diff --git a/backend/app/services/cached_replays.py b/backend/app/services/cached_replays.py
index 6f780ce4..c7c02b9b 100644
--- a/backend/app/services/cached_replays.py
+++ b/backend/app/services/cached_replays.py
@@ -1047,27 +1047,133 @@ def _course_time(minutes: int) -> str:
 COURSE_REPORT_SECTIONS = [
     (
         "S01 执行结论：招生不是卖课，是把不确定感降到可付款",
-        "这轮双世界模拟完成后，最关键的结论是：第一期50人线下课能否成交，不取决于课程名是否足够吸引人，而取决于学员是否相信三个问题已经被处理：第一，钱交出去之后能不能获得高密度、可落地的能力提升；第二，现场组织和后续交付是否靠谱；第三，早鸟、同行和退款机制是否让自己感觉公平。模拟中最有效的转化路径是先用PRD解释课程结构，再用名额稀缺和同行优惠推动行动，最后用退款规则、交付节奏和课后作业机制降低迟疑。",
+        """本轮双世界模拟的核心判断是：第一期50人线下课的成交，不取决于课程名称是否足够宏大，也不取决于优惠力度是否足够夸张，而取决于学员在付款前能否确认三件事。第一，自己交钱后能拿到高密度、可落地、能复用的能力，而不是听一场情绪价值很强但回去无法执行的演讲。第二，现场组织、分组反馈、案例演练、课后作业和复盘机制足够明确，不会出现“现场很热闹，回家又归零”的体验。第三，早鸟、同行、退款、资料回看、社群服务等规则清晰，让学员感觉价格公平、权益确定、风险可控。
+
+从模拟行为看，付款意愿最高的人并不是完全陌生的观望者，而是已经被AI工具刺激过、在自媒体/销售/产品/个人IP/企业运营中遇到真实问题的人。他们并不需要再被说服“AI很重要”，他们需要被说服的是：这门课能不能帮我把一个卡住的问题推进到可以执行。A03林岚反复提到，她愿意为“现场带走选题库、提示词、自动化流程和复盘模板”付款，而不是为趋势判断付款。A07陈亦桥则代表价格敏感但高需求的人，他对课程的质疑不是不认可AI，而是担心听完之后不会用。两类人共同指向一个结论：招生页和销售话术必须把抽象价值转成可交付对象。
+
+因此，最稳的转化路径不是直接推销“名额有限”，而是先做诊断，再承诺交付，最后推动付款。诊断阶段问清楚学员当前业务、AI使用水平、最想解决的问题、过去学习失败的原因；交付阶段明确课前问卷、现场案例、实操模板、分组反馈、课后作业、资料回看、复盘节点；付款阶段再匹配超级早鸟、普通早鸟、两人同行或三人同行。这个顺序会显著降低强销售感，也让优惠机制从“便宜”变成“锁定交付权益”。
+
+对现场演示而言，Foresight的价值也在这里：它不是简单帮团队生成一段招生文案，而是在正式投放和正式销售前，先用30个虚拟Agent模拟不同学员、运营人员、拼团组织者、退款敏感用户、同行观察者和交付负责人会怎样反应。系统提前暴露犹豫点、误解点、付款触发点和舆情风险，再把这些反应整理成可执行的销售SOP和交付SOP。客户看到的不是一份漂亮报告，而是一套可以在真实招生前降低不确定性的经营系统。"""
     ),
     (
         "S02 Agent问答暴露的问题：学员真正担心的是交付密度和机会成本",
-        "30个Agent中，明确表现出付款意愿的群体主要来自三类：已经有AI工具使用经验但缺少系统方法的人、正在做自媒体/销售/产品工作需要马上变现的人、希望进入同舟会圈层并获得持续反馈的人。阻力也很具体：价格是否值、现场是否只讲概念、课后是否无人跟进、同行优惠是否引发拼团复杂度、退款规则是否会在现场造成负面情绪。这说明销售页和客户经理话术必须少讲抽象愿景，多讲课前诊断、课中演练、课后复盘和明确交付物。",
+        """30个Agent的问答显示，学员真正担心的不是“AI有没有前景”，而是“我付出的时间、钱和注意力能不能换回确定的进步”。这种担心可以拆成四类。第一类是交付密度：现场到底是讲概念，还是带着我把一个真实问题做出来。第二类是机会成本：我是否需要请假、坐车、住酒店、放弃周末，如果最后只是听了一堆原则，就很难接受。第三类是后续反馈：我回去做作业遇到问题，有没有人看、有没有复盘、有没有同伴压力。第四类是规则公平：同样买课的人，超级早鸟、早鸟、同行、临时报名之间权益是否清楚，是否会让早付款的人吃亏。
+
+#### A00 方见舟｜课程发起人 / 同舟会线下课主理人
+**Q:** 你最担心第一期招生哪一步失控？
+**A:** 我不担心大家没有兴趣，我担心大家都在等最后一刻确认。等的人越多，销售越容易被动。所以要把课前诊断、席位机制和交付清单提前说清楚，让学员知道现在确认不是为了便宜，而是为了提前进入准备流程。
+
+#### A03 林岚｜高意愿学员 / 自媒体创业者
+**Q:** 什么会促使你立刻付款？
+**A:** 如果我知道现场能带走一套选题方法、提示词、自动化流程、内容复盘模板，并且这些东西能直接用于我接下来一个月的账号更新，我愿意买早鸟。单纯说趋势、认知、未来机会，我会觉得听过很多次，不会马上动。
+
+#### A07 陈亦桥｜价格敏感学员 / 职场转型产品经理
+**Q:** 你为什么犹豫？
+**A:** 我怕课程太贵但听完不会用。我的问题不是不知道AI重要，而是不知道怎么把AI放进自己的工作流。最好有课前问卷和课后作业反馈，让我知道自己不是只来听热闹。
+
+#### A11 孟知秋｜同行拼团组织者 / 知识付费社群运营者
+**Q:** 同行优惠的最大风险是什么？
+**A:** 拼团能带来转介绍，但规则必须简单。如果三人同行核销复杂，销售会被大量沟通消耗。最好把同行权益写成一页图，不要让学员自己猜谁付款、谁登记、谁进群、谁拿资料。
+
+#### A18 许若安｜退款敏感学员 / 企业培训采购负责人
+**Q:** 什么情况会触发退款情绪？
+**A:** 如果宣传说得很满，但现场案例和我的行业不相关，我会觉得预期落差大。退款规则要提前写明，哪些情况可以退，哪些是课程开始后不能退，不能等学员不满意时才解释。
+
+#### A24 唐逸舟｜交付运营负责人 / 课程项目经理
+**Q:** 课后最重要的动作是什么？
+**A:** T+1交付资料，T+7收作业，T+14做一次复盘，T+30筛选转介绍线索。否则线下课热度很快散掉，学员会觉得当场很燃，回去没有后劲。
+
+这些回答共同说明：销售页、私聊话术和现场控场都要围绕“交付确定性”组织。能成交的人要被快速推到付款动作；犹豫的人要被引导到诊断和样例；风险敏感的人要提前看到规则边界；拼团传播者要获得简单、可转发、可解释的规则。只要把这些问题在付款前处理，课程的转化就会更像一个有节奏的招生经营过程，而不是靠讲师个人影响力临场推动。
+
+进一步看，Agent之间的差异也提示团队不能用同一套话术覆盖所有人。A03林岚要的是内容生产效率，A05周予白要的是销售团队工作流，A09陆佳宁要的是企业培训可复制性，A21沈知微要的是金融客户经营案例。对这些人都说“AI时代必须学习”没有意义，真正有效的是把课程价值翻译成他们各自的业务场景。也就是说，销售系统要先识别角色，再匹配证据：自媒体用户看选题和内容流程；销售负责人看客户研究和拜访提纲；企业培训负责人看组织复制；金融客户经理看客户分析和产品推介。"""
     ),
     (
         "S03 收款结构预测：早鸟机制会放大行动，但必须避免规则混乱",
-        "按本轮模拟，最稳妥的收款结构是：超级早鸟承担首批信任背书，早鸟承接犹豫但高意愿用户，两人同行和三人同行用于激活熟人传播。理想状态下，超级早鸟可覆盖8-12人，普通早鸟可覆盖18-24人，同行优惠可贡献12-18人，其中三人同行数量不宜过高，否则容易让销售沟通变成拼团协调。销售动作应把‘优惠’从单纯降价，转成‘确认席位、锁定课前诊断、优先获得分组反馈’。",
+        """收款结构的关键不是让价格看起来更低，而是让不同决策状态的人都有一个顺手的付款理由。模拟中，超级早鸟适合承担首批信任背书，主要面向熟人、老学员、已明确需求的人；普通早鸟适合承接有意愿但需要再确认的人；两人同行和三人同行适合激活熟人传播，但不能让拼团变成销售团队的主要工作量。
+
+本轮预测中，50人目标的较稳结构是：超级早鸟8-12人，普通早鸟18-24人，两人同行贡献8-12人，三人同行贡献4-6人，临近开课原价或少量特殊确认名额补足余量。这个结构的好处是既能制造第一批已付款样本，又不会让三人同行占比过高，导致订单确认、资料分发、入群登记和发票沟通过于复杂。A11孟知秋的反馈尤其重要：如果同行优惠规则需要反复解释，传播者会从帮你招生的人变成制造沟通成本的人。
+
+优惠权益建议从“少多少钱”改写成“提前获得什么”。超级早鸟可以绑定课前诊断优先权、席位确认、分组优先、案例征集优先；普通早鸟强调价格窗口和课前准备材料；两人同行强调共同作业和现场同组；三人同行强调团队问题可以被纳入案例池，但不额外承诺讲师单独服务。这样做可以避免用户把优惠理解成纯折扣，也能让早付款的人觉得自己获得了确定性，而不是承担了先付款风险。
+
+销售节奏上，建议分四个窗口。第一窗口是老用户内测确认，目标是拿到第一批付款和真实问题；第二窗口是公开早鸟，目标是把课程价值讲清楚；第三窗口是同行传播，目标是让已付款学员带来同伴；第四窗口是临近开课提醒，目标是处理犹豫但高意愿的人。每个窗口都要有对应话术和素材，不要把所有信息堆在一个招生海报里。"""
     ),
     (
         "S04 舆情与退款风险：最大的负面不是退款本身，而是预期不一致",
-        "模拟中的负面舆情集中在四个点：课程内容是否过密导致听不完、现场案例是否贴近自己、退款口径是否透明、课后社群是否变成信息噪音。真正需要防的不是有人提出退款，而是退款问题被解释成‘交付不确定’。因此，在付款前就要明确课前问卷、现场产出、课后复盘、资料回看、作业反馈和退款边界，避免把所有承诺压到讲师个人魅力上。",
+        """模拟中的负面舆情并不集中在“价格贵”本身，而集中在预期不一致。学员可以接受高价格，但不能接受高价格背后没有清晰交付；可以接受课程密度高，但不能接受没有资料回看和复盘；可以接受现场案例不可能覆盖所有行业，但不能接受自己在报名时完全不知道案例范围；可以接受退款边界严格，但不能接受付款后才被告知规则。
+
+A18许若安的回答代表企业采购和理性用户：只要宣传说得过满，而现场案例与自己行业差距过大，就会触发预期落差。A24唐逸舟则从交付侧提醒，线下课结束后如果没有T+1资料、T+7作业、T+14复盘、T+30转介绍筛选，课程热度会迅速衰减。这两个视角放在一起看，退款风险其实不是一个财务动作，而是一个信任信号。用户提出退款时，往往已经经历了价值感下降、预期落差、沟通无回应、同伴讨论放大这几个阶段。
+
+因此，建议把退款和交付规则前置到销售材料里，而不是藏在付款后须知里。规则可以分为四层。第一层是报名确认前：说明适合人群、不适合人群、课程强度和前置准备。第二层是付款后到开课前：提供课前问卷、资料预习、问题征集，如果学员发现明显不匹配，可以在规定时间内处理。第三层是开课当天：明确签到、资料、录屏或回看、作业提交方式。第四层是课后：明确反馈窗口、复盘节点和社群边界。
+
+舆情处理上，不要让运营人员临场自由发挥。应提前准备三类回应模板：价值解释模板，用于解释课程交付物；规则解释模板，用于解释退款、名额、同行权益；情绪安抚模板，用于面对“我听不懂”“跟不上”“不适合我”的反馈。系统演示时，可以把这些模板展示成Foresight从模拟中自动提炼出的风险预案，让客户看到系统不仅预测销售，也预测交付争议。"""
     ),
     (
         "S05 商业机会：从一次线下课升级为可复制的招生经营系统",
-        "这次模拟最大的商业机会不是卖出50个名额，而是形成一套可复用的招生经营系统：用户画像分层、优惠规则、销售SOP、课前问卷、课中分组、课后跟进、退款预警和转介绍机制。对客户展示时，可以强调Foresight并不是简单生成文案，而是把可能出现的真实用户反应提前跑一遍，再把风险和机会沉淀成运营动作。",
+        """这次模拟最值得展示的商业机会，不是“第一期能不能卖满50人”，而是从一次线下课中抽象出一套可复制的招生经营系统。这个系统包括八个模块：用户画像分层、需求诊断问卷、优惠与权益设计、私聊销售SOP、课前准备机制、现场交付机制、课后复盘机制、退款与转介绍预警。只要这些模块跑通，后续无论是第二期课程、企业内训、私董会工作坊，还是银行/保险/咨询行业的高客经营场景，都可以复用。
+
+从商业角度看，Foresight的产品价值可以被包装成“经营预演”。传统团队常常先做海报、先投放、先销售，然后在真实用户反馈中被动调整。Foresight的做法是先把用户、销售、运营、交付、风险和舆情都变成Agent，让它们在一个模拟世界里提前互动。系统不是替代真实市场，而是在真实市场前给团队一次低成本的压力测试。它可以告诉团队：哪些话术会触发付款，哪些承诺会放大退款，哪些优惠会制造混乱，哪些交付动作能带来复购。
+
+对银行客户或企业客户演示时，可以把这个能力迁移到他们的业务语境。银行推理财产品时，客户也会关心收益、风险、流动性、家庭共同决策和售后服务；企业卖高客服务时，客户也会关心价格、交付、案例、同伴和后续跟进。也就是说，这个线下课案例虽然是教育产品，但它展示的是一套普遍的“高客决策模拟能力”。这正是系统后续商业化的重点：不是卖一个demo，而是卖一种在复杂客户决策前进行多Agent、多变量、多时间轮次推演的能力。
+
+本案例还暴露出一个增量机会：报告页可以成为销售资产。右侧Report Agent能够基于总结和Agent问答回答问题，并用角标引用具体证据；左侧报告可以跳转到对应章节和Agent原话。这种设计让客户看到“AI不是自己瞎想”，而是从模拟过程、访谈结果和结构化报告中提取结论。后续如果给企业客户交付，可以把每一次模拟沉淀为一个可追问、可回看、可复盘的互动报告，而不是只发一份PDF。
+
+如果把这个能力再往商业化推进一层，可以形成三种产品形态。第一种是售前策略模拟：在课程、理财、企业服务、咨询项目正式销售前，先跑一轮不同客户角色的反应，产出销售话术、异议处理和风险提示。第二种是交付压力测试：在承诺客户之前，先模拟交付过程中的投诉、延期、信息误解、人员协作和复盘缺口。第三种是经营复盘资产：项目完成后，把真实反馈继续沉淀进报告，让下一轮销售和交付不再从零开始。这样，Foresight就不是一个临时演示工具，而是一套可以嵌入业务团队日常经营的智能预演层。
+
+对客户来说，最直观的购买理由是“少踩坑”。很多团队不是没有方案，而是方案进入真实用户之后才发现话术不清、规则复杂、承诺过满、交付跟不上。Foresight提前把这些问题可视化，能帮团队在付出真实市场成本前先做修正。对于银行、保险、教育、咨询、企业服务等高信任行业，这个价值尤其明显，因为每一次高客成交都不只是一次付款，而是一次长期关系的开始。"""
     ),
     (
         "S06 推荐SOP：先诊断，再承诺交付，最后推动付款",
-        "推荐现场使用三段式SOP。第一段是诊断：你现在最想用AI解决什么问题、过去学过什么、卡在哪一步。第二段是交付：这门课会让你带走哪些文件、流程、案例和可复制模板。第三段是决策：如果你确定要来，适合超级早鸟/早鸟/同行哪一种方式。这样的销售路径能减少强推感，也更容易在客户犹豫时回到具体价值。"
+        """推荐采用三段式销售SOP：先诊断，再承诺交付，最后推动付款。第一段诊断不要超过5分钟，但必须问到关键问题：你现在最想用AI解决什么业务问题？过去用过哪些工具？目前卡在选题、提示词、流程、自动化、团队协作还是变现？你这次来线下课最希望带走什么？如果这些问题问不出来，销售就只能回到抽象价值，很容易让学员感觉被推销。
+
+第二段交付要尽量具体。不要说“帮你掌握AI能力”，而要说“课前会收集你的业务问题，现场会拆解选题、提示词、工作流和案例，课后会交付资料包、作业反馈和复盘节点”。对于A03林岚这样的高意愿学员，要强调可直接用于内容生产的模板；对于A07陈亦桥这样的价格敏感学员，要强调从不会用到能执行的路径；对于A18许若安这样的理性采购型用户，要强调适合/不适合人群和退款边界；对于A11孟知秋这样的传播型用户，要给他一页能转发的同行规则。
+
+第三段决策要避免强压。可以用四类句式。对已确认需求的人，说“你现在最适合超级早鸟，先锁课前诊断和分组权益”。对还在犹豫的人，说“你可以先把问题发来，我们判断是否适合，不适合就不要报”。对想拉朋友的人，说“两人同行更适合共同做作业，三人同行适合团队问题，但登记规则要一次确认”。对价格敏感的人，说“如果你只是想听趋势，不建议报；如果你要现场做出一套流程，早鸟会更合适”。
+
+运营侧SOP也要同步。付款后自动发送课前问卷；开课前48小时确认问题和分组；现场签到时提示资料包和作业路径；课程结束T+1交付资料；T+7收作业；T+14复盘；T+30筛选转介绍和二期线索。这个SOP的价值在于把一次线下课变成连续经营，而不是当天成交结束就松散掉。
+
+为了让SOP可检查，建议每一步都对应一个“完成证据”。诊断阶段的证据是用户问题卡片；交付承诺阶段的证据是资料清单和案例清单；付款阶段的证据是权益确认单；课前阶段的证据是问卷回收率和分组表；课中阶段的证据是现场产出文件；课后阶段的证据是作业提交、反馈记录和复盘纪要。没有证据的动作很容易变成口头承诺，有证据的动作才能被团队复盘、复制和改进。
+
+如果给销售团队培训，可以把这套SOP拆成三句核心口播。第一句：“我们先判断你是否适合，不适合不用报。”这句话降低防备。第二句：“适合的话，你会带走这些具体产出。”这句话建立价值。第三句：“如果你确定要来，我帮你匹配最合适的报名方式。”这句话推动决策。三句话背后对应的是诊断、交付、付款，而不是情绪煽动。"""
+    ),
+    (
+        "S07 双世界模拟口径：用Info Plaza看传播，用Topic Community看真实顾虑",
+        """本案例采用双世界并行模拟。Info Plaza更像公开传播场，适合观察招生海报、讲师表达、老学员背书、优惠窗口、名额稀缺和公开舆论如何影响决策；Topic Community更像深层讨论场，适合观察学员在熟人、小群、私下问答中真正担心什么。两个世界同时运行，能避免只看公开点赞而忽略私下犹豫，也能避免只看负面担心而低估传播势能。
+
+Info Plaza中的积极信号主要来自三类内容：第一，课程发起人明确交付边界后，早期信任用户更愿意转发；第二，已付款用户如果能说出自己要解决的问题，会带动同类人询问；第三，优惠窗口和席位机制对有明确需求的人有效。Topic Community中的风险信号更细：有人担心现场案例不贴近行业，有人担心作业无人反馈，有人担心同行拼团登记复杂，有人担心退款规则不透明。
+
+因此，总结页不应该只给一个“转化率预测”，而要给出传播层、决策层、交付层和风险层的组合判断。传播层看哪些内容能被转发；决策层看哪些用户会付款；交付层看哪些承诺必须兑现；风险层看哪些问题会变成退款或负面口碑。这个结构能让客户理解，Foresight不是在做单点预测，而是在模拟一个业务系统跨时间的运行效果。"""
+    ),
+    (
+        "S08 关键数据与预测：50人目标可达，但依赖前置诊断和课后复盘",
+        """按本轮30个Agent、8轮互动、18条关键动作的模拟结果，50人目标具备可达性，但前提是不能把招生理解成一次性宣传。若只靠讲师影响力和朋友圈转发，系统预测会出现大量“感兴趣但不付款”的用户；若加入课前诊断、早鸟权益、同行规则和课后复盘，付款转化会明显改善。模拟给出的稳态判断是：第一批熟人和老用户可以形成8-12人的超级早鸟；公开早鸟可形成18-24人；同行机制贡献12人上下；剩余名额由临近开课的高意愿用户补足。
+
+需要注意的是，数据是演示用模拟结果，不是对真实市场的确定性承诺。它的价值在于帮助团队看见变量之间的关系：课前诊断会提高高意愿用户的付款速度；交付清单会降低价格敏感用户的犹豫；退款规则会降低理性用户的风险感；同行规则会提高传播，但规则复杂会反噬销售效率；课后复盘会提高满意度和转介绍，但如果没有运营承接，线下课热度会在一周内明显衰减。
+
+建议现场给客户展示时，不要把数字讲成绝对预测，而要讲成经营假设。比如：“如果我们只做公开招募，转化会偏低；如果把课前诊断和交付权益前置，超级早鸟和普通早鸟的占比会提高；如果同行机制规则清楚，转介绍贡献会增加；如果课后复盘不到位，退款和负面反馈会滞后出现。”这种表达更符合系统定位，也更容易让客户相信它能服务真实业务。"""
+    ),
+    (
+        "S09 模块化落地建议：销售、交付、风控、复购四张表",
+        """为了把模拟结论落地，建议把本报告转成四张运营表。第一张是销售线索表，字段包括姓名、职业、AI使用水平、核心问题、付款意愿、价格敏感度、适合权益、下一步动作。第二张是交付准备表，字段包括课前问卷、案例匹配、分组安排、资料包、现场任务、作业要求、反馈负责人。第三张是风险预警表，字段包括退款敏感点、预期落差、行业不匹配、规则误解、沟通记录、处理状态。第四张是复购转介绍表，字段包括作业完成度、满意度、可展示成果、是否愿意分享、是否适合二期或企业内训。
+
+这四张表对应四类负责人。销售负责人关注线索推进和收款节奏；课程负责人关注现场内容和案例匹配；运营负责人关注资料、作业、群管理和反馈；商业负责人关注复购、转介绍、企业客户和长期产品化。Foresight的报告不应该停留在“发现问题”，而应该把问题变成负责人、动作、时间点和检查标准。
+
+对于客户演示，这一节可以作为成交点：系统输出的不是一个漂亮结论，而是可以直接接进团队日常工作的行动清单。银行客户看这个案例时，也能映射到自己的客户经营：客户经理表、客户需求表、产品适配表、合规留痕表、复盘跟进表。本质上，Foresight可以把复杂决策推演结果翻译成团队能执行的运营表格。
+
+这四张表还可以形成一个闭环看板。销售线索表负责回答“谁最可能付款”；交付准备表负责回答“我们承诺的东西准备好了没有”；风险预警表负责回答“谁可能不满意，为什么不满意”；复购转介绍表负责回答“课程结束后还有哪些商业机会”。如果只看收款金额，团队会高估招生成功；如果只看满意度，团队会低估销售效率；如果只看作业提交，团队又可能忽略转介绍。因此，看板必须同时看现金、交付、风险和复购。
+
+建议为每张表设置最少三个指标。销售线索表看咨询人数、诊断完成率、付款转化率；交付准备表看问卷回收率、案例匹配率、资料交付准时率；风险预警表看退款咨询数、负面关键词、未响应问题数；复购转介绍表看作业完成率、可展示成果数、主动推荐人数。这样，模拟报告就能从“讲得很有道理”进入“团队明天就能执行”。这也是客户购买系统的理由：不是为了得到一个结论，而是为了获得一套能持续校准业务动作的仪表盘。"""
+    ),
+    (
+        "S10 现场展示话术：强调可回溯、可追问、可复用",
+        """现场展示这份报告时，建议用三句话收束。第一句：这不是一个视频回放，而是一个可交互的模拟结果页面，客户可以点进每个阶段、每个Agent和每个结论。第二句：Report Agent的回答不是自己想象，而是引用左侧报告章节和Agent问答，点击角标可以跳回证据位置。第三句：这套能力可以从线下课招生迁移到银行高净值客户经营、企业客户策略分析、理财产品推介、课程销售和复杂服务成交。
+
+演示顺序建议是：先打开总结页，让客户看到完整结构；再提问“这个项目最大的成交阻力是什么”；接着点击回答里的A03、A07、A18等角标，让页面跳到具体Agent原话；然后追问“如果我要提高早鸟付款率，应该改哪里”；最后展示S06到S09，把结论落成SOP和四张表。这样客户会感受到系统不是在播放一个已经录好的文件，而是在一个真实页面里基于模拟结果进行追问、定位、解释和复盘。
+
+现场追问可以准备四个问题。第一个问题问：“这个项目最大的成交阻力是什么？”系统应回答交付密度和机会成本，并引用A03、A07。第二个问题问：“怎样提高早鸟付款率？”系统应回答权益绑定和窗口节奏，并引用S03、A11。第三个问题问：“最容易出负面舆情的地方是什么？”系统应回答预期不一致和退款规则，并引用S04、A18、A24。第四个问题问：“这套方法对银行客户有什么价值？”系统应回答高客经营也需要提前模拟客户顾虑、共同决策、合规边界和售后服务，并引用S05、S09、S10。
+
+这样的追问顺序能形成很强的现场效果：客户先看到完整报告，再看到AI能够回答问题，然后看到每个回答都能跳回证据。它会把“AI很聪明”的印象转成“系统真的记录了推演过程，并能复用推演结果”的信任。尤其是银行客户，他们不会只被炫技打动，更关心系统是否可解释、可追责、可复盘。角标、跳转、Agent原话和模块化报告正好回答这些顾虑。
+
+最后要明确边界：所有数据和Agent回答都是模拟结果，用于经营预演和方案讨论，不代表真实市场承诺；系统价值在于提前暴露问题、比较方案、组织证据和形成行动，不替代真实投放、真实销售和真实合规审查。这个边界讲清楚后，反而会让客户更信任系统，因为它展示的是“降低不确定性”的能力，而不是“保证结果”的幻觉。"""
     ),
 ]
 
@@ -1087,70 +1193,121 @@ def _course_report_markdown() -> str:
 
 def _course_agent_interview_result() -> str:
     return """**采访主题:** 一舟一课线下课第一期招生，会暴露哪些成交阻力和交付风险？
-**采访人数:** 6 / 30 位模拟Agent
+**采访人数:** 10 / 30 位模拟Agent
 
 ### 关键问答摘录
 
-#### A00 课程发起人 / 招生负责人
+#### A00 方见舟｜课程发起人 / 同舟会线下课主理人
 **Q:** 最担心第一期招生哪一步失控？
-**A:** 最担心不是没人感兴趣，而是大家都想等最后一刻确认。必须把课前诊断、席位机制和交付清单提前说清楚。
+**A:** 我不担心大家没有兴趣，我担心大家都在等最后一刻确认。等的人越多，销售越容易被动。所以要把课前诊断、席位机制和交付清单提前说清楚。
 
-#### A03 高意愿学员 / 自媒体创业者
+#### A02 赵沐阳｜企业主学员 / 智能制造公司创始人
+**Q:** 你最希望课程解决什么问题？
+**A:** 我想知道AI怎么进入企业销售、客服和管理流程，不想只听工具清单。如果现场能把一个企业流程拆出来，我会考虑带管理层来第二期。
+
+#### A03 林岚｜高意愿学员 / 自媒体创业者
 **Q:** 什么会促使你立刻付款？
-**A:** 如果我知道现场能带走一套选题、提示词、自动化流程和复盘模板，我愿意买早鸟；单纯说趋势我不会动。
+**A:** 如果我知道现场能带走一套选题方法、提示词、自动化流程、内容复盘模板，并且这些东西能直接用于我接下来一个月的账号更新，我愿意买早鸟。
 
-#### A07 价格敏感学员 / 职场转型者
+#### A05 周予白｜销售负责人 / B2B软件公司销售总监
+**Q:** 你会被什么打动？
+**A:** 我关心的不是AI酷不酷，而是能不能让销售团队更快做客户研究、写拜访提纲、跟进线索。如果课程只讲个人效率，我兴趣会下降。
+
+#### A07 陈亦桥｜价格敏感学员 / 职场转型产品经理
 **Q:** 你为什么犹豫？
-**A:** 我怕课程太贵但听完不会用。最好有课前问卷和课后作业反馈，让我知道自己不是只来听热闹。
+**A:** 我怕课程太贵但听完不会用。我的问题不是不知道AI重要，而是不知道怎么把AI放进自己的工作流。
 
-#### A11 同行拼团组织者
+#### A09 陆佳宁｜HR培训负责人 / 中型企业组织发展经理
+**Q:** 企业培训采购看重什么？
+**A:** 我需要看到课程目标、适合人群、课后产出和可复制的内部训练方案。个人报名热度不能直接证明它适合企业内训。
+
+#### A11 孟知秋｜同行拼团组织者 / 知识付费社群运营者
 **Q:** 同行优惠的最大风险是什么？
 **A:** 拼团能带来转介绍，但规则必须简单。如果三人同行核销复杂，销售会被大量沟通消耗。
 
-#### A18 退款敏感学员
+#### A15 顾南星｜老学员 / 同舟会活跃成员
+**Q:** 你愿意帮忙转介绍吗？
+**A:** 愿意，但我需要一段很清楚的话告诉朋友这门课适合谁、不适合谁。否则我怕朋友报了不匹配，最后影响信任。
+
+#### A18 许若安｜退款敏感学员 / 企业培训采购负责人
 **Q:** 什么情况会触发退款情绪？
 **A:** 如果宣传说得很满，但现场案例和我的行业不相关，我会觉得预期落差大。退款规则要提前写明。
 
-#### A24 交付运营负责人
+#### A21 沈知微｜观望学员 / 金融行业客户经理
+**Q:** 你为什么还没有付款？
+**A:** 我想知道课程案例是否能迁移到我的客户经营工作。如果只是教自媒体，我可能不适合；如果能做客户分析和拜访提纲，我会更感兴趣。
+
+#### A24 唐逸舟｜交付运营负责人 / 课程项目经理
 **Q:** 课后最重要的动作是什么？
 **A:** T+1交付资料，T+7收作业，T+14做一次复盘，T+30筛选转介绍线索。否则线下课热度很快散掉。
 """
 
 
+def _ensure_course_chat_citations(response: str) -> str:
+    if not response:
+        return _course_chat_response("")
+    normalized = response.strip()
+    if "分析路径" not in normalized:
+        normalized = (
+            "### 分析路径\n"
+            "我先检索左侧总结报告，再对照Agent问答和双世界模拟变量，最后只保留能够被章节或Agent原话支撑的判断。\n\n"
+            + normalized
+        )
+    if "[[" in normalized and "]]" in normalized:
+        return normalized
+    return normalized.rstrip() + "\n\n证据来源：[[S01]] [[S02]] [[A03]] [[A07]]"
+
+
 def _course_chat_response(message: str) -> str:
     normalized = message.strip()
     if any(k in normalized for k in ["收款", "早鸟", "优惠", "付款", "成交"]):
         return (
-            "这次模拟里，最优收款打法不是单纯打折，而是把优惠和交付权益绑定：超级早鸟对应首批信任背书，早鸟对应明确行动窗口，两人/三人同行对应熟人转介绍。建议现场主推“确认席位 + 课前诊断 + 优先分组反馈”，不要只说便宜。[[S01]] [[S03]] [[A03]] [[A11]]"
+            "### 分析路径\n"
+            "我先看付款触发点，再对照早鸟/同行机制和Agent原话：高意愿用户要具体交付，拼团组织者要简单规则，运营负责人要后续承接。\n\n"
+            "### 结论\n"
+            "最优收款打法不是单纯打折，而是把优惠和交付权益绑定：超级早鸟对应首批信任背书，早鸟对应明确行动窗口，两人/三人同行对应熟人转介绍。建议现场主推“确认席位 + 课前诊断 + 优先分组反馈”，不要只说便宜。[[S01]] [[S03]] [[A03]] [[A11]] [[A24]]"
         )
     if any(k in normalized for k in ["退款", "舆情", "风险", "负面"]):
         return (
+            "### 分析路径\n"
+            "我把负面反馈拆成预期差、规则差和交付差三类，再回看退款敏感学员与交付运营负责人的问答。\n\n"
+            "### 结论\n"
             "最大的风险不是退款本身，而是学员觉得宣传和交付不一致。需要提前写清楚课前问卷、现场产出、资料回看、作业反馈和退款边界，把不确定性从付款前就降下来。[[S02]] [[S04]] [[A18]] [[A24]]"
         )
     if any(k in normalized for k in ["SOP", "销售", "话术", "怎么卖"]):
         return (
-            "推荐三段式销售SOP：先诊断用户目标和卡点，再展示具体交付物，最后根据决策状态推荐超级早鸟、早鸟或同行方案。这样会比直接推价格更稳，也能减少强销售感。[[S05]] [[S06]] [[A00]] [[A07]]"
+            "### 分析路径\n"
+            "我按成交链路看：先处理用户问题，再证明交付，再选择付款方案；这样能同时回应高意愿、价格敏感和传播型用户。\n\n"
+            "### 结论\n"
+            "推荐三段式销售SOP：先诊断用户目标和卡点，再展示具体交付物，最后根据决策状态推荐超级早鸟、早鸟或同行方案。这样会比直接推价格更稳，也能减少强销售感。[[S05]] [[S06]] [[A00]] [[A07]] [[A15]]"
         )
     return (
-        "总结来看，这个项目的核心不是把50个名额卖满，而是验证一套可复制的招生经营系统：用户画像、优惠规则、销售SOP、课前诊断、课中交付、课后复盘和退款预警。后续演示时可以强调：Foresight提前模拟真实用户反应，帮团队在正式销售前发现风险和机会。[[S01]] [[S05]] [[S06]]"
+        "### 分析路径\n"
+        "我先看执行结论，再看Agent问答暴露出的顾虑，最后把它们归纳成可复制的招生经营系统。\n\n"
+        "### 结论\n"
+        "这个项目的核心不是把50个名额卖满，而是验证一套可复制的招生经营系统：用户画像、优惠规则、销售SOP、课前诊断、课中交付、课后复盘、退款预警和转介绍。演示时可以强调：Foresight提前模拟真实用户反应，帮团队在正式销售前发现风险和机会。[[S01]] [[S05]] [[S09]] [[S10]]"
     )
 
 
 def _course_chat_citations() -> List[Dict[str, Any]]:
-    return [
-        {"id": "S01", "type": "section", "title": COURSE_REPORT_SECTIONS[0][0], "anchor": "section-0"},
-        {"id": "S02", "type": "section", "title": COURSE_REPORT_SECTIONS[1][0], "anchor": "section-1"},
-        {"id": "S03", "type": "section", "title": COURSE_REPORT_SECTIONS[2][0], "anchor": "section-2"},
-        {"id": "S04", "type": "section", "title": COURSE_REPORT_SECTIONS[3][0], "anchor": "section-3"},
-        {"id": "S05", "type": "section", "title": COURSE_REPORT_SECTIONS[4][0], "anchor": "section-4"},
-        {"id": "S06", "type": "section", "title": COURSE_REPORT_SECTIONS[5][0], "anchor": "section-5"},
-        {"id": "A00", "type": "agent", "title": "课程发起人 / 招生负责人", "anchor": "agent-0"},
-        {"id": "A03", "type": "agent", "title": "高意愿学员 / 自媒体创业者", "anchor": "agent-3"},
-        {"id": "A07", "type": "agent", "title": "价格敏感学员 / 职场转型者", "anchor": "agent-7"},
-        {"id": "A11", "type": "agent", "title": "同行拼团组织者", "anchor": "agent-11"},
-        {"id": "A18", "type": "agent", "title": "退款敏感学员", "anchor": "agent-18"},
-        {"id": "A24", "type": "agent", "title": "交付运营负责人", "anchor": "agent-24"},
+    citations = [
+        {"id": f"S{idx:02d}", "type": "section", "title": title, "anchor": f"section-{idx - 1}"}
+        for idx, (title, _content) in enumerate(COURSE_REPORT_SECTIONS, start=1)
     ]
+    citations.extend([
+        {"id": "A00", "type": "agent", "title": "方见舟｜课程发起人 / 同舟会线下课主理人", "anchor": "agent-0"},
+        {"id": "A02", "type": "agent", "title": "赵沐阳｜企业主学员 / 智能制造公司创始人", "anchor": "agent-2"},
+        {"id": "A03", "type": "agent", "title": "林岚｜高意愿学员 / 自媒体创业者", "anchor": "agent-3"},
+        {"id": "A05", "type": "agent", "title": "周予白｜销售负责人 / B2B软件公司销售总监", "anchor": "agent-5"},
+        {"id": "A07", "type": "agent", "title": "陈亦桥｜价格敏感学员 / 职场转型产品经理", "anchor": "agent-7"},
+        {"id": "A09", "type": "agent", "title": "陆佳宁｜HR培训负责人 / 中型企业组织发展经理", "anchor": "agent-9"},
+        {"id": "A11", "type": "agent", "title": "孟知秋｜同行拼团组织者 / 知识付费社群运营者", "anchor": "agent-11"},
+        {"id": "A15", "type": "agent", "title": "顾南星｜老学员 / 同舟会活跃成员", "anchor": "agent-15"},
+        {"id": "A18", "type": "agent", "title": "许若安｜退款敏感学员 / 企业培训采购负责人", "anchor": "agent-18"},
+        {"id": "A21", "type": "agent", "title": "沈知微｜观望学员 / 金融行业客户经理", "anchor": "agent-21"},
+        {"id": "A24", "type": "agent", "title": "唐逸舟｜交付运营负责人 / 课程项目经理", "anchor": "agent-24"},
+    ])
+    return citations
 
 
 def _fallback_cached_chat_response(message: str) -> str:
@@ -1179,23 +1336,111 @@ def get_cached_report_chat(
     chat_history: Optional[List[Dict[str, str]]] = None,
 ) -> Optional[Dict[str, Any]]:
     if simulation_id == COURSE_SIM_ID:
-        return {
-            "response": _course_chat_response(message),
-            "citations": _course_chat_citations(),
-            "tool_calls": [
-                {
-                    "name": "cached_course_report_context",
-                    "parameters": {
-                        "report_id": COURSE_REPORT_ID,
-                        "simulation_id": COURSE_SIM_ID,
-                        "source": "completed_dual_world_course_simulation",
+        chat_history = chat_history or []
+        report = get_cached_report(COURSE_REPORT_ID) or {}
+        report_markdown = report.get("markdown_content", "")
+        agent_interviews = _course_agent_interview_result()
+        system_prompt = f"""你是 Foresight 先见之明的 Report Agent，正在和客户围绕“一舟一课线下课招生、收款与交付风险模拟”对话。
+
+回答要求：
+- 使用中文，专业、清晰、适合现场演示。
+- 先给一个可展示的“分析路径”，这不是隐藏思维链，而是公开的证据路线：你参考了哪些报告章节、哪些Agent问答、哪些模拟变量。
+- 然后给“结论”和“建议动作”。回答要和左侧总结报告一致，不能编造报告之外的新设定。
+- 每个关键判断后必须带证据角标，格式只能使用 [[S01]]、[[S02]]、[[S03]]、[[A03]] 这类标记。
+- S01-S10 对应报告十个章节；A00、A02、A03、A05、A07、A09、A11、A15、A18、A21、A24 对应具体Agent问答。
+- 优先引用：S01执行结论、S02 Agent问答、S03收款结构、S04退款风险、S05商业机会、S06销售SOP、S09落地表、S10展示话术。
+- 如果用户问到成交、早鸟、收款，引用 S03、A03、A11；如果问退款或舆情，引用 S04、A18、A24；如果问怎么卖，引用 S06、A00、A07；如果问商业价值，引用 S05、S09、S10。
+- 明确说明模拟数据用于经营预演，不是对真实市场结果的承诺。
+
+模拟需求：
+{COURSE_REQUIREMENT}
+
+报告正文：
+{report_markdown[:12000]}
+
+Agent问答证据：
+{agent_interviews}
+
+模拟统计：
+- Agent数量：30
+- 双世界轮次：8
+- 关键动作：18
+- 平台：Info Plaza 9条公开传播动作，Topic Community 9条深层讨论动作
+"""
+
+        messages = [{"role": "system", "content": system_prompt}]
+        for item in chat_history[-8:]:
+            role = item.get("role")
+            content = item.get("content")
+            if role in ("user", "assistant") and content:
+                messages.append({"role": role, "content": content})
+        messages.append({"role": "user", "content": message})
+
+        try:
+            from ..config import Config
+            from ..utils.llm_client import LLMClient
+
+            model_name = (
+                os.environ.get("REPORT_CHAT_MODEL_NAME")
+                or os.environ.get("REPORT_LLM_MODEL_NAME")
+                or Config.LLM_MODEL_NAME
+            )
+            timeout_seconds = float(os.environ.get("REPORT_CHAT_LLM_TIMEOUT_SECONDS", "45"))
+            llm = LLMClient(
+                api_key=os.environ.get("REPORT_CHAT_LLM_API_KEY") or os.environ.get("REPORT_LLM_API_KEY") or None,
+                base_url=os.environ.get("REPORT_CHAT_LLM_BASE_URL") or os.environ.get("REPORT_LLM_BASE_URL") or None,
+                model=model_name,
+                timeout=timeout_seconds,
+            )
+            response = _ensure_course_chat_citations(llm.chat(messages=messages, temperature=0.45, max_tokens=1600))
+            return {
+                "response": response,
+                "citations": _course_chat_citations(),
+                "tool_calls": [
+                    {
+                        "name": "course_report_context_review",
+                        "parameters": {
+                            "report_id": COURSE_REPORT_ID,
+                            "simulation_id": COURSE_SIM_ID,
+                            "sections": len(COURSE_REPORT_SECTIONS),
+                            "agent_interviews": 10,
+                        },
                     },
-                }
-            ],
-            "sources": ["cached_interactive_report", "completed_dual_world_replay"],
-            "model_used": "cached-demo-report-agent",
-            "llm_used": False,
-        }
+                    {
+                        "name": "llm_synthesis",
+                        "parameters": {
+                            "model": llm.model,
+                            "style": "public_analysis_path_with_evidence_citations",
+                        },
+                    },
+                ],
+                "sources": ["cached_interactive_report", "completed_dual_world_replay", "course_agent_interviews"],
+                "model_used": llm.model,
+                "llm_used": True,
+            }
+        except Exception as exc:
+            model_name = (
+                os.environ.get("REPORT_CHAT_MODEL_NAME")
+                or os.environ.get("REPORT_LLM_MODEL_NAME")
+                or os.environ.get("LLM_MODEL_NAME")
+            )
+            return {
+                "response": _course_chat_response(message),
+                "citations": _course_chat_citations(),
+                "tool_calls": [
+                    {
+                        "name": "course_report_context_fallback",
+                        "parameters": {
+                            "report_id": COURSE_REPORT_ID,
+                            "simulation_id": COURSE_SIM_ID,
+                            "llm_error": f"{type(exc).__name__}: {str(exc)[:160]}",
+                        },
+                    }
+                ],
+                "sources": ["cached_interactive_report", "completed_dual_world_replay", "course_agent_interviews"],
+                "model_used": model_name or "configured-default",
+                "llm_used": False,
+            }
 
     if simulation_id != NB_HNW_AI_CASE_ID:
         return None