AI 批改的边界：草稿交给 AI，决定权留给人

做 AI 批改时我们讨论了很久一个问题：AI 给的分数，算不算数？如果算，出了错谁负责？如果不算，那 AI 的价值在哪？

最后的结论是：AI 负责写草稿，教师负责拍板。而且这个边界不是写在产品说明里，是写在数据模型里的。

草稿写进扩展列，不碰业务状态

学习记录表有明确的业务状态列（submitted / reviewed 等）和分数列。AI 的输出不写进这些列，而是写进 attributes 这个 JSONB 扩展列。

01// 草稿挂在扩展属性上，业务状态列不动
02record.attributes["ai_feedback"] = {
03    "score": 82,
04    "comment": "第二问的推导跳了一步，建议补上边界条件…",
05    "model": "glm-4",
06    "generated_at": "2026-06-25T10:12:03Z",
07    "draft": true
08}
09
10// 终审仍走教师既有的 feedback 接口
11POST /tv1/teacher/homeworks/{hid}/feedback

整班批改要能部分失败

一个班几十份作业，不能因为第 7 份超时就整批回滚。所以批量接口分块处理，单份失败不中断整批，逐条返回错误，下次自动重试——已有草稿的会被跳过，不重复烧 Token。

• 只处理 submitted 状态，已终审的不再生成草稿
• 已有草稿的自动跳过，避免重复调用模型
• 单份失败逐条报 error，不影响同批其它作业
• 分块处理，单批上限 100，防止一次请求拖垮模型服务

未配置时优雅降级

没配置 LLM 端点时，AI 批改接口返回 501，其余功能完全不受影响。这条设计让「想试 AI 的客户」和「完全不想接 AI 的客户」可以跑同一个版本。

AI 提速的部分我们尽量做满，但「谁对结果负责」这件事，我们不交给模型。