层1/T2: teacher.py 批量生成 + sha256 JSONL 缓存；teacher 改定 MiniMax-M3

- teacher.py: 通用 OpenAI 兼容客户端（配置驱动 base_url，替代 OpenRouter 专用）；
  缓存即断点（逐条落盘+flush，重跑自动续传）；单条失败先落盘其余、结束汇总显式报错；
  M3 思考段 <think>...</think> 入库前剥离（只剥开头一段）
- configs.py: 新增 TeacherGenConfig（采样参数显式化；连接三元组走 .env）
- scripts/generate_teacher_completions.py: 自包含生成脚本（本地跑，与训练侧
  同 seed 同子集约束已注明）
- teacher 决策变更同步：.env.example / docs/00 关键设定与存档点 / docs/02
- tests/test_teacher.py: 10 个单测（假客户端注入），含与 attach 的端到端契约闭环

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

ars_opd/configs.py

@@ -111,3 +111,42 @@ class SFTConfig:
             raise ValueError(
                 f"max_steps 只接受 -1（按 epoch）或正整数，收到 {self.max_steps}"
             )
+
+
+@dataclass(frozen=True)
+class TeacherGenConfig:
+    """teacher 批量生成（层 1 能力）的采样与执行参数。
+
+    连接信息（API 地址/密钥/模型名）不在这里——那是部署环境的事实，走 `.env`
+    （teacher.py 读取）；这里只放"换一组值就是换一个实验"的采样参数。
+    """
+
+    temperature: float = 1.0
+    top_p: float = 0.95
+    """MiniMax M 系官方推荐采样参数：temperature=1.0, top_p=0.95。"""
+
+    max_tokens: int = 8192
+    """teacher 单条回复的 token 上限。非显然约束：M3 的思考段也计入此额度，
+    设太小会把解答挤没（只剩被截断的思考）；student 侧超长解答由 collator 的
+    completion 预算兜住，这里宁可给足。"""
+
+    strip_think: bool = True
+    """剥离 content 开头的 <think>...</think> 思考段。SFT 的监督目标是最终
+    解答；student 以 enable_thinking=False 训练，学思考段会与模板约定矛盾。"""
+
+    concurrency: int = 8
+    """并发请求数（线程池大小）。"""
+
+    max_retries: int = 3
+    """单请求的网络级重试次数（openai 客户端内建指数退避）。"""
+
+    system_prompt: str | None = None
+    """None = 不加 system 轮（DAPO 题面自带作答指令，不需要额外指挥）。"""
+
+    def __post_init__(self) -> None:
+        if self.max_tokens <= 0:
+            raise ValueError(f"max_tokens 必须为正，收到 {self.max_tokens}")
+        if self.concurrency < 1:
+            raise ValueError(f"concurrency 必须 ≥1，收到 {self.concurrency}")
+        if self.temperature < 0:
+            raise ValueError(f"temperature 必须 ≥0，收到 {self.temperature}")