diff --git a/content/management/commands/generate_questions_from_chunks.py b/content/management/commands/generate_questions_from_chunks.py
new file mode 100644
index 0000000..7695a92
--- /dev/null
+++ b/content/management/commands/generate_questions_from_chunks.py
@@ -0,0 +1,212 @@
+"""
+ساختِ سوال‌های چهارگزینه‌ای از مسئله‌های استخراج‌شده‌ی کتاب.
+
+`seed_curriculum_from_textbook` اسکلت (Grade/Unit/Node/Lesson) را از دادهٔ
+موجود و بدونِ هزینه می‌سازد؛ این فرمان تکه‌ی گران را اضافه می‌کند: برای هر درس
+یک سوال با سه گزینه‌ی انحرافیِ **باورپذیر**.
+
+چرا مدل لازم است و مکانیکی نمی‌شود: گزینه‌ی انحرافیِ خوب باید همان اشتباهی
+باشد که دانش‌آموز واقعاً می‌کند (علامتِ توان را جابه‌جا کند، مخرج مشترک نگیرد).
+عددِ تصادفی یا «جوابِ درست ± ۱» در دمو فوراً تابلو می‌شود و کلِ سنجشِ کیفیت را
+بی‌معنا می‌کند.
+
+    python manage.py generate_questions_from_chunks --grade نهم --limit 5 --dry-run
+    python manage.py generate_questions_from_chunks --grade نهم --limit 20
+    python manage.py generate_questions_from_chunks --grade نهم
+"""
+import json
+
+from django.conf import settings
+from django.core.management.base import BaseCommand, CommandError
+from django.db import transaction
+
+from content.models import Choice, Grade, Lesson, Question
+from rag.models import LessonChunk
+from rag.services import clients
+from rag.services.config import build_collection_name, rag_is_configured
+from rag.services.textbooks import TEXTBOOKS, get_textbook
+
+PROMPT = """
+تو یک معلمِ ریاضیِ پایه‌ی {grade} هستی.
+
+از روی «مسئله» و «راه‌حل»ِ زیر — که مستقیماً از کتابِ درسی درآمده — یک سوالِ
+چهارگزینه‌ای بساز.
+
+قواعد:
+- صورتِ سوال باید کوتاه، خودکفا و به فارسی باشد؛ دانش‌آموز بدونِ دیدنِ کتاب
+  بتواند جواب دهد.
+- دقیقاً چهار گزینه، و دقیقاً یکی درست.
+- سه گزینه‌ی نادرست باید **خطاهای رایجِ همین مبحث** باشند (مثلاً اشتباه در
+  علامتِ توان، جا انداختنِ یک مرحله، مخرجِ مشترک نگرفتن) — نه عددِ تصادفی و
+  نه گزینه‌ی آشکارا مسخره.
+- هر گزینه حداکثر ۴۰ نویسه.
+- اگر از روی این متن نمی‌شود سوالِ سالمی ساخت، دقیقاً {{"skip": true}} برگردان.
+
+نوعِ مسئله: {problem_type}
+مسئله: {problem}
+راه‌حل: {solution}
+
+فقط این JSON را برگردان، بدونِ markdown و بدونِ توضیح:
+{{"prompt": "صورتِ سوال", "options": ["الف", "ب", "ج", "د"], "correctIndex": 0}}
+"""
+
+
+class Command(BaseCommand):
+    help = 'ساختِ سوالِ چهارگزینه‌ای از chunkهای کتاب (هزینه دارد).'
+
+    def add_arguments(self, parser):
+        parser.add_argument('--subject', default='ریاضی')
+        parser.add_argument('--grade', required=True)
+        parser.add_argument('--chapters', nargs='*', type=int, default=None)
+        parser.add_argument('--limit', type=int, default=None,
+                            help='سقفِ تعدادِ سوال در این اجرا (کنترلِ هزینه).')
+        parser.add_argument('--per-lesson', type=int, default=1,
+                            help='چند سوال برای هر درس.')
+        parser.add_argument('--dry-run', action='store_true',
+                            help='فقط نشان بده چند سوال ساخته می‌شود؛ هیچ فراخوانیِ پولی نکن.')
+
+    def handle(self, *args, **opts):
+        book = get_textbook(opts['subject'], opts['grade'])
+        if book is None:
+            raise CommandError(
+                f'کتابی برای «{opts["subject"]} {opts["grade"]}» ثبت نشده. '
+                'موجود: ' + '، '.join(sorted(TEXTBOOKS))
+            )
+
+        grade = Grade.objects.filter(title=f'پایه {book.grade}').first()
+        if grade is None:
+            raise CommandError(
+                f'پایه‌ی «پایه {book.grade}» در دیتابیس نیست. '
+                f'اول: python manage.py seed_curriculum_from_textbook --grade {book.grade}'
+            )
+
+        collection = build_collection_name(book.subject, book.grade)
+        targets = self._targets(grade, collection, opts)
+        if not targets:
+            self.stdout.write(self.style.WARNING('هیچ درسی بدونِ سوال پیدا نشد — کاری لازم نیست.'))
+            return
+
+        self.stdout.write(self.style.MIGRATE_HEADING(
+            f'\n{len(targets)} سوال برای پایه {book.grade}\n'
+        ))
+        for lesson, chunk in targets[:10]:
+            self.stdout.write(f'  • {lesson.node.unit.title} / {lesson.title}')
+        if len(targets) > 10:
+            self.stdout.write(f'  … و {len(targets) - 10} مورد دیگر')
+
+        # ~۹۰۰ توکن ورودی و ~۱۵۰ خروجی برای هر سوال با gpt-4o-mini.
+        cost = len(targets) * (900 / 1e6 * 0.15 + 150 / 1e6 * 0.60)
+        self.stdout.write(self.style.WARNING(
+            f'\nبرآوردِ هزینه با {settings.OPENAI_CHAT_MODEL}: ≈ ${cost:.3f}'
+        ))
+        if opts['dry_run']:
+            self.stdout.write(self.style.WARNING('--dry-run: چیزی ساخته نشد.'))
+            return
+
+        if not rag_is_configured():
+            raise CommandError('RAG پیکربندی نشده (کلیدها خالی‌اند یا RAG_FORCE_MOCK روشن است).')
+
+        created = skipped = failed = 0
+        for lesson, chunk in targets:
+            try:
+                data = self._ask_model(chunk, book.grade)
+            except Exception as exc:  # noqa: BLE001
+                failed += 1
+                self.stdout.write(self.style.ERROR(f'  ✗ {lesson.title}: {str(exc)[:90]}'))
+                continue
+            if data is None:
+                skipped += 1
+                self.stdout.write(f'  — {lesson.title}: مدل گفت از این متن سوال درنمی‌آید')
+                continue
+            self._persist(lesson, data)
+            created += 1
+            self.stdout.write(self.style.SUCCESS(f'  ✓ {lesson.title}: {data["prompt"][:60]}'))
+
+        self.stdout.write(self.style.SUCCESS(
+            f'\n{created} سوال ساخته شد، {skipped} رد شد، {failed} خطا.'
+        ))
+
+    # ------------------------------------------------------------------
+    def _targets(self, grade, collection, opts):
+        """[(lesson, chunk), ...] — فقط درس‌هایی که هنوز سوال کم دارند."""
+        lessons = (
+            Lesson.objects
+            .filter(node__unit__grade=grade)
+            .select_related('node__unit')
+            .order_by('node__unit__order', 'node__order', 'id')
+        )
+        if opts['chapters']:
+            lessons = lessons.filter(node__unit__order__in=opts['chapters'])
+
+        targets = []
+        for lesson in lessons:
+            have = lesson.questions.count()
+            need = opts['per_lesson'] - have
+            if need <= 0:
+                continue
+            chunks = list(
+                LessonChunk.objects
+                .filter(collection=collection, problem_type=lesson.title)
+                .exclude(problem='')
+                .order_by('source_page', 'order')[:need]
+            )
+            for chunk in chunks:
+                targets.append((lesson, chunk))
+                if opts['limit'] and len(targets) >= opts['limit']:
+                    return targets
+        return targets
+
+    def _ask_model(self, chunk, grade):
+        prompt = PROMPT.format(
+            grade=grade, problem_type=chunk.problem_type,
+            problem=chunk.problem, solution=chunk.solution,
+        )
+        client = clients.get_openai_client()
+        completion = client.chat.completions.create(
+            model=settings.OPENAI_CHAT_MODEL,
+            messages=[
+                {'role': 'system', 'content': 'You always answer with a single valid JSON object.'},
+                {'role': 'user', 'content': prompt},
+            ],
+            temperature=0.4,
+            max_tokens=400,
+        )
+        raw = (completion.choices[0].message.content or '').strip()
+        for fence in ('```json', '```'):
+            if raw.startswith(fence):
+                raw = raw[len(fence):].strip()
+        if raw.endswith('```'):
+            raw = raw[:-3].strip()
+
+        data = json.loads(raw)
+        if data.get('skip'):
+            return None
+
+        # ⚠️ گزینه‌های خالی را حذف نمی‌کنیم و بعد اعتبارسنجی می‌کنیم: اگر مدل
+        # پنج گزینه بدهد که یکی‌شان خالی است، حذفِ آن یکی چهارتا باقی می‌گذارد
+        # ولی correctIndex همچنان به فهرستِ اصلی اشاره می‌کند — یعنی سوال
+        # می‌سازیم و گزینه‌ی *غلط* را درست علامت می‌زنیم. پس اول ساختار را
+        # همان‌طور که آمده می‌سنجیم.
+        raw_options = data.get('options')
+        index = data.get('correctIndex')
+        if not isinstance(raw_options, list) or len(raw_options) != 4:
+            raise ValueError(f'دقیقاً چهار گزینه لازم است: {raw_options!r}')
+        if not isinstance(index, int) or isinstance(index, bool) or not 0 <= index < 4:
+            raise ValueError(f'correctIndex نامعتبر: {index!r}')
+
+        options = [str(o).strip()[:100] for o in raw_options]
+        if not all(options) or len(set(options)) != 4:
+            raise ValueError(f'گزینه‌ی خالی یا تکراری: {options}')
+        if not (data.get('prompt') or '').strip():
+            raise ValueError('صورتِ سوال خالی بود')
+        return {'prompt': data['prompt'].strip(), 'options': options, 'correctIndex': index}
+
+    @transaction.atomic
+    def _persist(self, lesson, data):
+        question = Question.objects.create(
+            lesson=lesson, type='multiple_choice', prompt=data['prompt'],
+        )
+        Choice.objects.bulk_create([
+            Choice(question=question, value=value, is_correct=(i == data['correctIndex']))
+            for i, value in enumerate(data['options'])
+        ])
diff --git a/content/management/commands/purge_demo_data.py b/content/management/commands/purge_demo_data.py
new file mode 100644
index 0000000..8366229
--- /dev/null
+++ b/content/management/commands/purge_demo_data.py
@@ -0,0 +1,87 @@
+"""
+پاک‌کردنِ ردیف‌های نمونه‌ی «[SEED]» و «[DEMO]» از دیتابیسِ محلی.
+
+چرا لازم است: این ردیف‌ها در APIهای واقعی دیده می‌شوند — «[DEMO] پایهٔ نمونه»
+در `/api/grades`، «[SEED] ماهانه» در پلن‌ها، «[SEED] کاربر اصلی» در لیدربورد —
+و در دمو کنارِ محتوای واقعیِ کتاب بد به نظر می‌رسند.
+
+برگشت‌پذیر است: `python manage.py seed_test_data` دوباره می‌سازدشان.
+
+    python manage.py purge_demo_data            # فقط نشان می‌دهد
+    python manage.py purge_demo_data --apply    # واقعاً پاک می‌کند
+"""
+from django.core.management.base import BaseCommand
+from django.db import transaction
+
+PREFIXES = ('[SEED]', '[DEMO]')
+
+
+class Command(BaseCommand):
+    help = 'پاک‌کردنِ ردیف‌های نمونه‌ی [SEED]/[DEMO] (برگشت‌پذیر با seed_test_data).'
+
+    def add_arguments(self, parser):
+        parser.add_argument('--apply', action='store_true',
+                            help='بدونِ این فقط گزارش می‌دهد و چیزی پاک نمی‌کند.')
+
+    def handle(self, *args, **opts):
+        from accounts.models import User
+        from content.models import Grade
+        from progress.models import Character
+        from subscription.models import Plan
+
+        # (مدل، نامِ فیلدِ متنی) — همه‌ی جاهایی که seed_test_data برچسب می‌زند.
+        targets = [
+            (Grade, 'title'), (Plan, 'title'), (Character, 'name'), (User, 'name'),
+        ]
+
+        found = []
+        for model, field in targets:
+            queryset = model.objects.none()
+            for prefix in PREFIXES:
+                queryset = queryset | model.objects.filter(**{f'{field}__startswith': prefix})
+            rows = list(queryset.distinct())
+            if rows:
+                found.append((model, field, rows))
+
+        if not found:
+            self.stdout.write(self.style.SUCCESS('هیچ ردیفِ نمونه‌ای پیدا نشد.'))
+            return
+
+        self.stdout.write(self.style.MIGRATE_HEADING('\nردیف‌های نمونه\n'))
+        total = 0
+        for model, field, rows in found:
+            self.stdout.write(f'  {model.__name__} — {len(rows)} ردیف')
+            for row in rows[:8]:
+                self.stdout.write(f'      #{row.pk} {getattr(row, field)}')
+            if len(rows) > 8:
+                self.stdout.write(f'      … و {len(rows) - 8} مورد دیگر')
+            total += len(rows)
+
+        # هشدارِ لازم: بعضی از این‌ها تنها دادهٔ آن endpoint هستند.
+        empties = [
+            name for model, name in ((Plan, 'subscription/plans'), (Character, 'characters'))
+            if model.objects.count() == len([r for m, _f, rows in found if m is model for r in rows])
+        ]
+        if empties:
+            self.stdout.write(self.style.WARNING(
+                '\n⚠ بعد از پاک‌کردن این endpointها خالی می‌شوند: ' + '، '.join(empties)
+                + '\n  (پلن و کاراکتر را ادمین در جنگو-ادمین می‌سازد؛ اگر برای دمو '
+                'لازم‌اند، اول واقعی‌شان را بساز بعد این را اجرا کن.)'
+            ))
+
+        if not opts['apply']:
+            self.stdout.write(self.style.WARNING(
+                f'\n{total} ردیف. چیزی پاک نشد — برای پاک‌کردن --apply بدهید.'
+            ))
+            return
+
+        # حذفِ آبشاری: Grade کلِ زیردرختِ Unit/Node/Lesson/Question را می‌برد،
+        # و User سشن‌ها و پاسخ‌هایش را. همه‌شان دادهٔ نمونه‌اند.
+        with transaction.atomic():
+            for model, _field, rows in found:
+                model.objects.filter(pk__in=[r.pk for r in rows]).delete()
+
+        self.stdout.write(self.style.SUCCESS(f'\n{total} ردیفِ نمونه پاک شد.'))
+        self.stdout.write(self.style.HTTP_INFO(
+            'برای برگرداندن: python manage.py seed_test_data'
+        ))
diff --git a/content/management/commands/seed_curriculum_from_textbook.py b/content/management/commands/seed_curriculum_from_textbook.py
new file mode 100644
index 0000000..2eaad14
--- /dev/null
+++ b/content/management/commands/seed_curriculum_from_textbook.py
@@ -0,0 +1,201 @@
+"""
+ساختِ برنامه‌ی درسیِ واقعی (Grade → Unit → Node → Lesson) از روی ساختارِ
+کتابِ درسی و chunkهای ingest‌شده.
+
+چرا لازم بود: تا پیش از این کلِ محتوای دیتابیس ردیف‌های «[DEMO] پایهٔ نمونه»
+و «[SEED] پایه سوم» بود — یعنی دانش‌آموزِ پایه نهم در دمو «جمع تا ۱۰» می‌دید.
+سینیور خواست «یک بیسیکِ کامل با دیتای واقعی کار کند».
+
+نگاشت:
+    Grade  ← پایه‌ی کتاب            («پایه نهم»)
+    Unit   ← فصلِ کتاب              («فصل ۴: توان و ریشه»)
+    Node   ← درسِ داخلِ فصل، از فهرستِ کتاب   («توان صحیح»)
+    Lesson ← نوعِ مسئله‌ی استخراج‌شده در بازه‌ی صفحه‌ی همان درس
+
+سوال‌ها اینجا ساخته نمی‌شوند: ساختنِ گزینه‌های انحرافیِ درست به مدل نیاز دارد
+(`generate_questions_from_chunks`). این فرمان هیچ فراخوانیِ پولی ندارد.
+
+    python manage.py seed_curriculum_from_textbook --grade نهم --dry-run
+    python manage.py seed_curriculum_from_textbook --grade نهم
+"""
+from django.core.management.base import BaseCommand, CommandError
+from django.db import transaction
+
+from content.models import Grade, Lesson, Node, Unit
+from rag.models import LessonChunk
+from rag.services.config import build_collection_name
+from rag.services.textbooks import TEXTBOOKS, get_textbook
+
+GRADE_STYLE = {
+    'ششم': ('grade-6', '#4CAF50'),
+    'هفتم': ('grade-7', '#2196F3'),
+    'هشتم': ('grade-8', '#9C27B0'),
+    'نهم': ('grade-9', '#FF9800'),
+    'دهم': ('grade-10', '#E91E63'),
+}
+
+
+class Command(BaseCommand):
+    help = 'ساختِ Grade/Unit/Node/Lesson از ساختارِ کتاب و chunkهای ingest‌شده (بدونِ هزینه).'
+
+    def add_arguments(self, parser):
+        parser.add_argument('--subject', default='ریاضی')
+        parser.add_argument('--grade', required=True, help='مثلاً نهم')
+        parser.add_argument('--dry-run', action='store_true')
+        parser.add_argument('--min-chunks', type=int, default=1,
+                            help='درسی که کمتر از این تعداد chunk دارد ساخته نشود.')
+        parser.add_argument('--group-size', type=int, default=8,
+                            help='وقتی chunkها شماره‌ی صفحه ندارند، هر چند نوع مسئله '
+                                 'زیرِ یک گره جمع شود.')
+
+    def handle(self, *args, **opts):
+        subject, grade = opts['subject'], opts['grade']
+        book = get_textbook(subject, grade)
+        if book is None:
+            raise CommandError(
+                f'کتابی برای «{subject} {grade}» ثبت نشده. موجود: ' + '، '.join(sorted(TEXTBOOKS))
+            )
+
+        collection = build_collection_name(book.subject, book.grade)
+        if not LessonChunk.objects.filter(collection=collection).exists():
+            raise CommandError(
+                f'هیچ chunkی در «{collection}» نیست. اول rag_ingest_book را اجرا کنید.'
+            )
+
+        plan = self._build_plan(book, collection, opts['min_chunks'], opts['group_size'])
+        self._print_plan(book, plan)
+
+        if opts['dry_run']:
+            self.stdout.write(self.style.WARNING('\n--dry-run: چیزی نوشته نشد.'))
+            return
+
+        with transaction.atomic():
+            counts = self._apply(book, plan)
+        self.stdout.write(self.style.SUCCESS(
+            f"\nساخته/به‌روزرسانی شد: {counts['units']} فصل، {counts['nodes']} درس، "
+            f"{counts['lessons']} نوعِ مسئله."
+        ))
+        self.stdout.write(self.style.HTTP_INFO(
+            'قدمِ بعد: python manage.py generate_questions_from_chunks '
+            f'--grade {book.grade}  (این یکی هزینه دارد)'
+        ))
+
+    # ------------------------------------------------------------------
+    def _build_plan(self, book, collection, min_chunks, group_size):
+        """[(chapter, [(node_title, node_order, {نوع: [chunk]}), ...]), ...]"""
+        plan = []
+        for chapter in book.chapters:
+            groups = self._sectioned(book, collection, chapter, min_chunks)
+            if not groups:
+                # chunkهای واردشده از Qdrantِ تیمِ دیگر شماره‌ی صفحه ندارند، پس
+                # نمی‌شود آن‌ها را به درس‌های فهرستِ کتاب نسبت داد. به‌جای جا
+                # انداختنِ کلِ فصل، انواعِ مسئله را دسته‌دسته زیرِ گره می‌بریم.
+                groups = self._grouped(collection, chapter, min_chunks, group_size)
+            if groups:
+                plan.append((chapter, groups))
+        return plan
+
+    def _sectioned(self, book, collection, chapter, min_chunks):
+        """درس‌بندیِ واقعی از فهرستِ کتاب — فقط وقتی chunkها شماره‌ی صفحه دارند."""
+        groups = []
+        sections = chapter.resolved_sections()
+        for position, section in enumerate(sections):
+            # اولین درس تا ابتدای خودِ فصل عقب کشیده می‌شود: صفحه‌ی بازکننده‌ی
+            # فصل (که معمولاً قبل از «درس اول» است) در هیچ بازه‌ای نمی‌افتاد و
+            # chunkهایش بی‌صدا از برنامه‌ی درسی حذف می‌شدند.
+            start_page = chapter.first_page if position == 0 else section.first_page
+            first = start_page + book.page_offset
+            last = section.last_page + book.page_offset
+            chunks = list(
+                LessonChunk.objects
+                .filter(collection=collection, chapter=chapter.number,
+                        source_page__gte=first, source_page__lte=last)
+                .order_by('source_page', 'order')
+            )
+            by_type = self._by_type(chunks, min_chunks)
+            if by_type:
+                groups.append((section.title, section.number, by_type))
+        return groups
+
+    def _grouped(self, collection, chapter, min_chunks, group_size):
+        """
+        جایگزین برای فصلی که chunkهایش شماره‌ی صفحه ندارند (دادهٔ واردشده از
+        Qdrantِ تیمِ دیگر).
+
+        ⚠️ این گروه‌بندی **مالِ ماست، نه ترتیبِ کتاب**: نقاطِ آن collection نه
+        شماره‌ی صفحه دارند و نه ترتیب، و scroll هم بر اساسِ UUID برمی‌گرداند
+        یعنی عملاً تصادفی. پس بر اساسِ نامِ نوعِ مسئله مرتب می‌کنیم تا دستِ‌کم
+        قطعی و تکرارپذیر باشد، و گره را «گروه» می‌نامیم نه «بخش» تا وانمود
+        نکند ترتیبِ آموزشیِ کتاب است.
+        """
+        chunks = list(
+            LessonChunk.objects
+            .filter(collection=collection, chapter=chapter.number, source_page__isnull=True)
+            .order_by('order', 'id')
+        )
+        by_type = self._by_type(chunks, min_chunks)
+        if not by_type:
+            return []
+
+        # «فصل ۲: کسر» → «کسر»، تا عنوانِ گره در نقشه‌ی مهارت تکراری نشود.
+        topic = chapter.title.split(':', 1)[-1].strip() or chapter.title
+        items = sorted(by_type.items(), key=lambda kv: kv[0])
+        parts = [items[i:i + group_size] for i in range(0, len(items), group_size)]
+        return [
+            (topic if len(parts) == 1 else f'{topic} — گروه {index}', index, dict(part))
+            for index, part in enumerate(parts, start=1)
+        ]
+
+    @staticmethod
+    def _by_type(chunks, min_chunks):
+        """هر نوعِ مسئله یک Lesson؛ یک نوع که در چند جا آمده یکی می‌شود."""
+        by_type: dict[str, list[LessonChunk]] = {}
+        for chunk in chunks:
+            key = (chunk.problem_type or '').strip() or 'تمرین'
+            by_type.setdefault(key, []).append(chunk)
+        return {k: v for k, v in by_type.items() if len(v) >= min_chunks}
+
+    def _print_plan(self, book, plan):
+        self.stdout.write(self.style.MIGRATE_HEADING(
+            f'\nپایه {book.grade} — {len(plan)} فصل با محتوای موجود\n'
+        ))
+        for chapter, groups in plan:
+            total = sum(len(t) for _title, _order, t in groups)
+            self.stdout.write(f'  {chapter.title}  ({len(groups)} درس، {total} نوع مسئله)')
+            for title, order, by_type in groups:
+                self.stdout.write(f'      درس {order}: {title} — {len(by_type)} نوع')
+
+    def _apply(self, book, plan):
+        icon, color = GRADE_STYLE.get(book.grade, ('grade', '#607D8B'))
+        grade_title = f'پایه {book.grade}'
+        grade, _ = Grade.objects.update_or_create(
+            title=grade_title, defaults={'icon': icon, 'color': color},
+        )
+
+        counts = {'units': 0, 'nodes': 0, 'lessons': 0}
+        for chapter, groups in plan:
+            unit, _ = Unit.objects.update_or_create(
+                grade=grade, title=chapter.title,
+                defaults={'order': chapter.number},
+            )
+            counts['units'] += 1
+
+            for node_title, node_order, by_type in groups:
+                node, _ = Node.objects.update_or_create(
+                    unit=unit, title=node_title,
+                    defaults={'order': node_order},
+                )
+                counts['nodes'] += 1
+
+                for order, (problem_type, chunks) in enumerate(by_type.items(), start=1):
+                    # متنِ مقدمه از generalSolutionِ خودِ کتاب می‌آید — محتوای
+                    # واقعیِ آموزشی، بدونِ هیچ فراخوانیِ مدلی.
+                    intro = next(
+                        (c.general_solution for c in chunks if c.general_solution), ''
+                    ) or f'{problem_type} — {node_title}'
+                    Lesson.objects.update_or_create(
+                        node=node, title=problem_type,
+                        defaults={'intro_text': intro, 'mascot_animation': 'explain'},
+                    )
+                    counts['lessons'] += 1
+        return counts