“把这道题做成教学视频”看起来像一次生成请求，实际包含题型识别、解题事实、镜头结构、字幕节奏、图形动画、音画时长和最终编码。让模型一次性自由生成脚本与画面，失败时很难判断错在知识、镜头还是渲染。
TeachFlow 将这条链路拆成可验证阶段：先路由到题型 Skill，再生成结构化 Video Spec；领域脚本计算关键事实，场景家族把事实映射为镜头，Remotion Probe 负责真实渲染，最后由准入检查决定产物是否可以展示。
Skill 负责收窄问题
二次函数、斜面摩擦、凸透镜、电路、波动、立体几何和英语句法不共享一套万能 Prompt。每个 Skill 声明适用问题、必要参数、拒绝条件和场景家族；无法分类或信息不足时应弃权，而不是硬选一个模板。
计算结果与镜头表达分离
领域脚本先产生可检查的中间结果，例如交点、受力分解、成像位置或几何关系。Video Spec 再引用这些结果组织镜头、字幕与高亮。这样，画面变化不会重新发明数学事实，同一规格也可以重复渲染。
“脚本通过”不等于“成片通过”
项目区分合同检查、Probe 渲染、production evidence 和 effect scorecard。只有真实渲染文件、帧范围、时长和失败信息齐全时，才能把对应案例称为已渲染；未执行生产 Probe 的题型仍是 code-confirmed 或 partial。
一个画面正确、教学错误的反例
一段二次函数视频可能顺利编码、字幕不溢出、动画也流畅，但若场景先展示结论再隐藏关键定义域，它仍不是合格教学产物。相反，领域计算完全正确，若字幕被裁切或镜头节奏无法阅读，也不能称为可交付。平台因此把事实合同、场景结构、真实渲染和教学效果分开计分。
Unseen holdout 用于检查 Skill 是否只记住固定样例；production evidence 用于确认真实渲染；effect scorecard 才讨论学习目标、错误暴露与解释质量。某一层通过不能自动升级其他层。尤其不能因为 Remotion 输出了 MP4，就声称学生学得更好。
设计取舍：这么多 Skill 会不会变成模板爆炸
风险确实存在，所以 Skill 不应等同于每道题一个模板。它描述的是稳定题型家族、必要变量、拒绝条件和可复用场景结构；具体数字和题面通过 Video Spec 注入。若两个 Skill 的计算与镜头合同相同，应合并到同一场景家族；若只有画面相似但领域不变量不同，则不应强行复用。
当前桌面和移动截图证明工作台能呈现任务、规格与产物状态；源码证明平台入口存在。由于本轮没有批量重渲染和逐帧审阅，文章必须保留 partial，并把历史产物视为来源资产而非当前全量通过证明。
当前边界
仓库包含多类题型检查、unseen holdout、场景家族和 Remotion Probe，但本轮没有重新执行 85 个视频相关命令，也没有审阅所有成片。因此本文只确认平台结构和当前工作台截图，不声称全部题型已获得生产视频证据，更不声称视频提升了学习效果。
结论
教学视频平台的关键不是生成数量，而是知道一段视频依赖哪份题型合同、哪组确定性事实、哪次真实渲染，以及哪些结论仍未被证明。