更新与闭环管理。

触发条件

满足以下任一条件即触发本技能：

• 用户输入包含「数智化课程能力图谱」「能力图谱绘制」「课岗对接」「岗课赛证」「能力-课程映射 / 能力课程映射矩阵」「能力评价标准」「课程优化建议报告」等关键词；
• 用户提供岗位说明书、招聘信息、企业调研访谈记录、人才培养方案、教学大纲，要求开展岗位能力分析或任务拆解；
• 用户未提供任何调研资料，但要求基于真实企业数据生成图谱/分析表（如「帮我调研一下龙头企业再生成」「基于真实招聘数据做任务分析」）→ 触发自主调研模式；
• 用户要求生成典型工作任务分析表，且同时需要映射矩阵、评价标准或优化建议（仅需要任务分析表时可参照本技能第 2 步，或转用 competency-map-generator 调研驱动模式）；
• 用户已有典型工作任务分析表（来自 competency-map-generator 或手工制作）→ 跳过第 1~2 步，从第 3 步建体系开始；
• 1+X 证书融通、微证书体系、企业内训体系设计场景。

五步核心流程

整体流程：定岗位 → 拆任务 → 建体系 → 强映射 → 定评价。每步产出均须与用户确认后再进入下一步（用户明确要求一次性完成时除外）。用户仅需要某一环节时，单独执行该环节并输出对应结果，不强制走完全流程。

输入复用（跳步）：用户已有典型工作任务分析表时，解析该表为标准 JSON（rows 结构见 references/auto-fill-engine.md），直接进入第 3 步；表中数据缺失字段（如职业行动领域）由引擎规则补齐并标注「推断」。

第 1 步：定岗位

• 支持输入：企业招聘数据（可粘贴或上传文件）、岗位说明书、调研访谈记录；用户给出目标行业/区域；或仅有专业/课程名。
• 输入分级与策略：
  1. 已有资料 → 直接解析；
  2. 无资料但已知行业/区域 → 启动自主调研模式；
  3. 仅有专业/课程名 → 先用 AskUserQuestion 确认「目标行业 + 院校所在区域 + 就业面向区域」，再启动自主调研；用户跳过 → 降级为行业常识推断（全程标注「推断」）。
• 自主调研模式（执行前必须加载 references/auto-research.md）：在线检索头部企业 1~2 家 + 区域龙头企业 2~3 家的真实招聘岗位 JD，采集职责与任职要求原文，交叉验证后作为第 2 步自动填充引擎的输入；同步产出调研来源清单（企业 | 岗位 | 来源 | 检索日期 | 可信度），并作为附录追加到典型工作任务分析表。
• 智能推荐与课程定位相关的 3 个左右典型目标岗位（群）（如「化学检验岗（QC）」「研发助理岗」）。
• 推荐优先级：资料/JD 明确提及 > 多企业 JD 高频出现 > 专业对口推断。
• 每个岗位须输出：岗位名称、一句话职责定位、与课程的关联度（高/中/低）及判定依据、数据来源（企业名或「推断」）。
• 边界处理：多于 3 个 → 保留前 3 并附备选说明；少于 3 个 → 如实输出并说明；与课程关联度均低 → 提示用户确认课程定位；检索不到对口岗位数据 → 如实告知并降级为推断模式，输出物显著标注「本表基于行业推断生成，未经企业数据验证」。

第 2 步：拆任务（含自动填充引擎）

核心动作：运行典型工作任务分析表自动填充引擎，从岗位职责文本中自动提取并生成 6 列表格全部字段。填充规则、能力动词库、行动领域分类库详见 references/auto-fill-engine.md（执行本步前必须加载）。表格字段与合并单元格规则见 references/task-analysis-table.md。

自动填充引擎四条规则概要：

1. 岗位（群）核心工作能力提取：识别「能 + 动词 + 对象」结构，结合预置能力动词库与行业术语库匹配归一化；每岗位 3~6 条。
2. 典型工作任务拆解：对岗位职责文本做语义切分，拆出独立、可执行的操作任务；支持合并同类项与层次归纳；每条核心能力下 2~4 条。
3. 职业行动能力生成：从每个任务提炼核心动作短语，对齐标准动作标签库保证术语一致性。
4. 职业行动领域归纳：基于任务集合语义聚类或映射规则归入预设领域分类（如「品质检验」「品质监控」「体系建立」「在线监测」），支持人工微调与扩展。

输出前自检：

• [ ] 每条核心工作能力可追溯到原始资料；推断内容标注「推断」及依据；
• [ ] 每条典型任务归属唯一核心工作能力；
• [ ] 行动能力用词与任务呼应，不出现任务中未涉及的动作；
• [ ] 行动领域无孤类（仅 1 条任务的领域须评估是否并入相邻领域）。

第 3 步：建体系

• 将能力标签按 「基础→核心→拓展」 或 「知识→技能→素养」 维度自动分类分层，生成能力层级结构图。
• 分层依据：基础 = 全体岗位通用且为先修；核心 = 目标岗位主体任务直接依赖（学时占比最大）；拓展 = 部分岗位或进阶发展。知识/技能/素养 = 笔试/实操/过程性观测的考核载体差异。
• 用户指定维度或素养导向场景（如课程思政、三全育人）默认采用「知识→技能→素养」。
• 交互式调整：以 Markdown 表格呈现层级结构，用户口头描述调整（如「把『溶液配制』上移到核心层」）后同步更新；「拖拽调整」通过输出物 2 的交互式 HTML 图谱实现（层级结构图与能力图谱为同一数据源、同一份 HTML，不重复生成两份），实时同步至第 4 步映射表。

第 4 步：强映射

• 建立 「能力—课程」映射矩阵：行为能力标签，列为课程/项目/章节/实训环节，交叉处标注培养强度三级：「重点培养」「涉及」「评价点」。矩阵规范见 references/mapping-matrix.md。
• 支持从用户提供的教学大纲、项目化课程库中智能推荐匹配项；未提供时基于专业常识推荐并标注「推断」。
• 覆盖校验：每项能力至少落位到 1 个课程列；无落位能力列入第 5 步优化报告的「缺失项」。

第 5 步：定评价

• 为每一项能力自动推荐 1~3 条可观测评价标准，形式包括：作品质量评分表、操作速度阈值、情境模拟考核点、实验报告评价量表等。设计规则见 references/evaluation-standards.md。
• 支持用户自定义评价维度与权重（如 知识 30% / 技能 50% / 素养 20%），形成「能力—任务—评价」完整闭环。
• 评价标准须可观测（含观测方式与合格判据），禁止使用「掌握」「了解」等不可观测表述。

标准输出物

按需产出，全量交付时按下列顺序：

1. 典型工作任务分析表（核心表格）

• 字段：序号 | 岗位（群）| 岗位（群）核心工作能力 | 典型工作任务 | 职业行动能力 | 职业行动领域。字段语义与合并单元格规则见 references/task-analysis-table.md；能力条目数量与颗粒度规则以 references/auto-fill-engine.md 为单一事实来源。
• 多条目单元格用 <br> 换行（Markdown）或单元格内多行文本（Excel）；同一岗位、同一核心能力下的多行单元格必须合并，保持视觉清晰。
• 示例片段（化工检测类专业，完整示例见 references/task-analysis-table.md）：

2. 可视化能力图谱

• 分层分类展示能力标签，默认交付交互式单文件 HTML（自包含、无外部依赖、离线可用，双击即看，用户无需任何前端知识）；用户要求图片时另出 SVG/PNG。
• 生成方式（按优先级）：
  1. 默认：模型将图谱数据写成 JSON（结构见 scripts/generate_map_html.py 头部 docstring，含 meta/jobs/layers/courses 四部分），调用脚本一键生成成品 HTML；用户调整分层/岗位时改 JSON 重跑即可，秒级更新。脚本自动校验岗位 supports 与课程 mappings 引用的能力 id，坏引用直接报错拒出。
  2. 兜底：仅当用户提出脚本模板未覆盖的深度定制（非常规布局/特殊视觉）时，才由模型按 references/visualization-spec.md 手写 HTML/SVG；禁止用 AI 图像生成工具生成图谱内容。
• 设计规范（布局、配色、浅色主题、节点编码）见 references/visualization-spec.md；完整输入 JSON 与效果示例见 references/example-walkthrough.md。
• 交付时 HTML 须与其余输出物同批 present_files，用户点击即得可视化预览，全程不接触代码。

3. 能力—课程映射矩阵表

• 行：能力标签；列：课程/项目/章节；交叉处标注培养强度：重点培养（●）/ 涉及（○）/ 评价点（◇）。

4. 能力评价标准清单

• 每项能力对应 1~3 条可量化评价指标及观测方式。

5. 课程优化建议报告

• 自动分析能力覆盖度、课程冗余/缺失项，给出调整建议。

导出格式

• 典型工作任务分析表：默认导出 Excel (.xlsx)（保留合并单元格、边框、表头样式）；同时支持导出结构化 JSON（保留层级：岗位 → 核心能力 → 任务 → 行动能力 → 行动领域）与 CSV。导出统一使用 scripts/export_task_table.py（用法见脚本头部 docstring）：模型先产出 JSON 数据文件，再调用脚本转换为 xlsx/csv，禁止手写 openpyxl 代码重复造轮子。
• 能力图谱：统一使用 scripts/generate_map_html.py 将 JSON 转为成品交互式 HTML（默认），用户零代码直接查看；SVG/PNG 由模型按 visualization-spec.md 另出。
• 自定义模板样式（列宽、学校/专业 Logo、批注）：在 JSON 数据中传入 options 字段，脚本支持表头行高、列宽、Logo 图片路径、页眉文字；不支持的定制需求由模型直接改脚本副本实现并说明。

通用规则

• 全程简体中文；输出采用表格与分层要点结构。
• 自主调研只采集公开信息（企业官网、招聘平台的公开招聘内容）；须记录来源 URL 与检索日期，不得编造或拼接 JD 内容；调研数据优先采用近 12 个月发布的信息。
• 推断与事实严格区分：凡资料未明确写出的内容一律标注「推断」并给出依据；不得编造调研数据与企业信息。
• 涉及企业敏感信息（员工姓名、商业数据）输出时模糊化处理。
• 修改任一输出物后，须检查其余输出物的数据一致性（任务分析表 → 图谱 → 映射矩阵 → 评价清单 → 优化报告为同源数据链）。
• 导出文件与 Markdown 成果同批 present_files 交付（Markdown/HTML 在前，xlsx 最后）。

资源