面向各类考试的备考人群,题库按分类覆盖语言考试(大学英语四六级、考研英语等)、计算机考试(软考初中高级、计算机等级考试)、学历考试和执业资格等方向。备考中常见的问题有:一是历年真题分散在不同渠道,按科目、章节练习不方便;二是教材和考试大纲篇幅很长,考点不容易系统梳理,也不清楚哪些考点在真题里考得多;三是做错题后缺少即时讲解,只能翻答案或到处搜索;四是英语类考试的长难句、词汇和口语运用需要大量重复练习,缺少合适的练习场景;五是备考者的时间大多是碎片化的,需要打开就能用、不用安装的工具。针对这些问题,项目把题库、考点知识库和大模型结合起来:后台把真题、试卷和分类整理入库,并可上传考试大纲和教材,由系统自动抽取考点、生成考点卡并与题目建立关联;备考者在微信小程序里按分类选卷练习,遇到不懂的地方向 AI 老师提问,英语考试还可以做长难句解析和情景对话练习,让备考者在碎片时间里也能完成刷题、复习和答疑的完整闭环。
一、小程序端:首页按考试分类逐级选择科目,展示历年真题卷,卷子列表显示题量、是否免费和最近在做的卷子;支持整套真题练习、单选和完形填空等题型的答题与提交、错题本、我的收藏、连续打卡、学习进度记录和闯关中心。考点复习提供今日复习(按真题考频从高到低,每天固定数量,不熟的会隔几天再来)、按章节浏览考点卡、搜索考点、只看考过的或只看未掌握的,并统计掌握进度;考点卡显示真题考过的次数、核心内容和易错点;还有通勤听,把考点语音朗读出来。英语类考试提供背单词(带发音)和真题长难句。
二、AI 能力:考点卡下方可向 AI 老师提问,内置"用大白话讲一遍、举个例子、怎么记住它、出一道题考我"等快捷问题;题目答疑和长难句解析可向 AI 提问,长难句解析给出整句直译、主干和修饰成分拆解;答题页提供 AI 情景对话练习,按当前题目的知识点生成场景,由 AI 扮演对话角色并配语音朗读;支持 AI 批改答案和拍照答案的 OCR 识别;AI 对话可生成分享页;每位用户每日提问有次数限制。
三、管理后台:数据看板、题目管理、试卷管理、分类管理、用户与权限,以及大模型配置,可按用途绑定不同模型。
四、知识库后台:上传大纲和教材,自动抽取候选考点,查重后生成考点卡,并关联题目与相关考点,支持考点卡配音。
我们团队负责后台、小程序和部署的开发。技术架构:后台基于 Flask,采用 Pear Admin 管理框架,数据库为 MySQL,表结构变更用迁移脚本管理;小程序使用 uni-app 开发并发布到微信;服务使用 Docker 与 Kubernetes 部署,文件存储在 MinIO。题库方面编写了一批导入脚本,把真题、回忆题、案例题和词汇表解析后入库。
大模型接入:对大模型调用做了统一封装,兼容 OpenAI 协议,后台可配置多个模型并按用途分别绑定,没有绑定的用途回退到默认配置;调用时复用连接以降低延迟,支持图片输入。语音合成使用 Kokoro,拍照答案识别使用 OCR,题目和考点的向量嵌入由 Ollama 部署的嵌入模型生成。
知识库流水线:大纲或教材上传后,扫描件通过 MinerU 做 OCR,大纲先切片提纯,再逐段调用大模型抽取候选考点。提示词要求只依据原文、没有就返回空,避免为了凑数而编造。抽取结果在同一分类内查重后建卡,再用向量检索为题目关联最相近的考点卡,最后由大模型复核关联是否相关。
难点与处理:大文档(几百上千页)的 OCR 耗时很长,最初使用同步接口,连接长时间挂起,服务忙于推理时被 Kubernetes 存活探针误判为异常而重启,导致任务作废;后来改为异步提交加状态查询。长文本抽取在后台线程运行,默认超时命中率低,所以单独放宽了超时。
评论