墨卷产品系统

面向有备考自学需求的人，解决「整理题目耗时、写完没有及时反馈」的问题。自学者常自己整理资料却缺真题感与客观评判，而市面上题库内容更新慢、无法针对个人资料出题。平台把资料导入、出题、阅卷、知识沉淀全流程交给系统：管理员只放入原始学习资料，系统自动生成可练习的题库并即时评分，将备考成本从「人工整理」降为「喂入资料」。

功能模块：资料导入与生成、随机抽题练习、LLM 自动阅卷、知识 Wiki、个人学习记录。

- 资料导入：定时扫描服务器收件箱，递归子目录名作为学科，解析 PDF/DOCX/TXT/MD/EPUB，按块调用 LLM 生成题目、参考答案、评分标准与 Wiki 知识条目；SHA256 去重，失败文件移入 failed 目录并记录原因。
- 随机抽题：按学科、难度、关键词随机抽取题目，关键词支持词法检索与语义检索的 RRF 融合排序。
- 自动阅卷：学习者作答后，LLM 按评分点逐项打分，返回得分、扣分项与改进建议，并关联对应知识条目。
- 知识 Wiki：题目关联的知识点独立成篇（含概念、关键点、常见错误），可浏览并查看关联题目。
- 个人记录：草稿、历史成绩、收藏保存在浏览器 IndexedDB，可导出 TXT。

负责平台全栈开发：后端 API、定时入库任务、前端页面与容器化部署。技术栈为 FastAPI + SQLAlchemy 2.0 + PostgreSQL/pgvector + Jinja2 + 原生 JS，经 httpx 调用 OpenAI 兼容 LLM。亮点与难点：LLM 生成结果用 Pydantic 强校验（评分点分值之和必须等于满分，防模型生成非法数据）；抽题将 pgvector 向量相似度与词法检索用 RRF 融合，兼顾语义与关键词命中；定时扫描以 SHA256 幂等去重并支持失败文件留存；db/web/scheduler 三容器分工，测试环境以 SQLite 兼容生产 pgvector 的数据结构。