案例教学的瓶颈：讲案例容易，练判断难
政法类院校与培训部门做案例教学，长期卡在同一个地方：真实案件的判断过程无法复现。教师能把案情与结论讲清楚，但学员面对一堆残缺、矛盾、真假混杂的材料时该怎么判断，这个过程既没法完整演示，也没法逐个纠正——一个教师带几十个学员，能批改的只有最后的结论。
更麻烦的是，判断过程的质量恰恰是实训要训练的东西。结论对了可能是猜的，结论错了可能是材料理解得更深。只看结论，教学反馈就丢掉了大部分信息。
先分清：实训与办案是两种目标
把大模型接进实训，第一个要想清楚的是：实训系统的目标不是“把案件办对”，而是“让能力可诊断、过程可评分、错误可复现”。这三点决定了它的设计取向与办案工具完全不同。
三个环节的工程落点
案例语料与难度分层。 从真实案卷出发做脱敏与要素替换，同时保持事实内在一致——这一点常被低估：改了人名不改关系、改了金额不改流水，案例就会自相矛盾。难度分三层：要素完备型练基本功、存在缺口型练发现印证缺口、矛盾冲突型练甄别取舍。案例库要版本化，因为评分标准与案例内容必须严格对应。
材料层陪练。 让学员在材料层做判断——检索与交叉引用、要素核对、发现事实与印证上的缺口。关键约束是：系统只呈现材料与线索，不替学员下结论。一旦开始“提示答案”，实训就退化成阅读理解。
可解释评分。 评分应当按维度逐条给出依据，引用学员的操作轨迹与材料原文位置。评分标准本身要版本化，教学要求变了能同步更新并留痕。
自动评分要防的最大一类错误
最容易出的错不是打分偏差，而是把学员没做的事判成做了——模型按“通常应该会做”生成评价，而操作记录里没有这个动作。这在教学场景里的危害更大：学员会照着错误反馈去改进。
两条硬约束：评分必须绑定可验证的操作记录，没有记录支撑的评价项不得给分；模型不确定时降级为“待教师复核”，而不是硬给结论。评分结果是教学反馈，不是对学员的定性评价。
一条必须写进设计的边界
- 不用于真实案件办理，与办案环境物理隔离；
- 不输出可用于真实案件的问话方案，教学结论仅限训练场景；
- 不接受未脱敏真实案卷入库，脱敏在入库前完成并留校验记录；
- 不保存超出教学需要的个人数据；
- 教师对案例与评分的最终解释权不被系统取代。
怎么判断实训系统有效
值得警惕的指标是“做了多少题”。更有意义的是：评分一致性（同一操作在不同评分者、不同批次之间是否稳定）、能力画像的区分度、以及错误类型分布是否真的指导了教学改进。
一句话总结：实训系统的价值不在“替教师讲课”，而在“把学员的判断过程变成可评分、可复盘、可改进的数据”。