老师极简采集 → AI 专家模型判别根因 → 家长拿到看得懂、能执行的成长报告。不做 AI 营养师，不做菜谱生成器，不做面面俱到的"学校大脑"。
怎么从一段老师的日常观察，走到一份负责任的家长报告。
饮食认知 / 饮食态度 / 饮食能力 / 饮食习惯，各三项判据打分（0-2 分），单维得分率 = 三项之和 ÷ 12；总分 = Σ(得分率 × 权重 × 100)，理论区间 25–100。四维以园方量表为准，不由 AI 自行发挥。
同一份观察让模型独立判断 3 次，取多数根因作为最终结论；3 票不一致时标记"把握度低"，老师必须重点复核、勾选确认后才能发布——不让模型在没把握的时候悄悄蒙混过关。
产品层面自动拦截，不只靠 prompt 自觉：
三种角色，三条路径，互不越界。
对齐 CLAUDE.md 的档位定义：G2 产品档 → G3 需自动化测试 + CI + 数据合规审查 → 真实数据。
小威≠小宇、小威≠小宝的判别方向对，但"态度好但能力弱"这类易混案例稳定性只有 ~60%。三轮 prompt 迭代已到收益递减点，下一步要靠更多标注数据。
采集→生成→复核→发布→家长查看全流程跑通，超出原计划：班级管理、历史趋势、把握度投票、红线拦截、批量录入。
真账号体系（老师/园长/管理员三角色）+ 管理后台上线，请假状态、发布后可修正、花名册按班级分组、家长端透明度声明，部署到 shiyu.yongle.school（独立子域名，旧的 opendesign.cc/shiyu 链接自动跳转过来）。
审计日志已上线；监护人授权字段、老师按班级限定可见范围、真数据库、CI 待确定远程仓库——这些是第一个真实孩子数据入库前的硬性前提。
谨慎设计——不是个体诊断看板，只做全园层面的聚合统计，不呈现任何单个孩子的可识别信息，不做排名。
仅限中大班，本文档不展开细节——是 Non-Goal 而非"还没做"，需要邱总重新拍板才会启动。