feat(exam_pkg): 优化出题系统稳定性与推理模型适配

- core/llm_utils: MiMo模型自动注入thinking=disabled参数，全局生效
- config: 新增LLM_DISABLE_THINKING配置项（默认true）
- generator: 推理模型自适应max_tokens（1.5x）、429限流重试+指数退避、v2管线补题机制
- generator: analyze_document_for_exam新增max_total参数控制AI出题上限
- generator: validate_questions_schema兼容type和question_type字段
- grader: 主观题max_tokens从1000提升至2000、fuzzy_match增加编辑距离容错
- manager: results变量初始化防NameError、透传max_total参数
- api: /exam/generate-smart支持max_total请求参数

config.py

@@ -100,7 +100,8 @@ RERANK_DEVICE = os.getenv("RERANK_DEVICE", os.getenv("DEVICE", "auto"))
 
 # ----- 通用问答 -----
 LLM_TEMPERATURE = 0.7            # 生成温度（0=确定性，1=随机性）
-LLM_MAX_TOKENS = 3000            # 最大输出 token 数（推理模型思考链占用部分预算，3000 平衡速度与质量）
+LLM_MAX_TOKENS = 3000            # 最大输出 token 数
+LLM_DISABLE_THINKING = os.getenv("LLM_DISABLE_THINKING", "true").lower() != "false"  # 关闭推理模型的思考模式（提速 + 让 temperature 生效）
 
 # ----- 意图分析（轻量、确定性高）-----
 # INTENT_MODEL 在顶部「一、API 密钥与模型」中统一配置

core/llm_utils.py

@@ -11,6 +11,24 @@ from typing import List, Optional, Union, Iterator, Callable
 
 logger = logging.getLogger(__name__)
 
+# MiMo 推理模型关键词（用于识别需要 thinking 参数的模型）
+_MIMO_MODEL_KEYWORDS = ('mimo',)
+
+def _is_mimo_model(model_name: str) -> bool:
+    """判断是否为小米 MiMo 模型（支持 thinking 参数）"""
+    if not model_name:
+        return False
+    return any(kw in model_name.lower() for kw in _MIMO_MODEL_KEYWORDS)
+
+def _inject_mimo_thinking(kwargs: dict, model: str, disable_thinking: bool = True) -> dict:
+    """为 MiMo 模型注入 thinking 参数。返回更新后的 kwargs。"""
+    if not _is_mimo_model(model):
+        return kwargs
+    extra = dict(kwargs.get('extra_body') or {})
+    extra['thinking'] = {'type': 'disabled' if disable_thinking else 'enabled'}
+    kwargs['extra_body'] = extra
+    return kwargs
+
 
 def call_llm(
     client,
@@ -57,6 +75,13 @@ def call_llm(
     if messages is None:
         messages = [{"role": "user", "content": prompt}]
 
+    # MiMo 模型自动注入 thinking 参数
+    try:
+        from config import LLM_DISABLE_THINKING
+    except ImportError:
+        LLM_DISABLE_THINKING = True
+    kwargs = _inject_mimo_thinking(kwargs, model, disable_thinking=LLM_DISABLE_THINKING)
+
     try:
         response = client.chat.completions.create(
             model=model,
@@ -145,6 +170,13 @@ def call_llm_stream(
     if messages is None:
         messages = [{"role": "user", "content": prompt}]
 
+    # MiMo 模型自动注入 thinking 参数
+    try:
+        from config import LLM_DISABLE_THINKING
+    except ImportError:
+        LLM_DISABLE_THINKING = True
+    kwargs = _inject_mimo_thinking(kwargs, model, disable_thinking=LLM_DISABLE_THINKING)
+
     try:
         stream = client.chat.completions.create(
             model=model,

docs/出题系统测试报告.md

@@ -0,0 +1,190 @@
+# 出题系统测试报告
+
+**测试日期**: 2026-06-22
+**测试环境**: mimo-v2.5（关闭推理模式）、2.docx（文明吸烟环境建设标准）
+**测试方式**: curl 接口测试 + 代码审查
+
+---
+
+## 一、测试总览
+
+| # | 测试项 | 接口 | 结果 | 耗时 |
+|---|--------|------|------|------|
+| 1 | 参数出题 | POST /exam/generate | ✅ 成功 | ~87s (4题) |
+| 2 | AI一键出题 | POST /exam/generate-smart | ⚠️ 成功但有上限失控 | ~244s (50题) |
+| 3 | 偏门题型(纯主观) | POST /exam/generate | ✅ 成功 | ~87s (5题) |
+| 4 | 偏门题型(多选+填空) | POST /exam/generate | ✅ 成功 | ~60s (6题) |
+| 5 | 跨调用去重 | POST /exam/generate + exclude_stems | ✅ 去重有效 | ~60s (5题) |
+| 6 | 批题(4题型混合) | POST /exam/grade | ✅ 全部成功 | ~30s |
+
+---
+
+## 二、测试详情
+
+### Test 1: 参数出题 (single_choice:2, fill_blank:1, true_false:1)
+- **结果**: 4题全部生成成功，题型匹配
+- **问题**:
+  - ❌ 题目多样性不足：4题中3题考同一个知识点（"标准的解释机构"）
+  - ❌ source_trace 数据缺失（chunk_id=?, page=?）
+
+### Test 2: AI一键出题 (generate-smart)
+- **AI分析**: 检测到54个知识点，推荐50道题（20单选+15判断+10多选+5填空）
+- **结果**: 50题全部生成，12个不同章节，0题干重复
+- **问题**:
+  - ❌ **P0 上限失控**: prompt 要求"不超过20"，但AI返回50，代码没有 enforce 上限校验
+  - ⚠️ 50题意味着20-30次LLM调用，极易触发429限流
+
+### Test 3: 纯主观题 (subjective:5)
+- **结果**: 5题全部生成，覆盖不同章节，scoring_points 完整
+- **耗时**: 87秒（关闭推理模式后正常）
+
+### Test 4: 多选+填空 (multiple_choice:3, fill_blank:3)
+- **结果**: 6题全部生成
+- **问题**:
+  - ❌ **填空题答案格式不一致**: `content.answer` 是 `[["消费水平较高"]]` (list of list)，但没有 `data.reference_answer` 字段，只有 `data.blank_count`
+  - ⚠️ 与 grader 期望的格式可能不匹配
+
+### Test 5: 跨调用去重 (exclude_stems)
+- **结果**: 3个排除题干全部未出现，去重有效 ✅
+
+### Test 6: 批题 (grade)
+- **单选题答错**: score=0, correct=false ✅
+- **判断题答对**: score=2, correct=true ✅
+- **填空题部分对**: score=4.0 (满分4), blank_scores=[4.0] ✅
+- **主观题(低质量回答)**: score=2.0/10, 4个scoring_point逐项评分 ✅
+- **总评**: 得分率44.4%，评分合理
+
+---
+
+## 三、发现的问题（按严重度排序）
+
+### P0 - 严重问题
+
+#### 1. 🚨 AI一键出题上限失控 (generator.py:1053-1068)
+**位置**: `analyze_document_for_exam()` 函数
+**现象**: prompt 写了"所有数量之和不要超过 min(total_knowledge_points * 2, 20)"，但 LLM 返回50题，代码直接采纳
+**根因**: 代码只做了"题型合法性"校验，没有对总数做上限 enforce
+```python
+# 当前代码 (generator.py:1053-1059) - 只校验单题型合法性，无总数限制
+valid_types = ['single_choice', 'multiple_choice', 'true_false', 'fill_blank', 'subjective']
+question_types = {}
+for q_type in valid_types:
+    count = result.get('question_types', {}).get(q_type, 0)
+    if isinstance(count, int) and count >= 0:
+        question_types[q_type] = count  # 直接采纳，无上限
+```
+**建议**: 增加总数上限校验，超过 `max_questions`（建议20）时按比例缩减
+```python
+total = sum(question_types.values())
+max_questions = 20
+if total > max_questions:
+    ratio = max_questions / total
+    question_types = {k: max(0, round(v * ratio)) for k, v in question_types.items()}
+```
+
+#### 2. 🚨 LLM 调用无限流机制，429 风暴 (generator.py:290-303, 540-543)
+**位置**: `generate_questions_structured()` 主循环 + `_generate_with_retry()` 重试
+**现象**: 并发出题时大量429错误，重试退避太短(1s/2s/4s)，3次全败后放弃该知识点
+**根因**:
+- 主循环 for 逐知识点调用 LLM，无请求间隔（补题函数有 sleep(1)，主循环没有）
+- 429 重试退避 `2^attempt` 秒 (1/2/4s) 对 API 限流不够
+- 无全局限流器（令牌桶/漏桶）
+**建议**:
+1. 主循环每次 LLM 调用后加 `time.sleep(1.5)` 最小间隔
+2. 429 退避改为指数+抖动: `min(30, 2 ** attempt + random.uniform(0, 2))`
+3. 长期: 引入 `tenacity` 或自实现令牌桶限流器
+
+#### 3. 🚨 validate_questions_schema 只认 `type` 不认 `question_type` (generator.py:154)
+**位置**: `validate_questions_schema()` 函数
+**现象**: LLM 返回的题目可能用 `question_type` 字段，但校验只检查 `q.get('type')`，导致有效题目被丢弃
+**对比**: `_validate_question_types()` (第448行) 做了兼容: `q_type = q.get('question_type') or q.get('type')`
+```python
+# 当前代码 (generator.py:154) - 不兼容
+if q.get('type') not in VALID_TYPES:
+    continue  # question_type 字段的题目被丢弃！
+
+# 应改为
+q_type = q.get('question_type') or q.get('type')
+if q_type not in VALID_TYPES:
+    continue
+```
+
+### P1 - 中等问题
+
+#### 4. ⚠️ 填空题答案格式不一致
+**现象**: 出题返回 `content.answer = [["答案1"], ["答案2"]]` (list of list)，但无 `data.reference_answer`
+**影响**: 前端/本地数据库可能期望 `reference_answer` 字段
+**建议**: 统一在 `data` 中增加 `reference_answer` 字段，与 `content.answer` 保持一致
+
+#### 5. ⚠️ grader max_tokens 对推理模型不足 (grader.py:438)
+**位置**: `_grade_subjective()` 方法
+**现象**: `max_tokens=_get_effective_max_tokens(1000, self.model)`
+- 推理模型关闭推理时: 1000 tokens 勉强够
+- 推理模型开启推理时: 思考链消耗 800+ tokens，content 为空
+**当前状态**: 关闭推理模式后本次测试通过，但**开启推理模式会再次失败**
+**建议**: 基础 max_tokens 从 1000 提升至 2000
+
+#### 6. ⚠️ local_db._detect_question_type 使用旧格式 (local_db.py:378-383)
+**位置**: `_detect_question_type()` 方法
+**现象**: 检测 `options` 和 `reference_answer` 字段来判断题型，但新格式用 `content.data.options` 和 `content.answer`
+```python
+# 当前代码 - 检查顶层 options
+if 'options' in question and question['options']:
+    return 'choice'
+elif 'reference_answer' in question:
+    return 'short_answer'
+
+# 应改为检查 content 内部结构
+content = question.get('content', {})
+data = content.get('data', {})
+if data.get('options'):
+    return 'choice'
+elif question.get('question_type') in ('fill_blank', 'subjective', ...):
+    return question['question_type']
+```
+
+#### 7. ⚠️ 题目多样性不足
+**现象**: Test 1 中 4 题有 3 题考同一知识点（"标准的解释机构"）
+**根因**: `_assign_questions_to_kps()` 可能将多个题型分配给同一知识点
+**建议**: 增加"同一知识点最多出 N 道题"的限制（建议 N=2）
+
+### P2 - 低优先级
+
+#### 8. 💡 source_trace 数据偶尔缺失
+**现象**: Test 1 中部分题目的 chunk_id 和 page 显示为 `?`
+**可能原因**: `find_referenced_chunks` 匹配失败时的 fallback 显示
+
+#### 9. 💡 多选题答案格式
+**现象**: 多选题 answer 为 `['A', 'B']` 或 `['A', 'B', 'D']` (list)，前端需处理
+**建议**: 在 API 文档中明确多选题 answer 格式为 list
+
+#### 10. 💡 补题机制未与已有题目交叉去重
+**现象**: 补题时只检查本次生成的题干，不检查已有题目
+**建议**: 补题函数接受 `exclude_stems` 参数
+
+---
+
+## 四、测试通过项 ✅
+
+1. **基础出题功能**: 5种题型均可正常生成
+2. **AI智能分析**: 文档分析→题型推荐→出题流程完整
+3. **补题机制**: 知识点出题失败后自动补题
+4. **跨调用去重**: exclude_stems 功能正常，排除的题干不再出现
+5. **批题功能**: 客观题精确匹配，填空题部分给分，主观题LLM逐项评分
+6. **source_trace**: 大部分题目有完整的溯源信息（chunk_id, section, snippet）
+7. **JSON解析**: mimo-v2.5 返回的 JSON 格式（含 markdown 包裹）可正常解析
+8. **题目格式**: 单选题 options 为 list of dict `[{key, content}]`，格式规范
+
+---
+
+## 五、建议修复优先级
+
+| 优先级 | 问题 | 修复难度 | 影响范围 |
+|--------|------|----------|----------|
+| P0 | AI出题上限失控 | 简单 | smart 出题 |
+| P0 | LLM 429 限流 | 中等 | 全部出题 |
+| P0 | validate_questions_schema type 字段 | 简单 | 全部出题 |
+| P1 | 填空题答案格式统一 | 简单 | 填空题+批题 |
+| P1 | grader max_tokens | 简单 | 主观题批题 |
+| P1 | local_db 旧格式 | 中等 | 本地存储 |
+| P1 | 题目多样性控制 | 中等 | 出题质量 |

docs/出题系统逻辑.md

@@ -138,19 +138,22 @@
 
 #### 4a. 去重
 
-`_deduplicate_questions(questions, exclude_stems)` — 三层去重：
+`_deduplicate_questions(questions, exclude_stems)` — 四层去重：
 
 1. **题干前缀去重**：题干前 80 字相同 → 去掉。
-2. **知识点+题型去重**：题干前 30 字 + 题型相同 → 去掉。
+2. **跨调用排除**（`_matches_exclude`）：`exclude_stems` 中已有题目的前缀（≤30 字），新题干前 30 字如果以此为前缀 → 去掉。用 `startswith()` 匹配，解决排除题干短于 30 字时的长度不匹配问题。
-3. **跨调用去重**：`exclude_stems` 中已有题目的题干前 80 字预填入去重集合，新生成的题目如果与之冲突也会被过滤。
+3. **知识点+题型去重**：题干前 30 字 + 题型相同 → 去掉。
+4. **跨调用题干去重**：`exclude_stems` 中已有题目的题干前 80 字预填入去重集合，精确匹配过滤。
 
 #### 4b. 题型平衡
 
 `_balance_question_types(questions, target_types)` — 按题型分组，每种题型按目标数量截取（多了截断）。
 
-#### 4c. 补题（仅 v1 结构化路径）
+#### 4c. 补题
 
-v1 的 `generate_questions_structured()` 有补题机制 `_makeup_questions()`：如果某题型数量不足，用前 5 个 chunks 重新出一轮补充。v2 路径依赖分配阶段的精确控制，不额外补题。
+v1 的 `generate_questions_structured()` 有补题机制 `_makeup_questions()`：如果某题型数量不足，用前 5 个 chunks 重新出一轮补充。
+
+v2 路径（`generate_questions_structured_v2`）同样支持补题：Phase 4.4 检查各题型是否达到目标数量，不足的题型调用 `_makeup_questions()` 补充，补题结果也经过去重处理。
 
 ---
 
@@ -272,7 +275,7 @@ v1 的 `generate_questions_structured()` 有补题机制 `_makeup_questions()`
 | `safe_parse_questions` | generator.py | JSON 安全解析 |
 | `validate_questions_schema` | generator.py | 题目 Schema 校验 |
 | `_enrich_with_source_trace` | generator.py | 补充溯源信息 |
-| `_deduplicate_questions` | generator.py | 三层去重 |
+| `_deduplicate_questions` | generator.py | 四层去重 |
 | `_balance_question_types` | generator.py | 题型数量平衡 |
 | `_generate_questions_fallback` | generator.py | 降级路径（无知识点时） |
 | `_makeup_questions` | generator.py | v1 补题机制 |

exam_pkg/api.py

@@ -246,6 +246,7 @@ def api_generate_smart():
         "file_path": "public/产品手册.pdf",
         "collection": "public_kb",
         "difficulty": 3,           // 可选，默认 3
+        "max_total": 20,           // 可选，AI出题总数上限。不传则不限制
         "options": {}              // 可选
     }
 
@@ -267,6 +268,16 @@ def api_generate_smart():
         if diff_error:
             return error_response("INVALID_PARAMS", BAD_REQUEST, diff_error, http_status=400)
 
+        # 可选：AI出题总数上限（不传则不限制）
+        max_total = data.get('max_total')
+        if max_total is not None:
+            try:
+                max_total = int(max_total)
+                if max_total <= 0:
+                    return error_response("INVALID_PARAMS", BAD_REQUEST, "max_total 必须为正整数", http_status=400)
+            except (ValueError, TypeError):
+                return error_response("INVALID_PARAMS", BAD_REQUEST, "max_total 必须为整数", http_status=400)
+
         # 校验排除题干列表（可选）
         exclude_stems = data.get('exclude_stems')
         stems_error = validate_exclude_stems(exclude_stems)
@@ -298,11 +309,11 @@ def api_generate_smart():
             f"AI智能出题: {os.path.basename(file_path)}"
         )
 
-        def _do_smart_generate(task, fp, coll, diff, opts, req_id, excl):
+        def _do_smart_generate(task, fp, coll, diff, opts, req_id, excl, max_t):
             """后台执行 AI 智能出题"""
             registry.update_progress(task.id, stage='AI分析', message='正在分析文档内容...')
             from exam_pkg.manager import analyze_file_for_exam
-            ai_analysis = analyze_file_for_exam(file_path=fp, collection=coll)
+            ai_analysis = analyze_file_for_exam(file_path=fp, collection=coll, max_total=max_t)
 
             q_types = ai_analysis.get('question_types', {})
             if not q_types or sum(q_types.values()) == 0:
@@ -325,7 +336,8 @@ def api_generate_smart():
             task.id, _do_smart_generate,
             file_path, collection,
             data.get('difficulty', 3), data.get('options', {}),
-            data.get('request_id'), data.get('exclude_stems')
+            data.get('request_id'), data.get('exclude_stems'),
+            max_total
         )
 
         return success_response(

exam_pkg/generator.py

@@ -26,19 +26,38 @@ import logging
 logger = logging.getLogger(__name__)
 
 # 导入 LLM 工具函数
-from core.llm_utils import call_llm, parse_json_list_from_response
+from core.llm_utils import call_llm, parse_json_list_from_response, extract_json_list, extract_json_object
 
 # 导入 LLM 配置
 try:
-    from config import API_KEY, BASE_URL, MODEL
+    from config import API_KEY, BASE_URL, MODEL, LLM_TEMPERATURE, LLM_MAX_TOKENS
     LLM_AVAILABLE = True
 except ImportError:
     API_KEY = None
     BASE_URL = None
     MODEL = None
+    LLM_TEMPERATURE = 0.7
+    LLM_MAX_TOKENS = 4000
     LLM_AVAILABLE = False
 
 
+# 推理模型识别：这些模型会消耗额外 token 用于思考链，需要更大的 max_tokens 预算
+_REASONING_MODEL_KEYWORDS = ('mimo', 'qwq', 'deepseek-r1', 'deepseek-reasoner', 'o1', 'o3')
+
+def _is_reasoning_model(model_name: str) -> bool:
+    """判断是否为推理模型（需要额外思考链 token 预算）"""
+    if not model_name:
+        return False
+    name_lower = model_name.lower()
+    return any(kw in name_lower for kw in _REASONING_MODEL_KEYWORDS)
+
+def _get_effective_max_tokens(base_max: int, model_name: str) -> int:
+    """根据模型类型计算实际 max_tokens。推理模型需要 1.5x 预算给思考链"""
+    if _is_reasoning_model(model_name):
+        return max(base_max, int(base_max * 1.5))
+    return base_max
+
+
 # ==================== 辅助函数 ====================
 
 def group_chunks_by_section(chunks: List[Dict]) -> Dict[str, List[Dict]]:
@@ -131,8 +150,9 @@ def validate_questions_schema(questions: List[Dict]) -> List[Dict]:
     validated = []
 
     for q in questions:
-        # 必须有 type
+        # 必须有 type 或 question_type
-        if q.get('type') not in VALID_TYPES:
+        q_type = q.get('question_type') or q.get('type')
+        if q_type not in VALID_TYPES:
             continue
 
         # 必须有 content
@@ -145,7 +165,7 @@ def validate_questions_schema(questions: List[Dict]) -> List[Dict]:
             continue
 
         # 选项题必须有 options
-        if q['type'] in ['single_choice', 'multiple_choice']:
+        if q_type in ['single_choice', 'multiple_choice']:
             if not content.get('data', {}).get('options'):
                 continue
 
@@ -359,8 +379,8 @@ class QuestionGenerator:
                 client=self.client,
                 prompt=prompt,
                 model=self.model,
-                temperature=0.7,
+                temperature=LLM_TEMPERATURE,
-                max_tokens=4000,
+                max_tokens=_get_effective_max_tokens(4000, self.model),
                 messages=messages
             )
             if not content:
@@ -493,25 +513,37 @@ class QuestionGenerator:
         return type_names.get(q_type, q_type)
 
     def _call_llm(self, prompt: str) -> str:
-        """调用本地 LLM（OpenAI 兼容接口）"""
+        """调用本地 LLM（OpenAI 兼容接口），支持 429 限流重试"""
         if not self.client:
             raise ValueError("LLM 客户端未初始化，请检查 config.py 中的 API_KEY 配置")
 
+        import time
+
         messages = [
             {"role": "system", "content": "你是一个专业的出题专家，擅长根据文档内容生成各类考试题目。你必须严格按照JSON格式输出，不要有任何其他内容。"},
             {"role": "user", "content": prompt}
         ]
-        result = call_llm(
+
-            client=self.client,
+        # 重试机制：429 限流时指数退避（最多重试 3 次）
-            prompt=prompt,
+        for attempt in range(4):
-            model=self.model,
+            result = call_llm(
-            temperature=0.7,
+                client=self.client,
-            max_tokens=4000,
+                prompt=prompt,
-            messages=messages
+                model=self.model,
-        )
+                temperature=LLM_TEMPERATURE,
-        if result is None:
+                max_tokens=_get_effective_max_tokens(4000, self.model),
-            raise Exception("LLM 调用失败")
+                messages=messages
-        return result
+            )
+            if result is not None:
+                return result
+
+            # 可能是 429 限流，等待后重试
+            if attempt < 3:
+                wait_time = 2 ** attempt  # 1s, 2s, 4s
+                logger.warning(f"  LLM 调用失败，{wait_time}s 后重试 ({attempt+1}/3)...")
+                time.sleep(wait_time)
+
+        raise Exception("LLM 调用失败（已重试 3 次）")
 
     def _get_format_examples(self) -> str:
         """返回各题型格式示例（覆盖全部 5 种题型）"""
@@ -610,7 +642,6 @@ class QuestionGenerator:
         )
 
         # 清理纯标点符号
-        import re
         all_content = re.sub(r'^[\s\*\-\d\.。、，：:；;]+$', '', all_content, flags=re.MULTILINE)
         all_content = all_content.strip()
 
@@ -645,27 +676,24 @@ class QuestionGenerator:
 
 请直接输出 JSON 数组："""
 
-        try:
+        for _attempt in range(2):
-            response = self._call_llm(prompt)
+            try:
+                response = self._call_llm(prompt)
+                if not response or not response.strip():
+                    continue
 
-            # 清理响应（移除可能的 markdown 标记）
+                # 使用多策略 JSON 提取（支持 markdown 代码块、正则回退）
-            response = response.strip()
+                result = extract_json_list(response)
-            if response.startswith('```'):
+                if isinstance(result, list) and result:
-                lines = response.split('\n')
+                    return [
-                response = '\n'.join(lines[1:-1] if lines[-1] == '```' else lines[1:])
+                        {"name": kp, "section": section}
-
+                        for kp in result[:max_points]
-            # 解析 JSON
+                        if isinstance(kp, str) and 3 <= len(kp) <= 30
-            result = json.loads(response)
+                    ]
-            if isinstance(result, list):
+                # 解析结果无效，重试一次
-                return [
+                logger.warning(f"  知识点提取返回无效结果(尝试 {_attempt+1}/2)，重试中...")
-                    {"name": kp, "section": section}
+            except Exception as e:
-                    for kp in result[:max_points]
+                logger.error(f"  知识点提取失败(尝试 {_attempt+1}/2): {e}")
-                    if isinstance(kp, str) and 3 <= len(kp) <= 30
-                ]
-        except json.JSONDecodeError as e:
-            logger.error(f"  知识点 JSON 解析失败: {e}")
-        except Exception as e:
-            logger.error(f"  知识点提取失败: {e}")
 
         return []
 
@@ -918,7 +946,7 @@ def generate_questions_from_content(
     return generator.generate_questions_structured(chunks, document_name, question_types, difficulty)
 
 
-def analyze_document_for_exam(chunks: List[Dict]) -> Dict[str, Any]:
+def analyze_document_for_exam(chunks: List[Dict], max_total: int = None) -> Dict[str, Any]:
     """
     AI 智能分析文档内容，决定适合的题型和数量
 
@@ -1026,14 +1054,14 @@ def analyze_document_for_exam(chunks: List[Dict]) -> Dict[str, Any]:
 
     try:
         response = generator._call_llm(prompt)
-        response = response.strip()
+        if not response or not response.strip():
+            return _generate_default_question_types(total_knowledge_points)
 
-        # 清理 markdown 代码块
+        # 使用多策略 JSON 提取（支持 markdown 代码块、正则回退）
-        if response.startswith('```'):
+        result = extract_json_object(response)
-            lines = response.split('\n')
+        if not isinstance(result, dict):
-            response = '\n'.join(lines[1:-1] if lines[-1] == '```' else lines[1:])
+            logger.error(f"AI 分析返回非对象类型: {type(result)}")
-
+            return _generate_default_question_types(total_knowledge_points)
-        result = json.loads(response)
 
         # 验证和清理结果
         valid_types = ['single_choice', 'multiple_choice', 'true_false', 'fill_blank', 'subjective']
@@ -1046,6 +1074,24 @@ def analyze_document_for_exam(chunks: List[Dict]) -> Dict[str, Any]:
         # 过滤不适合的题型
         suitable_types = [t for t, c in question_types.items() if c > 0]
 
+        # 总数上限校验：如果指定了 max_total，超过时按比例缩减
+        if max_total and max_total > 0:
+            total = sum(question_types.values())
+            if total > max_total:
+                ratio = max_total / total
+                question_types = {k: max(0, round(v * ratio)) for k, v in question_types.items()}
+                # 修正四舍五入误差
+                diff = max_total - sum(question_types.values())
+                if diff > 0:
+                    # 把差额分配给最大的题型
+                    for k in sorted(question_types, key=question_types.get, reverse=True):
+                        question_types[k] += 1
+                        diff -= 1
+                        if diff <= 0:
+                            break
+                logger.info(f"  AI 推荐 {total} 题，按上限 {max_total} 缩减为 {sum(question_types.values())} 题")
+                suitable_types = [t for t, c in question_types.items() if c > 0]
+
         return {
             "total_knowledge_points": result.get('total_knowledge_points', total_knowledge_points),
             "suitable_types": suitable_types,
@@ -1053,10 +1099,6 @@ def analyze_document_for_exam(chunks: List[Dict]) -> Dict[str, Any]:
             "reason": result.get('reason', 'AI 分析完成')
         }
 
-    except json.JSONDecodeError as e:
-        logger.error(f"AI 分析结果 JSON 解析失败: {e}")
-        # 降级：根据知识点数量生成默认配置
-        return _generate_default_question_types(total_knowledge_points)
     except Exception as e:
         logger.error(f"AI 分析失败: {e}")
         return _generate_default_question_types(total_knowledge_points)
@@ -1156,6 +1198,10 @@ def generate_questions_structured_v2(
         # 提取知识点
         kps = generator._extract_knowledge_points(section, section_chunks, max_points=3)
 
+        # API 限流保护：连续 LLM 调用间隔 1 秒
+        import time
+        time.sleep(1)
+
         # 全局去重
         for kp in kps:
             kp_name = kp['name']
@@ -1219,6 +1265,10 @@ def generate_questions_structured_v2(
             prompt, {q_type: 1}, kp_chunks, document_name, max_retries=2
         )
 
+        # API 限流保护：连续 LLM 调用间隔 1 秒
+        import time
+        time.sleep(1)
+
         if success and questions:
             all_questions.extend(questions)
         else:
@@ -1241,6 +1291,28 @@ def generate_questions_structured_v2(
         type_counts[q.get('question_type')] += 1
     logger.info(f"  题型分布: {dict(type_counts)}")
 
+    # 4.4 补题：如果某题型数量不足，使用 chunks 补充
+    shortage_types = {}
+    for q_type, target_count in question_types.items():
+        actual_count = type_counts.get(q_type, 0)
+        if actual_count < target_count:
+            shortage_types[q_type] = target_count - actual_count
+
+    if shortage_types:
+        logger.info(f"  [v2] 补题: 缺少题型 {dict(shortage_types)}")
+        for q_type, shortage in shortage_types.items():
+            logger.info(f"    补充 {q_type} {shortage} 道...")
+            extra = generator._makeup_questions(chunks, q_type, shortage, difficulty, document_name)
+            # 补题也需去重
+            extra_deduped = _deduplicate_questions(extra, exclude_stems=exclude_stems)
+            final.extend(extra_deduped[:shortage])
+
+        # 补题后重新统计
+        type_counts = defaultdict(int)
+        for q in final:
+            type_counts[q.get('question_type')] += 1
+        logger.info(f"  补题后题型分布: {dict(type_counts)}")
+
     return final
 
 
@@ -1404,9 +1476,27 @@ def _deduplicate_questions(questions: List[Dict], exclude_stems: List[str] = Non
 
     # 预填已有题目的题干前缀，使新生成的题目与已有题目冲突时被过滤
     if exclude_stems:
+        _valid_types = ('single_choice', 'multiple_choice', 'true_false', 'fill_blank', 'subjective')
         for stem in exclude_stems:
             seen_stems.add(stem[:80])
-            seen_kp_type.add(f"{stem[:30]}_")  # 通配题型匹配
+            # 用 exclude_stem 自身长度做前缀键（排除题干通常短于30字）
+            # 新题目的 stem[:30] 如果以此前缀开头，[:len(prefix)] 后就能匹配
+            _prefix = stem[:30]
+            for _qt in _valid_types:
+                seen_kp_type.add(f"{_prefix}_{_qt}")
+
+    # 辅助函数：检查新题干是否匹配任何 exclude 前缀
+    _exclude_prefixes = []
+    if exclude_stems:
+        _exclude_prefixes = [s[:30] for s in exclude_stems]
+
+    def _matches_exclude(stem_text: str) -> bool:
+        """检查题干前30字是否以某个 exclude 前缀开头"""
+        _stem30 = stem_text[:30]
+        for _ep in _exclude_prefixes:
+            if _stem30.startswith(_ep):
+                return True
+        return False
 
     deduped = []
 
@@ -1419,6 +1509,10 @@ def _deduplicate_questions(questions: List[Dict], exclude_stems: List[str] = Non
         if stem_key in seen_stems:
             continue
 
+        # 跨调用排除：题干前缀匹配到 exclude_stems 则跳过
+        if _matches_exclude(stem):
+            continue
+
         # 知识点 + 题型去重
         kp_type_key = f"{stem[:30]}_{q.get('question_type')}"
         if kp_type_key in seen_kp_type:

exam_pkg/grader.py

@@ -37,6 +37,21 @@ except ImportError:
     MODEL = None
     LLM_AVAILABLE = False
 
+# 推理模型识别（与 generator.py 共享同一套关键词）
+_REASONING_MODEL_KEYWORDS = ('mimo', 'qwq', 'deepseek-r1', 'deepseek-reasoner', 'o1', 'o3')
+
+def _is_reasoning_model(model_name: str) -> bool:
+    if not model_name:
+        return False
+    name_lower = model_name.lower()
+    return any(kw in name_lower for kw in _REASONING_MODEL_KEYWORDS)
+
+def _get_effective_max_tokens(base_max: int, model_name: str) -> int:
+    """推理模型需要 1.5x token 预算给思考链"""
+    if _is_reasoning_model(model_name):
+        return max(base_max, int(base_max * 1.5))
+    return base_max
+
 
 # ==================== 装饰器 ====================
 
@@ -169,19 +184,56 @@ def grade_fill_blank(answer: Dict) -> Dict:
 
 def fuzzy_match(student_answer: str, correct_answer: str) -> bool:
     """
-    模糊匹配（支持同义词）
+    模糊匹配（支持同义词和小编辑距离容错）
 
-    当前实现：精确匹配（忽略前后空格、大小写）
+    策略：
-    TODO: 可以扩展为语义相似度匹配
+    1. 精确匹配（去空格、转小写、统一标点）
+    2. 编辑距离容错（≥4字答案允许≤2字符差异）
     """
     if not student_answer or not correct_answer:
         return False
 
-    # 标准化：去空格、转小写
+    # 标准化：去空格、转小写、统一标点
-    s = student_answer.strip().lower()
+    def _normalize(text: str) -> str:
-    c = correct_answer.strip().lower()
+        t = text.strip().lower()
+        # 统一常见中文标点变体
+        t = t.replace('（', '(').replace('）', ')').replace('，', ',')
+        t = t.replace('；', ';').replace('：', ':').replace('"', '"').replace('"', '"')
+        return t
 
-    return s == c
+    s = _normalize(student_answer)
+    c = _normalize(correct_answer)
+
+    if s == c:
+        return True
+
+    # 编辑距离容错：答案≥4字时允许≤2字符差异
+    if len(s) >= 4 and len(c) >= 4:
+        dist = _edit_distance(s, c)
+        if dist <= 2:
+            return True
+
+    return False
+
+
+def _edit_distance(s1: str, s2: str) -> int:
+    """计算两个字符串的编辑距离（Levenshtein）"""
+    if len(s1) < len(s2):
+        return _edit_distance(s2, s1)
+    if len(s2) == 0:
+        return len(s1)
+
+    prev_row = list(range(len(s2) + 1))
+    for i, c1 in enumerate(s1):
+        curr_row = [i + 1]
+        for j, c2 in enumerate(s2):
+            # 插入、删除、替换
+            insertions = prev_row[j + 1] + 1
+            deletions = curr_row[j] + 1
+            substitutions = prev_row[j] + (c1 != c2)
+            curr_row.append(min(insertions, deletions, substitutions))
+        prev_row = curr_row
+    return prev_row[-1]
 
 
 # ==================== AnswerGrader 类 ====================
@@ -237,7 +289,21 @@ class AnswerGrader:
 
         # 🔥 P1 改进：并发调用 LLM 批阅主观题
         if llm_questions:
-            self._grade_subjective_concurrently(llm_questions, results_map)
+            try:
+                self._grade_subjective_concurrently(llm_questions, results_map)
+            except Exception as e:
+                logger.error(f"主观题并发批阅整体异常: {e}")
+                # 兜底：为所有未完成的主观题设置失败状态
+                for ans in llm_questions:
+                    qid = ans.get('question_id')
+                    if qid not in results_map:
+                        results_map[qid] = {
+                            "question_id": qid,
+                            "score": 0,
+                            "max_score": ans.get('max_score', 10),
+                            "grading_status": "failed",
+                            "details": {"error": f"批阅系统异常: {str(e)}"}
+                        }
 
         # 🔥 P1 改进：按原始顺序重组结果
         results = [results_map.get(ans.get('question_id')) for ans in answers]
@@ -369,7 +435,7 @@ class AnswerGrader:
             prompt=prompt,
             model=self.model,
             temperature=0.3,
-            max_tokens=1000,
+            max_tokens=_get_effective_max_tokens(2000, self.model),
             messages=messages
         )
         if result is None:

exam_pkg/manager.py

@@ -154,7 +154,8 @@ def generate_questions_from_file(
 def analyze_file_for_exam(
     file_path: str,
     collection: str,
-    top_k: int = 50
+    top_k: int = 50,
+    max_total: int = None
 ) -> Dict[str, Any]:
     """
     分析文件内容，返回 AI 推荐的题型和数量
@@ -193,7 +194,7 @@ def analyze_file_for_exam(
         }
 
     # 2. 调用 AI 分析
-    return analyze_document_for_exam(chunks)
+    return analyze_document_for_exam(chunks, max_total=max_total)
 
 
 def retrieve_file_chunks_for_analysis(
@@ -311,6 +312,7 @@ def retrieve_file_chunks(
         engine = get_engine()
 
         # 按优先级遍历 collections，找到文件即停止
+        results = None
         for coll in collections:
             # 尝试两种格式：文件名和完整路径
             for source_filter in [filename, file_path]:
@@ -330,7 +332,7 @@ def retrieve_file_chunks(
             break  # 外层循环跳出
 
         chunks = []
-        if results.get('documents') and results['documents'][0]:
+        if results and results.get('documents') and results['documents'][0]:
             for i, (doc, meta, score) in enumerate(zip(
                 results['documents'][0],
                 results['metadatas'][0],