知识库仿真题生成 Skill

概述

三步生成与真题题型结构完全一致的仿真试题，内置质量自动校验：

知识库资料           真题模板
    │                   │
    ▼                   ▼
[OCR文字提取]      [OCR文字提取]     ← 支持图片/扫描件
    │                   │
    ▼                   ▼
[AI提取知识点]      [AI分析题型结构]
    │                   │
    └───────┬───────────┘
            ▼
      [AI生成仿真试题]
            │
            ▼
      [自动质量校验]           ← 新增
            │
            ▼
    Markdown / Word / TXT

核心能力：

• 图片/扫描件 OCR → 内置 RapidOCR + EasyOCR 多引擎（继承自 ocr-pro）
• 知识点自动挖掘 → AI 从知识库提取可用于命题的知识点
• 题型结构克隆 → AI 分析真题的题型、分值、考点分布
• 考点多样化 → 同一题型内考点不重复
• 自动质量校验 → 6维度检测，输出结构化评分报告
• 生成 1-3 套完整试卷

环境配置

快速安装（推荐）

如果已有 ocr-pro 环境，无需额外安装——直接复用：

PYTHON="C:\Users\Administrator\.workbuddy\binaries\python\envs\ocr-pro\Scripts\python.exe"

首次安装（无 ocr-pro 环境时）

# 1. 创建虚拟环境
C:\Users\Administrator\.workbuddy\binaries\python\versions\3.13.12\python.exe -m venv C:\Users\Administrator\.workbuddy\binaries\python\envs\ocr-pro

# 2. 安装核心依赖（RapidOCR，必装，约100MB）
C:\Users\Administrator\.workbuddy\binaries\python\envs\ocr-pro\Scripts\pip.exe install rapidocr-onnxruntime opencv-python PyMuPDF

# 3. 安装 EasyOCR（可选，仅处理手写体/多语言时需要，约1.5GB）
C:\Users\Administrator\.workbuddy\binaries\python\envs\ocr-pro\Scripts\pip.exe install easyocr

> 说明：RapidOCR 足以覆盖 90% 场景（中英文印刷体）。EasyOCR 仅在手写体或低质量扫描件时需要，装不装看需求。首次 OCR 时会自动下载 ONNX 模型（约 60MB），无需手动操作。

路径变量

命令中的 {{PYTHON}} 和 {{SCRIPTS_DIR}} 约定：

使用流程

Step 1：准备文件

提供两类文件（支持 PDF / 图片 / Word / TXT）：

• 知识库资料：教材、笔记、教辅扫描件
• 真题模板：历年真题试卷

Step 2：OCR 文字提取

仅图片/扫描件需要此步骤。文字型 PDF/Word/TXT 直接读取。

# 图片OCR（自动选择最佳引擎）
{{PYTHON}} {{SCRIPTS_DIR}}/ocr_pipeline.py --input "<image_path>" --engine auto --detail

# 扫描版PDF → 先转图片再OCR
{{PYTHON}} {{SCRIPTS_DIR}}/pdf_to_images.py --input "<scan_pdf>.pdf" --output "<temp_dir>" --dpi 300
{{PYTHON}} {{SCRIPTS_DIR}}/ocr_pipeline.py --input "<temp_dir>" --engine auto --output "<ocr_output>"

# 英文试卷专项
{{PYTHON}} {{SCRIPTS_DIR}}/preprocess.py --input "<image>" --output "<temp>" --mode english
{{PYTHON}} {{SCRIPTS_DIR}}/ocr_pipeline.py --input "<temp>" --engine english --detail

Step 3：知识点提取

将知识库文本发送给 AI，提取结构化知识点：

• 主题分类
• 每个知识点标记 难度（easy / medium / hard）
• 标记 适合出什么题型
• 标注 来源原文（可追溯）

Step 4：题型结构分析

将真题模板文本发送给 AI，提取：

• 试卷总分
• 各题型名称、题数、每题分值
• 各题型结构描述（如"完形填空：10空×1分，首句不设空"）
• 常考知识点

Step 5：生成仿真试题

将知识点 + 题型结构发给 AI，生成要求：

• 试卷标题标注年级/学科
• 题型结构 100% 与模板一致
• 内容来自知识点库
• 考点多样化（语法填空不能全考同一个点）
• 完整试卷含答案
• 输出 Markdown 草稿，然后自动转换为 Word (.docx) 最终交付

Step 6：质量校验（自动）

{{PYTHON}} {{SCRIPTS_DIR}}/quality_checker.py \
  --paper "<生成的试题>.md" \
  --knowledge "<知识点JSON>.json" \
  --template "<题型结构JSON>.json" \
  --output "<质量报告>.json"

校验通过（评级 A 或 B）即可使用；不通过则返回 Step 5 重新生成，或进入反馈迭代。

Step 7：输出

• 主输出：Word (.docx) 格式试题（最终交付物）
• 草稿：Markdown 格式（保留用于后续编辑）
• 可选：导出纯文本 (.txt)

质量校验

quality_checker.py 对生成的试卷进行 6 维度自动检查，满分 100 分：

评级标准：

≥90% → A（优秀，可用于正式场景）
≥75% → B（良好，建议小幅修改）
≥60% → C（及格，存在明显问题）
≥40% → D（较差，建议重新生成）
<40% → F（不合格，必须重新生成）

输出示例：

{
  "overall": {
    "total_score": 85.0,
    "max_score": 100,
    "percentage": "85.0%",
    "grade": "B（良好）",
    "verdict": "试卷质量良好，建议小幅修改后使用"
  },
  "dimensions": [
    {"name": "答案完整性", "weight": 25, "score": 25.0, "issues": []},
    {"name": "知识点覆盖率", "weight": 20, "score": 16.0, "issues": ["知识点覆盖率偏低：45%"]},
    ...
  ],
  "issue_summary": {
    "critical": [],
    "warnings": ["知识点覆盖率偏低：45%"],
    "suggestions": ["部分题目缺少解析"]
  }
}

只检查格式和去重（无需知识点/模板 JSON）：

{{PYTHON}} {{SCRIPTS_DIR}}/quality_checker.py --paper "output.md"

反馈与迭代

如果质量校验不通过，或用户想修改特定题目，支持以下操作：

方式一：生成时指定修改

对 Agent 说"选择题的第 3 题考点重复了，换成过去完成时的题目"——Agent 会带上原文 + 修改指令重新调用 AI，只替换指定部分。

方式二：查看质量报告后针对性改进

# 查看摘要
{{PYTHON}} {{SCRIPTS_DIR}}/quality_checker.py --paper "paper.md" \
  --knowledge "kb.json" --template "tmpl.json" --brief

根据输出的问题清单，告诉 Agent 要修正什么：

• "知识点覆盖率只有 45%，把遗漏的高难度知识点补上"
• "发现 3 对重复题目，重新生成这部分"
• "答案覆盖率不足，补充缺失的答案"

方式三：增量替换

支持在不改变整卷结构的情况下，只替换某一题型或某一道题：

> Agent，只重新生成阅读理解部分，其他保持不变。

方式四：保存为草稿

每次生成后命名为 v1 / v2 / v3，保留历史版本便于回溯对比。

引擎选择策略

完整使用示例

示例 1：扫描件笔记 + 数字版真题（最常见）

# 用户有：Unit5-7笔记.pdf（扫描件）、2024期末真题.pdf（数字版）、知识点汇总.docx

# Step 1: 处理扫描件笔记
{{PYTHON}} {{SCRIPTS_DIR}}/pdf_to_images.py \
  --input "D:/materials/Unit5-7笔记.pdf" \
  --output "D:/materials/笔记_images" --dpi 300

{{PYTHON}} {{SCRIPTS_DIR}}/ocr_pipeline.py \
  --input "D:/materials/笔记_images" \
  --engine auto \
  --output "D:/materials/笔记_ocr.txt"

# Step 2: 真题是数字版，直接让 Agent 读取
# Agent: 读取 D:/materials/2024期末真题.pdf → 识别为数字PDF → 直接提取文本

# Step 3: 知识点汇总也是文字版
# Agent: 读取 D:/materials/知识点汇总.docx → 提取文本

# Step 4: 合并知识库文本（笔记OCR + 知识点汇总）

# Step 5: Agent 调用 AI → 提取知识点 JSON → 保存为 kb.json

# Step 6: Agent 调用 AI → 分析真题结构 JSON → 保存为 tmpl.json

# Step 7: Agent 调用 AI → 生成仿真试题 → 保存为 paper_v1.md

# Step 8: 质量校验
{{PYTHON}} {{SCRIPTS_DIR}}/quality_checker.py \
  --paper "D:/materials/paper_v1.md" \
  --knowledge "D:/materials/kb.json" \
  --template "D:/materials/tmpl.json" \
  --output "D:/materials/quality_report.json"

# 如果评级 B 以上 → 直接用；否则 → 反馈迭代

示例 2：纯英文试卷 + 手写体笔记

# 预处理手写体笔记
{{PYTHON}} {{SCRIPTS_DIR}}/preprocess.py \
  --input "D:/materials/handwritten_notes.jpg" \
  --output "D:/materials/handwritten_preprocessed.jpg" \
  --mode handwriting

# 手写体 OCR
{{PYTHON}} {{SCRIPTS_DIR}}/ocr_pipeline.py \
  --input "D:/materials/handwritten_preprocessed.jpg" \
  --engine handwriting --detail

# 英文试卷预处理 + OCR
{{PYTHON}} {{SCRIPTS_DIR}}/preprocess.py \
  --input "D:/materials/english_exam.jpg" \
  --output "D:/materials/english_preprocessed.jpg" \
  --mode english

{{PYTHON}} {{SCRIPTS_DIR}}/ocr_pipeline.py \
  --input "D:/materials/english_preprocessed.jpg" \
  --engine english --detail

示例 3：纯文字资料（无需 OCR，最快）

# 知识库和真题都是 Word/TXT，直接让 Agent 读取
# 跳过 OCR 步骤，直接进入 AI 分析 → 生成 → 校验

# 生成后质量校验
{{PYTHON}} {{SCRIPTS_DIR}}/quality_checker.py \
  --paper "D:/materials/paper_v1.md" \
  --brief

Word 格式输出

生成 Markdown 试题后，必须调用 md_to_docx.py 自动转换为 Word (.docx) 交付：

{{PYTHON}} {{SCRIPTS_DIR}}/md_to_docx.py \
  --input "<试卷>.md" \
  --output "<试卷>.docx"

所需依赖（首次使用需安装）：

{{PYTHON}} -m pip install python-docx

转换特性：

• 保留标题层级（## → Heading2, ### → Heading3）
• 表格完整转为 Word 表格
• 粗体、代码块、分隔线保留格式
• 中文字体默认宋体，英文 Times New Roman
• 页边距按 A4 纸张标准设置

文件结构

~/.workbuddy/skills/知识库仿真题生成/
├── SKILL.md                              # 本文件
├── scripts/
│   ├── ocr_pipeline.py                   # OCR 流水线（5引擎+智能选择+合并）
│   ├── preprocess.py                     # 图像预处理（3种模式）
│   ├── pdf_to_images.py                  # PDF → 图片
│   ├── format_correction.py              # LLM 纠错 Prompt 生成器
│   ├── model_downloader.py               # 模型自动下载（首次运行触发）
│   └── quality_checker.py                # 试题质量自动校验器（6维度）
└── references/
    └── engine_comparison.md              # OCR 引擎对比参考