课程隔离（Per-course Project Isolation）

定义

每门课程建立独立的 ChatGPT Project 或 Claude Project，把 Lecture Slides、Tutorial Notes、Assignment Spec 等材料限定在该项目内，避免跨课程术语、定义、公式和作业要求混入同一上下文。

为什么需要它

计算机课程同一概念常存在多种符号、算法变体或实现方式。通用模型可能给出"理论上正确、但不符合教授讲法"的答案，导致学生沿用非课程口径的解法而失分。课程隔离把上下文管理作为 AI 学习助手的第一约束，缩小模型调用资料的边界。

关键操作

1. 为每门课单独创建项目空间，名称、说明和文件只对应这一门课。
2. 项目说明中写明这是哪门课、采用谁的定义与符号、回答必须基于上传资料。
3. 上传高信噪比材料（课件、习题课笔记、作业规范）；厚教材按需加入相关章节。
4. 当模型给出答案，回到对应课件核对定义、符号、公式是否一致。

与已有方法的关系

• 与 按主题建立独立笔记本（NotebookLM 方向）同属"按主题/课程分上下文"思路，但本方法使用 ChatGPT Projects 或 Claude Projects 作为容器，并延伸到 AI 联网检索和双模型审计。
• 与 上传材料优先 + 资料未覆盖时显式标记（Upload-first Boundary Declaration） 配合使用效果更好：隔离决定哪些资料在上下文里，边界声明决定模型在资料之外的回退策略。

限制

• 项目文件数和上下文长度存在上限；资料过多会增加噪声。
• 隔离可能导致跨课程知识迁移受限，例如把算法课的复杂度分析用到系统课时，需要新建或扩展项目。
• 课程隔离不能完全消除"课程口径与通用知识冲突"，仍需逐题核对（见 课程口径与通用知识冲突（CS 多符号/多算法场景））。

适用范围

需要同时管理多门课程资料、且教师口径与公开资料不一致的场景。开放式通识课或教材权威性不足的场景下，课程隔离的收益较小。