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

docs/题目模板.md

@@ -0,0 +1,80 @@
+1. 整体结构 (Envelope Pattern)所有题型统一采用以下外壳，通过 question_type 进行区分。JSON{
+  "metadata": {
+    "question_id": "string (UUID)",
+    "question_type": "single_choice | multiple_choice | true_false | fill_blank | subjective",
+    "difficulty": 3,
+    "tags": ["知识点A", "知识点B"],
+    "score": 10.0,
+    "version": "1.0"
+  },
+  "source_trace": {
+    "document_id": "string - 原始文档ID",
+    "document_name": "string - 文档名称",
+    "source_context": "string - AI出题参考的原文切片/上下文",
+    "page_numbers": [14, 15]
+  },
+  "content": {
+    "stem": "string - 题干内容，支持Markdown格式",
+    "data": {},
+    "answer": null,
+    "explanation": "string - 详尽的答案解析"
+  },
+  "review_info": {
+    "status": "pending",
+    "reviewer_comment": null,
+    "created_at": "2026-04-17T18:30:00Z"
+  }
+}
+2. 各题型 content.data 与 content.answer 定义(1) 单选题 (single_choice)data: 包含选项数组。answer: 对应正确选项的 key。JSON"content": {
+  "stem": "根据文档，公司成立的年份是？",
+  "data": {
+    "options": [
+      {"key": "A", "content": "1998年"},
+      {"key": "B", "content": "2005年"},
+      {"key": "C", "content": "2010年"}
+    ]
+  },
+  "answer": "B",
+  "explanation": "在文档第三页明确提到公司于2005年获得营业执照。"
+}
+(2) 多选题 (multiple_choice)data: 选项数组。answer: 正确选项 key 的数组。JSON"content": {
+  "stem": "以下属于公司核心价值观的有？",
+  "data": {
+    "options": [
+      {"key": "A", "content": "创新"},
+      {"key": "B", "content": "诚信"},
+      {"key": "C", "content": "加班"}
+    ]
+  },
+  "answer": ["A", "B"],
+  "explanation": "手册第一章第一节列出了‘创新’与‘诚信’为唯二核心价值观。"
+}
+(3) 判断题 (true_false)data: 可留空或自定义文字（如：正确/错误，对/错）。answer: boolean (true 为正确，false 为错误)。JSON"content": {
+  "stem": "员工可以在办公区吸烟。",
+  "data": null,
+  "answer": false,
+  "explanation": "《行政管理规范》第五条严禁在办公区吸烟。"
+}
+(4) 填空题 (fill_blank)data: 槽位定义。answer: 数组，按顺序存放每个空的标准答案列表（支持同义词）。JSON"content": {
+  "stem": "RAG的全称是___，其核心在于利用___增强生成效果。",
+  "data": { "blank_count": 2 },
+  "answer": [
+    ["检索增强生成", "Retrieval Augmented Generation"],
+    ["外部知识库", "自有文档", "Context"]
+  ],
+  "explanation": "RAG即检索增强生成，通过引入外部知识库信息提升回答准确度。"
+}
+(5) 主观题 (subjective)data: 包含评分维度和关键词。answer: string (参考范文)。JSON"content": {
+  "stem": "请简述RAG架构中‘切片策略’对检索质量的影响。",
+  "data": {
+    "scoring_points": [
+      {"point": "提到了语义完整性", "weight": 0.4},
+      {"point": "提到了切片过大导致噪声", "weight": 0.3},
+      {"point": "提到了切片过小丢失上下文", "weight": 0.3}
+    ],
+    "keywords": ["语义窗口", "Top-K", "重叠度"]
+  },
+  "answer": "参考范文：合理的切片策略能保持语义完整，通过设置Overlap防止信息断层...",
+  "explanation": "此题考查对RAG性能优化的深度理解。"
+}
+3. 后端约束说明 (Tips for Backend)数据持久化：建议将 content 整体以 JSONB (PostgreSQL) 或类似的格式存储，方便扩展未来可能增加的题型（如连线题、排序题）。分值校验：后端应校验 metadata.score 是否为正数；对于多选题，可增加逻辑判断 answer 数组长度必须 $\ge 2$。RAG 闭环：source_trace 字段是 RAG 项目的核心，建议后端在审核界面提供一个“点击查看原文”的按钮，直接展示 source_context 的内容。幂等性：建议由前端或 AI 服务生成 question_id (UUID)，防止网络波动导致的重复入库。