企业官网建设流程全解析

1. 一个反直觉的教育痛点：读完了教材，但一考就露馅

我知道很多人已经对“AI 家教”这个词脱敏了。市面上的 AI 学习工具不是给你划重点，就是帮你秒回作业题，本质上还是“你问我答”的搜索引擎式体验。但看到这个开源项目时，我还是愣了一下：它不做解答，反而把你丢过来的几百页教材全部读掉，然后像老师一样反过来给你出题。不是那种“本文的中心思想是什么”的弱智题，而是基于教材内容、有明确难度层次、能定位回原文的测试题。

这个能力听起来很不起眼，但它恰好戳中了学习里最容易被忽视的真相：读懂教材和能做对题，是两种完全不同的能力。前者是被动输入，大脑很容易产生“我懂了”的错觉；后者是主动提取，逼你从记忆里把知识拽出来。认知科学里管这个叫“提取练习效应”，说白了就是：你越是在考试状态下回忆一个知识点，你就越能长期记住它。很多自学的人缺的不是资料，也不是时间，而是一套会追着你提问、还能判断你答得对不对的机制。

这个开源项目正是把“读教材”和“出题考人”这两件事打通了。我把它复现下来跑了一遍，又用了不同领域的教材试了几轮，今天把整个工作流、部署方案、翻车点都梳理出来，希望给想做 AI 教育应用、或者单纯想给自己搞一个“AI 陪练”的人一点可落地的参考。

先说它能干什么：

• 输入一份或几份 PDF/Markdown 教材，项目会自动抽取章节结构、核心概念、定义和关系；
• 基于抽取出来的内容生成选择题、填空题、简答题，覆盖不同难度；
• 在你回答之后，它不会只给你一个“对/错”，而是会对照教材原文告诉你错在哪、正确推导是什么；
• 整个过程可以完全跑在开源模型和开源组件上，不需要把教材内容传到闭源商业产品里。

它比直接用 ChatGPT 生成几道题的差异，在于有一条完整的“教材解析 → 知识关联 → 出题 → 判分 → 反馈”流水线。这篇文章我会把这条流水线拆开讲，重点讲每一步为什么必须这么做、不这么做会有什么问题。

2. 开源项目里的“教材理解”链路是怎么拆解的

我第一次跑这个项目时，最想知道的一件事情是：AI 到底怎么“读懂”一本教材？它不可能真的像人一样从头到尾翻一遍然后总结中心思想，但它可以做一套非常工程化的处理，把非结构化的文本变成结构化的知识单元。这套处理链路大致分成四步。

2.1 文档解析不是简单地把 PDF 里的字提出来

大部分 PDF 教材的排版都非常复杂，有分栏、页眉页脚、公式、图注、表格。如果直接用最简单的文本抽取工具，抽出来的内容往往是乱的：正文和页脚混在一起，公式变成一堆乱码，章节标题夹在段落中间。这个项目在处理时会先做版面分析，把页面切成不同的区块，区分标题、正文、表格、图注，然后再按阅读顺序重组。

我自己的经验是：PDF 解析这一环的质量直接决定后面所有环节的上限。如果抽出来的文本是乱的，再去分段、检索、出题，后面的错误会被一层层放大。所以如果你要复现这类项目，别在这一步省时间。开源工具可以组合使用：PDF 转文本用 PyMuPDF 或 pdfplumber，版面分析用 LayoutParser 这类模型辅助，表格抽取用 PaddleOCR 的表格识别，最终整出一份带层级标记的干净文本。

这一步做完，你应该得到类似这样一个结构：

第一章 机器学习基础 1.1 监督学习 定义：... 核心概念：训练集、测试集、标签、特征 ...

这个结构化的文本是后面一切操作的原材料。很多 demo 跑起来效果稀烂，第一步就错在原材料上。

2.2 切块策略决定了 AI “读”得准不准

拿到干净的教材文本之后，不能整章扔给大模型。原因有两个：一是上下文窗口装不下，二是即便装下了，大模型对超长文本中间部分的注意力权重也偏低。通俗点说就是“看是看了，但没记住重点”。

这个项目采用的方式是按语义层级切块。不是单纯按固定的几百字硬切，而是优先保留章节标题、段落边界、列表结构等语义边界。每一块文本都会附带它的“位置上下文”，比如它是 1.1 节下面的某个段落，它的上一级主题是“监督学习”。这个做法非常关键，因为检索的时候，我们能不仅召回提到“过拟合”的那一段，还能知道这段内容属于哪个章节、和哪些前置概念相关。

切块大小也没有一个万能值。我测试的时候发现，中文教材理论上切成 300 到 500 字左右比较平衡，太长了检索时噪音多，太短了语义不完整、出题时连题目都组织不起来。项目里一般会提供一个可配置参数，建议拿到自己的教材后先抽样几页，看看切出来的块是不是都能独立表达一个完整观点，再决定参数要不要调。

2.3 知识抽取：从“说了什么”到“考什么”

这是整个项目最核心的地方。只是把文本切块存起来，AI 只能做“根据这段话回答问题”，没法主动给你出题。要做到“反过来考你”，系统必须先识别出这段文本里有哪些值得考的知识点。

项目里通常会把切好的文本块交给大模型，做一轮结构化的知识抽取。抽取内容包括：

• 核心概念及定义；
• 概念之间的关系，比如“A 是 B 的一种”“C 由 D 和 E 组成”“F 导致 G”；
• 公式、定理、条件；
• 容易混淆的近似概念；
• 典型例子和反例。

这一步的输出建议设计成 JSON，方便后面直接用于出题。我对接了一套本地部署的模型，抽取效果大致是：定义类和关系类知识点抽得比较准，但公式类经常抽成残缺文本，后来我改了提示词，要求把公式用 LaTeX 格式输出，才明显改善。

2.4 向量存储与检索：出题前先“找到”相关教材内容

知识抽取完成后，这些知识点还需要被组织起来。项目采用两层存储结构：一层是把切块后的文本做向量化，存入向量数据库；另一层是把抽取出的知识梳理成适合出题的素材。出题时，系统先根据你当前正在学的章节或你输入的学习目标，在向量库里做语义检索，找到最相关的那几段教材原文，然后再把原文和素材一起交给大模型生成题目。

这里有一个容易被忽略的细节：做向量化用的嵌入模型，最好和教材的语言、领域匹配。通用嵌入模型对中文理科教材的语义区分能力，不如专门在中文语料上微调过的模型。我实测用 bge-m3 这类中英双语模型就比纯英文模型效果好很多，因为很多概念是中文近义词，模型分不清就会召回完全无关的段落，导致出的题“文不对题”。

3. “反过来考你”背后的生成与判分设计

如果说教材理解是让 AI 变成“读过书的人”，那出题和判分就是让 AI 变成“会教书的老师”。这一步稍微做不好，就会沦为一本正经地胡说八道。

3.1 出题不是“换着法子给答案”，而是要卡在知识点上

我看过很多类似功能的 demo，题目长得很像那么回事，实际上一推敲全是废话：“下面哪种方法可以防止过拟合？A 数据增强 B 调节学习率 C 增加网络深度 D 以上都是”，正确答案甚至能在另一段毫不相关的上下文里找到。这种题练得再多，对学习也没有帮助。

这个项目处理得比较好的点在于，它给大模型的提示词里明确要求了“题目必须能由召回段落中的某个具体知识点直接推导出答案”。换句话说，出题不是自由发挥，而是有检索结果作为约束。它的提示词大概长这样：

你是这门课的出题老师。请根据下面的教材片段出一道题。 要求： 1. 题目必须能由这段教材内容直接回答，不能超纲； 2. 选项要有迷惑性，迷惑项要来自教材中容易混淆的概念； 3. 标注题目考查的知识点； 4. 给出正确答案和解析，解析里必须引用教材原句。 教材片段： {context}

把这段提示词跑了几轮之后，我发现最难满足的是第二条“迷惑项要来自教材里的易混淆概念”。纯靠模型自己编的迷惑项，往往一眼假，因为那些错误选项跟教材没有任何关系。后来我手动检查了一轮输出，发现一个规律：当系统召回段落里恰好包含“XX 与 YY 的区别”这类对比性描述时，生成的选项质量会明显上升。所以你越是想让 AI 出好题，越要在前面的知识抽取环节把“易混淆概念对”这类关系提取出来，把它作为出题的原料喂回去。

3.2 判分是“看起来简单，做起来翻车”的重灾区

用户答完题之后，怎么判断他对不对？最简单的做法是对照标准答案做关键词匹配，但这个方案几乎必挂。我试过一个很常见的情况：问“什么是过拟合？”，标准答案是“模型在训练集上表现好，在测试集上表现差”，但用户答“模型把训练数据背下来了，遇到新数据就不行了”，意思对但用词不同，关键词匹配会直接给零分。

这个项目用的是“大模型当裁判”的判分方式：把标准答案、教材原文片段、用户回答一起交给大模型，让它从“知识点是否覆盖”“表述是否准确”“是否有关键错误”几个维度打分，并生成反馈。判分提示词里最关键的一条是：如果你不确定用户回答的对错，就坦率说“无法判断”，不要硬给结论。

这条约束看起来是在降低系统的“自信”，实际上是保护整个产品体验的底线。因为教育场景里，一个错误但自信的判分比答不上来更可怕。用户如果被系统误判成错误，会开始怀疑自己原本正确的理解；如果被误判成正确，又会把一个错误认知固化下来。AI 助教在这方面必须比真人老师更谨慎。

我还试过把判分结果和前后文联动：如果用户上一题答错了，下一题就出同一知识点的变形题，换个例子再考一次。这就是很多个性化学习产品讲的“错题再练”。这个项目提供了这样的扩展接口，我后面会单独讲这个方向可以玩出什么花样。

3.3 一套适合个人复刻的“双向”提示词模板

整个交互逻辑是“学一段，考一段”，不是一次性导出一百道题让你刷。你可以把它理解成两个人之间的来回对话，每一轮都包含三个步骤：定位你当前的学习位置、生成一道针对性的题目、等你回答后判分。我整理了一套简化但能跑通的模板流程，按顺序调用即可：

1. 学习目标输入：告诉系统你刚读到教材的 1.2 节，主题是“线性回归的损失函数”；
2. 相关段落召回：从向量库中召回和“损失函数”最相关的 3 到 5 个文本块；
3. 题目生成：基于召回的文本块生成 1 道题，难度可以指定“基础 / 进阶 / 综合”；
4. 用户作答：用户用自然语言给出答案；
5. 判分与反馈：调用判分模型，返回“评分 + 正确解析 + 建议重新阅读教材的章节位置”。

这套流程也是我在这篇文章里最想让你带走的可复用框架。它不依赖某个具体项目，你完全可以用自己手上已有的开源组件拼出一个同款。

4. 从零复现这套 AI 家教的本地部署方案

既然是开源项目，那就得聊怎么把它跑起来。我建议你至少具备 Docker 和 Python 的基础知识，不需要会训练模型，但得能看懂代码大概在做什么。

4.1 整体技术选型：哪些组件可以替换

我复现的时候把技术栈拆成了五个模块，每个模块都有开源替代品，自由度很高：

我选 Qwen2.5-14B-Instruct 的原因很简单：中文能力够强，指令跟随性好，出题和判分这种结构化的任务它是拿手项。如果你只是自己玩，7B 甚至 4B 也能跑，但判分稳定性会下降，容易出现“怎么问都对”或者“怎么问都错”的极端情况。

4.2 搭建环境时最容易卡住的地方

这里直接给一套我在项目复现时用过的可执行流程，按照顺序走会少踩很多坑：

# 1. 创建 Python 虚拟环境 python -m venv .venv source .venv/bin/activate # 2. 安装核心依赖 pip install pymupdf pdfplumber chromadb bge-m3 sentence-transformers pip install vllm # 如果你有独显，用 vLLM 跑模型 # 3. 准备模型镜像（以 Qwen2.5-14B-Instruct 为例） # vLLM 会自动从 Hugging Face 或 ModelScope 拉取模型

第一次跑通最耗时间的不是代码，而是下载模型。几个 G 的权重文件，网络不好能下一整天。建议提前设好HF_ENDPOINT=https://hf-mirror.com这类国内镜像环境变量，可以省掉很多等待时间。

显存方面我实际测过的配置如下：

• 14B 模型做推理，至少需要 16GB 显存（半精度加载大概是 14GB 左右），24GB 会更舒服；
• 如果你的机器只有 8GB 显存，就老老实实换 7B 模型，或者直接用推理 API；
• CPU 也可以跑，14B 模型用 CPU 大概要等半分钟到一分钟才出一个回答，出题这种长文本生成会拉到两分钟以上，体验比较煎熬。

4.3 一条最小可用的“教材导入”代码样例

我不会把完整项目代码贴出来，但可以给你一个能立刻跑起来的核心片段，感受一下“读教材 → 存向量”这一步到底做了什么：

from pymupdf import open as pdf_open from bge_m3 import BGEM3Embedding import chromadb # 1. 解析 PDF 文本 doc = pdf_open("机器学习教材.pdf") pages = [] for page in doc: pages.append(page.get_text()) # 2. 简化切块：这里只按页切，实际建议按章节语义切 chunks = [p.strip() for p in pages if len(p.strip()) > 100] # 3. 向量化并入库 model = BGEM3Embedding() client = chromadb.PersistentClient(path="./textbook_db") collection = client.get_or_create_collection("textbook") embeddings = model.encode(chunks)["dense_vecs"] collection.add( ids=[f"chunk_{i}" for i in range(len(chunks))], embeddings=embeddings, documents=chunks, metadatas=[{"page": i + 1} for i in range(len(chunks))] )

这段代码跑完后，你的教材就被切成了可以检索的记忆单元。后面出题前的“召回”操作，就是在这个 collection 里查语义相似度最高的几个片段，然后拼进提示词。

5. 实测体验与踩坑记录：哪些环节最容易被高估

纸面逻辑说得再好，也得拿真实教材去撞一撞。我用三份差异很大的教材做了测试：一份中文机器学习教材、一份高中物理教辅、一份古典文学选读。结果有惊喜，也有不少让我觉得“这个坑以后还会有人踩”的地方。

5.1 三个典型翻车场景和应对办法

第一个翻车场景是：跨章节的考题几乎全军覆没。系统对单章节的知识点出题很稳，但一旦我指定“考第三章和第四章的结合”，它就会强行把两个不相关的概念捏在一起，造出一道人类老师看了会皱眉的题。后来我发现原因是知识抽取阶段没有建模概念之间的跨章节关系，两个章节的内容被切成不同的块，出题时失去了把它们联系起来的依据。解决办法是引入知识图谱，把同一个概念在不同章节的出现位置关联起来，但这超出了最小复现范围，所以最初版本的项目默认也没做太好。

第二个场景是：公式类题目输出常乱码。数学教材里的下标、上标、分数结构，在 PDF 抽取时经常被拆碎。我明明看到的教材原文是“$E = mc^2$”，抽出来变成“E = mc2”，后面生成题目时也把公式写错。后来在解析阶段做了一层 LaTeX 识别，把公式区域整体转成 LaTeX 文本，情况才好转。如果你打算用 AI 家教来学理科，这一关绕不开。

第三个场景也是最隐蔽的：判分器会“原谅”错误。我故意输入一个和标准答案含义相反的回答，判分模型给了我 8 分（满分 10），理由是“基本意思正确”。我后来检查了判分的提示词，发现它被要求“不要过于严苛”，这个倾向导致它在模棱两可的时候倾向于给用户过高的分。对学习型产品来说，这其实非常危险。我最后在判分提示词里加了一条硬规则：只要用户回答的核心结论与教材明显冲突，就算表述再流畅，得分不能超过 3 分。加完再测，违和感少了很多。

5.2 别被“效果惊艳”的 demo 骗了：失败样本比成功样本更有价值

很多开源项目会在 README 里贴几个生成质量高的例子，这很正常，但容易造成一个错觉：这东西全场景都稳。我的态度是：测评一个 AI 学习工具，不要只看它给出的好题，要看它生成的低质量题目是什么样的。我在测试里专门收集了一批失败案例，然后反推是哪一环出了问题。

比如有一道物理题，题干说“一个物体做匀加速直线运动，初速度为零，求第三秒末的速度”，看起来正常，但它给出的三个迷惑选项里，有两个根本不符合物理常识，随便一猜就能排除。问题出在召回阶段：模型没有召回匀速直线运动的对比段落，所以无法生成真正的区分项。这让我意识到，出题质量的上限，其实在检索环节就已经决定了。后面再怎么调提示词，都只是在一定范围内修补。

所以我建议你如果真的想把这个思路做成产品，一定要把自己的测试集固定下来，每个版本跑一遍，统计“无效题目比例”和“判分错误比例”。这两个数字比任何 demo 截图都有说服力。

5.3 单机部署的性能瓶颈：跑起来之后才发现的资源黑洞

我一开始以为最吃资源的是大模型生成题目，跑起来之后才发现，文档解析和向量化阶段的内存占用同样恐怖。一本 400 页的教材，全部解析后放进 Chroma，再加载嵌入模型，内存直接吃掉了 12GB。再加上 14B 参数模型的显存占用，普通 16GB 内存的笔记本基本跑不动。

如果你预算有限，我比较推荐一个“混合架构”：本地跑文档解析、切块、向量检索，出题和判分交给云端 API。这样本地只需要一个嵌入模型和向量库，压力小很多，教材内容是否适合传到外部 API 是你要自己权衡的事情。开源模型和 API 模型完全可以混用，关键是每一环要能替换，不要让某一个模块成为无法绕开的绑定。

6. 顺着这个项目还能往哪个方向扩展

跑通这套流程之后，下一个自然的问题是：除了“读教材、出考卷、判答案”，还能在这个骨架上长出什么？我自己尝试过两个方向，一个相对成熟，另一个还在探索中。

第一个方向是把静态的题目列表升级成动态的学习路径。前面讲到的知识抽取已经把概念和概念之间的关系存下来了，这些关系天然可以组织成一张图。你在图里标出哪些概念是前置知识、哪些是目标知识点，AI 就能告诉你要先学哪几章，再学哪几章。它已经在用知识图谱的思路做教育，效果比单纯按章节顺序学要灵活得多，尤其适合补差：你哪块弱，系统就从图里找到导致你弱的前置概念，先补前置再回头学。

第二个方向是把问答升级成苏格拉底式对话。不是直接告诉用户“你错了，正确答案是……”，而是像老师一样反问：“你再想想，如果学习率等于零，梯度下降还会更新参数吗？”这种引导式教学对模型的要求更高，它得知道用户的知识盲区在哪里，得控制信息暴露的节奏。我现在只在很小范围内做了实验，效果不稳定，但方向是对的。AI 家教如果只能出卷子，它还是没有完全摆脱题库软件的影子；真正的家教，是能在你卡住的地方轻轻推你一把，让你自己走到答案边上。

这两个扩展方向都不是这个开源项目现成的功能，但它的架构留了接口。我的建议是，先玩熟基础流程，再根据自己的使用场景去改提示词、改判分规则、改知识抽取模板。这类项目的魅力在于，你不用从零训练模型，所有核心组件都能拿到开源版本，你只需要把教育场景里的“分寸感”设计好。

最后分享一个我用这个项目时感触最深的小技巧：把 AI 出的题当成一面镜子，别把它当成权威。它有时候出的题很烂，有时候判分很飘，我最初产生过“还不如不用”的念头，但后来我学会把它的题目拿来当“查漏补缺的线索”：哪怕一道题出得不严谨，只要它让我重新去翻了教材原文，对我来说就已经赚到了。别人开源的是代码，你真正要装进脑子里的，是这套“被知识反刍”的学习方式。