init: RAG 知识库服务初始提交

- 后端 API（Flask + Gunicorn） - RAG 引擎（混合检索 + 云端 Reranker + 引用溯源） - 文档解析（MinerU + 多格式支持） - Docker 生产部署配置 - 排除前端项目、敏感配置、模型文件
2026-06-04 17:35:27 +08:00
commit 100d1a06eb
158 changed files with 64534 additions and 0 deletions
--- a/docs/出题批题后端对接指南.md
+++ b/docs/出题批题后端对接指南.md
@@ -0,0 +1,468 @@
+# 出题批题接口 - 后端对接指南
+
+## 一、接口概览
+
+| 接口 | 方法 | 功能 | 超时建议 |
+|------|------|------|----------|
+| `/exam/generate` | POST | 生成题目 | 120秒 |
+| `/exam/grade` | POST | 批阅答案 | 60秒 |
+
+---
+
+## 二、出题接口
+
+### 2.1 请求
+
+```
+POST /exam/generate
+Content-Type: application/json
+```
+
+**请求体字段说明：**
+
+| 字段 | 类型 | 必需 | 说明 |
+|------|------|------|------|
+| `file_path` | string | ✅ | 文档路径（相对于 documents 目录） |
+| `collection` | string 或 string[] | ✅ | 向量库名称，支持数组（按优先级顺序检索，找到文件即停止） |
+| `question_types` | object | ✅ | 题型及数量 |
+| `difficulty` | int | ❌ | 难度等级 1-5，默认 3 |
+| `request_id` | string | ❌ | 请求ID，相同ID返回缓存结果（幂等性） |
+
+**请求示例：**
+
+```json
+{
+  "file_path": "薪酬制度.docx",
+  "collection": ["dept_hr", "public_kb"],
+  "question_types": {
+    "single_choice": 3,
+    "multiple_choice": 2,
+    "true_false": 2,
+    "fill_blank": 2,
+    "subjective": 1
+  },
+  "difficulty": 3,
+  "request_id": "uuid-for-idempotency"
+}
+```
+
+> **collection 检索逻辑说明**：
+> - 出题接口采用**按优先级顺序检索**策略
+> - 先在 `dept_hr` 中查找文件，找到则停止
+> - 未找到则继续在 `public_kb` 中查找
+> - 这与 RAG 问答接口的**并行检索+融合**策略不同
+> - 原因：出题需要特定文件的完整内容，而非广泛搜索
+
+### 2.2 响应
+
+**成功响应：**
+
+```json
+{
+  "success": true,
+  "status": "success",
+  "status_code": 2011,
+  "message": "出题完成",
+  "data": {
+    "request_id": "uuid-xxx",
+    "total": 10,
+    "source_chunks_used": 25,
+    "questions": [
+      {
+        "question_type": "single_choice",
+        "difficulty": 3,
+        "content": {
+          "stem": "题干内容",
+          "data": {
+            "options": [
+              {"key": "A", "content": "选项A"},
+              {"key": "B", "content": "选项B"},
+              {"key": "C", "content": "选项C"},
+              {"key": "D", "content": "选项D"}
+            ]
+          },
+          "answer": "B",
+          "explanation": "答案解析"
+        },
+        "source_trace": {
+          "document_name": "薪酬制度.docx",
+          "chunks_count": 3
+        }
+      }
+    ]
+  }
+}
+```
+
+**失败响应：**
+
+```json
+{
+  "success": false,
+  "status": "failed",
+  "error_code": "FILE_NOT_FOUND",
+  "message": "文件不存在"
+}
+```
+
+### 2.3 返回字段说明
+
+**RAG 服务返回的字段（后端需存储）：**
+
+| 字段 | 类型 | 说明 | 后端是否需要存储 |
+|------|------|------|------------------|
+| `question_type` | string | 题型 | ✅ 存储 |
+| `difficulty` | int | 难度 1-5 | ✅ 存储 |
+| `content` | object | 题目内容 | ✅ 存储 |
+| `content.stem` | string | 题干 | ✅ |
+| `content.data` | object | 附加数据（选项、评分标准等） | ✅ |
+| `content.answer` | any | 正确答案 | ✅ 批阅时需要 |
+| `content.explanation` | string | 答案解析 | ✅ |
+| `source_trace` | object | 来源追踪 | ✅ 存储 |
+
+**后端需要自己生成的字段：**
+
+| 字段 | 说明 |
+|------|------|
+| `question_id` | UUID，唯一标识 |
+| `score` | 满分，根据业务需求设定 |
+| `tags` | 标签 |
+| `status` | 状态（待审核/已通过/已拒绝） |
+
+> **重要**：RAG 服务不返回 `score` 字段，分值由后端在入库时指定。
+
+### 2.4 题型格式对照表
+
+| 题型 | question_type | content.answer 格式 | content.data |
+|------|---------------|---------------------|--------------|
+| 单选题 | `single_choice` | `"B"` | `{options: [{key, content}]}` |
+| 多选题 | `multiple_choice` | `["A", "C"]` | `{options: [{key, content}]}` |
+| 判断题 | `true_false` | `"T"` 或 `"F"` | 无 |
+| 填空题 | `fill_blank` | `[["答案1"], ["答案2", "同义词"]]` | `{blank_count: 2}` |
+| 简答题 | `subjective` | `"参考范文..."` | `{scoring_points: [...]}` |
+
+### 2.5 错误码
+
+| 错误码 | HTTP | 说明 |
+|--------|------|------|
+| `FILE_NOT_FOUND` | 404 | 指定文件不存在 |
+| `COLLECTION_NOT_FOUND` | 404 | 指定向量库不存在 |
+| `NO_CONTENT` | 400 | 文件内容为空，无法出题 |
+| `LLM_ERROR` | 500 | LLM 调用失败 |
+| `PARSE_ERROR` | 500 | 解析失败 |
+
+---
+
+## 三、批阅接口
+
+### 3.1 请求
+
+```
+POST /exam/grade
+Content-Type: application/json
+```
+
+**请求体字段说明：**
+
+| 字段 | 类型 | 必需 | 说明 |
+|------|------|------|------|
+| `request_id` | string | ❌ | 请求ID，用于追踪 |
+| `answers` | array | ✅ | 答案列表 |
+
+**answers 数组中每个对象的字段：**
+
+| 字段 | 类型 | 必需 | 说明 | 来源 |
+|------|------|------|------|------|
+| `question_id` | string | ✅ | 题目ID | 后端数据库 |
+| `question_type` | string | ✅ | 题型 | 后端数据库 |
+| `question_content` | object | ✅ | 题目内容（含正确答案） | 后端数据库 |
+| `student_answer` | any | ✅ | 学生答案 | 学生提交 |
+| `max_score` | number | ✅ | 满分 | 后端数据库 |
+
+**请求示例：**
+
+```json
+{
+  "request_id": "grade-uuid-xxx",
+  "answers": [
+    {
+      "question_id": "q-001",
+      "question_type": "single_choice",
+      "question_content": {
+        "stem": "根据公司规定，员工薪资由哪几部分组成？",
+        "data": {
+          "options": [
+            {"key": "A", "content": "基本工资+奖金"},
+            {"key": "B", "content": "基本工资+绩效奖金+津贴补贴"},
+            {"key": "C", "content": "基本工资+加班费"},
+            {"key": "D", "content": "基本工资"}
+          ]
+        },
+        "answer": "B"
+      },
+      "student_answer": "B",
+      "max_score": 5.0
+    },
+    {
+      "question_id": "q-002",
+      "question_type": "multiple_choice",
+      "question_content": {
+        "stem": "以下哪些属于绩效奖金的评定因素？",
+        "data": {
+          "options": [
+            {"key": "A", "content": "工作质量"},
+            {"key": "B", "content": "工作态度"},
+            {"key": "C", "content": "考勤情况"},
+            {"key": "D", "content": "团队协作"}
+          ]
+        },
+        "answer": ["A", "B", "D"]
+      },
+      "student_answer": ["A", "B"],
+      "max_score": 4.0
+    },
+    {
+      "question_id": "q-003",
+      "question_type": "true_false",
+      "question_content": {
+        "stem": "公司规定员工每月绩效奖金上限为工资的20%。",
+        "answer": "F"
+      },
+      "student_answer": "T",
+      "max_score": 2.0
+    },
+    {
+      "question_id": "q-004",
+      "question_type": "fill_blank",
+      "question_content": {
+        "stem": "员工薪资由___、___和___三部分组成。",
+        "data": {"blank_count": 3},
+        "answer": [["基本工资"], ["绩效奖金", "绩效"], ["津贴补贴", "补贴"]]
+      },
+      "student_answer": ["基本工资", "绩效奖金", "交通补贴"],
+      "max_score": 6.0
+    },
+    {
+      "question_id": "q-005",
+      "question_type": "subjective",
+      "question_content": {
+        "stem": "请简述公司薪酬制度的核心原则。",
+        "data": {
+          "scoring_points": [
+            {"point": "公平性", "weight": 0.3},
+            {"point": "激励性", "weight": 0.3},
+            {"point": "竞争力", "weight": 0.2},
+            {"point": "合法性", "weight": 0.2}
+          ]
+        },
+        "answer": "公司薪酬制度遵循公平、激励、竞争、合法四大原则..."
+      },
+      "student_answer": "我认为公司的薪酬制度应该公平公正...",
+      "max_score": 10.0
+    }
+  ]
+}
+```
+
+### 3.2 响应
+
+**成功响应：**
+
+```json
+{
+  "success": true,
+  "status": "success",
+  "status_code": 2012,
+  "message": "批阅完成",
+  "data": {
+    "request_id": "grade-uuid-xxx",
+    "total_score": 14.0,
+    "total_max_score": 27.0,
+    "score_rate": 51.85,
+    "results": [
+      {
+        "question_id": "q-001",
+        "question_type": "single_choice",
+        "score": 5.0,
+        "max_score": 5.0,
+        "is_correct": true,
+        "student_answer": "B",
+        "correct_answer": "B",
+        "feedback": "回答正确"
+      },
+      {
+        "question_id": "q-002",
+        "question_type": "multiple_choice",
+        "score": 2.0,
+        "max_score": 4.0,
+        "is_correct": false,
+        "student_answer": ["A", "B"],
+        "correct_answer": ["A", "B", "D"],
+        "feedback": "少选了 D 选项，正确答案: A, B, D"
+      },
+      {
+        "question_id": "q-003",
+        "question_type": "true_false",
+        "score": 0.0,
+        "max_score": 2.0,
+        "is_correct": false,
+        "student_answer": "T",
+        "correct_answer": "F",
+        "feedback": "正确答案: F"
+      },
+      {
+        "question_id": "q-004",
+        "question_type": "fill_blank",
+        "score": 4.0,
+        "max_score": 6.0,
+        "is_correct": false,
+        "student_answer": ["基本工资", "绩效奖金", "交通补贴"],
+        "correct_answer": [["基本工资"], ["绩效奖金", "绩效"], ["津贴补贴", "补贴"]],
+        "feedback": "第1、2空正确，第3空答案应为：津贴补贴或补贴"
+      },
+      {
+        "question_id": "q-005",
+        "question_type": "subjective",
+        "score": 3.0,
+        "max_score": 10.0,
+        "is_correct": false,
+        "student_answer": "我认为公司的薪酬制度应该公平公正...",
+        "correct_answer": "公司薪酬制度遵循公平、激励、竞争、合法四大原则...",
+        "feedback": "得分点：提到公平性概念，但未展开说明激励性和竞争力原则"
+      }
+    ]
+  }
+}
+```
+
+### 3.3 返回字段说明
+
+| 字段 | 类型 | 说明 |
+|------|------|------|
+| `total_score` | number | 总得分 |
+| `total_max_score` | number | 总满分 |
+| `score_rate` | number | 得分率（百分比） |
+| `results` | array | 每道题的批阅结果 |
+| `results[].question_id` | string | 题目ID |
+| `results[].score` | number | 该题得分 |
+| `results[].max_score` | number | 该题满分 |
+| `results[].is_correct` | boolean | 是否完全正确 |
+| `results[].feedback` | string | 批阅反馈 |
+
+### 3.4 批阅规则
+
+| 题型 | 批阅方式 | 得分规则 |
+|------|----------|----------|
+| 单选题 | 精确匹配 | 正确得满分，错误得 0 |
+| 多选题 | 集合比对 | 全对满分，少选得一半，错选得 0 |
+| 判断题 | 精确匹配 | 正确得满分，错误得 0 |
+| 填空题 | 多答案匹配 | 每空独立评分，支持同义词匹配 |
+| 简答题 | LLM 评分 | 根据得分点评分，不超过 `max_score` |
+
+### 3.5 错误码
+
+| 错误码 | HTTP | 说明 |
+|--------|------|------|
+| `INVALID_ANSWER_FORMAT` | 400 | 答案格式不正确 |
+| `GRADING_ERROR` | 500 | 批阅过程出错 |
+
+---
+
+## 四、完整调用流程
+
+### 4.1 出题流程
+
+```
+后端调用 /exam/generate
+        │
+        ▼
+    RAG 返回题目
+    (question_type, difficulty, content, source_trace)
+        │
+        ▼
+    后端生成 question_id
+    后端设置 score (满分)
+    后端设置 status
+        │
+        ▼
+    后端存入数据库
+```
+
+### 4.2 批阅流程
+
+```
+学生提交答案
+        │
+        ▼
+    后端从数据库查询:
+    - question_id
+    - question_type
+    - question_content (含正确答案)
+    - score (满分)
+        │
+        ▼
+    后端组装请求调用 /exam/grade
+        │
+        ▼
+    RAG 返回批阅结果
+    (score, feedback, is_correct)
+        │
+        ▼
+    后端存入成绩表
+```
+
+---
+
+## 五、字段来源速查表
+
+### 5.1 出题接口
+
+| 字段 | 返回方 | 存储方 | 说明 |
+|------|--------|--------|------|
+| question_id | ❌ 不返回 | 后端生成 | UUID |
+| question_type | ✅ RAG | 后端存储 | 题型 |
+| difficulty | ✅ RAG | 后端存储 | 难度 1-5 |
+| content | ✅ RAG | 后端存储 | 题目内容 |
+| source_trace | ✅ RAG | 后端存储 | 来源追踪 |
+| **score** | ❌ 不返回 | **后端设定** | 满分 |
+| tags | ❌ 不返回 | 后端设定 | 标签 |
+| status | ❌ 不返回 | 后端设定 | 状态 |
+
+### 5.2 批阅接口
+
+| 字段 | 来源 | 说明 |
+|------|------|------|
+| question_id | 后端数据库 | 题目唯一标识 |
+| question_type | 后端数据库 | 题型 |
+| question_content | 后端数据库 | 题目内容（含正确答案） |
+| student_answer | 学生提交 | 学生作答 |
+| **max_score** | **后端数据库** | 满分（决定得分上限） |
+
+---
+
+## 六、常见问题
+
+### Q1: 出题接口返回的题目需要审核吗？
+
+建议后端设置 `status` 字段进行审核流程，审核通过后再用于组卷。
+
+### Q2: 分值如何动态调整？
+
+后端在入库时自由设定 `score` 字段，批阅时传入 `max_score` 即可。RAG 服务不干预分值。
+
+### Q3: 填空题同义词匹配是如何实现的？
+
+填空题答案格式为 `[["主答案", "同义词1", "同义词2"], ...]`，学生答案匹配任意一个即视为正确。
+
+### Q4: 批阅接口超时怎么办？
+
+建议：
+- 单次批阅不超过 50 道题
+- 设置 60 秒超时
+- 主观题较多时适当延长
+
+---
+
+**文档版本**: v1.1  
+**更新时间**: 2026-05-17  
+**相关文档**: [后端对接规范.md](./后端对接规范.md)