# WiseGrade（智评）项目指南

当前源码的索引版本为 5、证据政策为 2，最新迁移为 `0009`。解析与评分改进见 [第一轮优化说明](OPTIMIZATION_2026-10-12.md)，历史文档修订与失败恢复见 [第二轮优化说明](OPTIMIZATION_2026-10-13.md)，实际 PDF 流程发现的目录权限问题及最新升级边界见 [PDF 实流程说明](PDF_TEST_2026-10-13.md)。旧部署记录不表示本轮改动已在正式环境应用。

本指南统一维护部署、教师使用、技术设计和开发说明；项目简介和快速启动见 [README](../README.md)。整理日期：2026-09-30；会话实现说明沿用 2026-09-27 的记录。

部署与会话章节描述已有实现；“业务规则与技术设计”保留原始设计基线，其中标为初稿、建议或验收目标的内容不代表已全部实现。当前实现与验证边界见 [交接记录](../HANDOFF.md)，具体接口以代码和运行中的 `/docs` 为准。开发任务提示词集中在 [prompts](prompts/README.md)，不作为功能完成证明。

## 目录

- [部署与配置](#deployment)
- [教师使用](#usage)
- [业务规则与技术设计](#design)
- [会话与业务 Agent 实现](#agent)
- [开发与测试](#development)
- [故障定位与恢复](#troubleshooting)

<a id="deployment"></a>

## 部署与配置

WiseGrade 是单机单管理员教师端。Web 服务仅绑定 `127.0.0.1`，默认端口为 `18080`，可通过 `.env` 中的 `WISEGRADE_WEB_PORT` 修改。学生原件通过只读目录挂载进入容器，不经过浏览器上传。以下命令除明确切换目录外，均从仓库根目录执行。

### 准备

- Docker Engine + Compose v2（Linux），或 Windows Docker Desktop（WSL2 后端，运行 Linux 容器）。
- 一个存放学生材料的宿主机目录；其下每个批次目录包含 `学号_姓名_选题题目` 子目录。
- `deepseek-flash` 可访问的 OpenAI 兼容 API 地址和密钥；该端点必须支持文本、图片输入及原生 `tool_calls`。若只做评分而不使用对话，仍可沿用已有 JSON 调用。
- 离线嵌入模型包。默认使用 BAAI/bge-m3。内存不足时可改用 BAAI/bge-small-zh-v1.5。

仓库的 `docs/` 同时存放项目文档与课程示例资料；其中 PDF、DOC、DOCX 是课程资料，不是待导入的学生原件。旧版 `.doc` 只用于课程模板，经 LibreOffice 转换；学生输入只接受 PDF、DOCX、PPTX。
LibreOffice 已安装在后端 Docker 镜像中。按本指南使用容器时，教师不需要在 Windows 或 Linux 宿主机单独安装 LibreOffice；仅在脱离容器运行后端时才需自行安装。

### Linux 启动

```bash
cp .env.example .env
mkdir -p data/inbox data/processed data/exports models/bge-m3
```

编辑 `.env`：

```env
WISEGRADE_DATA_DIR=/absolute/path/to/WiseGradeData
DEEPSEEK_API_KEY=your-key
WISEGRADE_SECRET_KEY=用随机值替换且至少32位
EMBEDDING_MODEL_PATH=/models/bge-m3
```

也可以启动后在“模型设置”页面填写 API Key。密钥由后端加密保存，浏览器不会直接调用模型服务。`WISEGRADE_SECRET_KEY` 一旦用于加密设置，不要随意更换，否则已保存的密钥将无法解密。

```bash
docker compose up
docker compose ps
curl http://127.0.0.1:18080/api/health
```

打开 <http://127.0.0.1:18080>。`api` 启动时执行 Alembic 迁移并创建初始课程、目标、指标点和规则。评分任务由 `worker` 容器处理。

如 `18080` 端口已被占用，在 `.env` 中将 `WISEGRADE_WEB_PORT` 改为其他空闲端口，重新运行 `docker compose up -d`，并使用对应端口访问。

### Windows Docker Desktop 启动

1. 安装并启动 Docker Desktop，启用 WSL2 后端，保持 Linux 容器模式。
2. 在 PowerShell 中进入项目目录：`Copy-Item .env.example .env`。
3. 编辑 `.env` 中的 `WISEGRADE_DATA_DIR`，使用正斜杠绝对路径，例如 `D:/WiseGradeData`。不要在 `.env` 中添加引号。
4. 将离线模型目录放在 `models/bge-m3`，填写 API 配置和随机 `WISEGRADE_SECRET_KEY`。
5. 运行 `docker compose up`，访问 <http://127.0.0.1:18080>。

如果挂载失败，先确认 `WISEGRADE_DATA_DIR` 存在、Docker Desktop 已取得对应磁盘访问权，再运行 `docker compose config` 查看展开后的挂载路径。首次启动后若修改了 `.env` 中的 API Key 等配置，运行 `docker compose up -d --force-recreate api worker web`，使容器读取新值。当前仓库尚未在 Windows 实机验证上述路径和文件挂载。

### 离线模型包

应用镜像不在启动时下载 BGE-M3。将独立模型包解压到 `models/bge-m3/`，目录应包含模型权重、`config.json`、分词器文件及 SentenceTransformers 配置。容器中该目录只读映射为 `/models/bge-m3`。替代模型需同时修改：

```env
EMBEDDING_MODEL_NAME=BAAI/bge-small-zh-v1.5
EMBEDDING_MODEL_PATH=/models/bge-small-zh-v1.5
EMBEDDING_MODEL_VERSION=your-package-version
```

`EMBEDDING_MODEL_VERSION` 会写入每个评分批次快照。若模型目录缺失或内容不完整，导入仍可完成，知识库入库和评分会显示错误。可离线分发 `docker save` 生成的镜像包及单独的 `models-bge-m3.tar.zst`；目标机执行 `docker load -i docker-images.tar` 后解压模型包，运行相同的 Compose 配置。
也可以把模型复制进后端镜像，但当前 Dockerfile 和 Compose 采用只读目录挂载；若改成镜像内置模型，须同时调整构建上下文，并移除会遮盖镜像内 `/models` 的挂载。本机 BGE-M3 必需文件约 2.29 GB，后端镜像当前约 1.08 GB；直接内置后镜像未压缩体积预计约 3.37 GB。API 与 worker 可以共用镜像层，不必各存一份模型。独立模型包便于单独更新和分发。

扫描 PDF 的 OCR 使用 PaddleOCR。离线 OCR 包放在 `models/ocr/detection/` 和 `models/ocr/recognition/`，或修改 `OCR_MODEL_DIR` 指向包含这两个子目录的位置。没有 OCR 模型且 PDF 无可提取文字时，文件进入解析失败状态并显示原因；系统不会在解析时自动下载 OCR 模型。

下面这组 PP-OCRv5 mobile 中文识别模型已在 PaddleOCR 3.7.0 中验证。下载后将压缩包的顶层目录去掉，使 `detection/` 和 `recognition/` 内直接包含 `inference.yml`、`inference.json` 和 `inference.pdiparams`：

```bash
mkdir -p models/ocr/detection models/ocr/recognition
curl -fL -o models/ocr/PP-OCRv5_mobile_det_infer.tar https://paddle-model-ecology.bj.bcebos.com/paddlex/official_inference_model/paddle3.0.0/PP-OCRv5_mobile_det_infer.tar
curl -fL -o models/ocr/PP-OCRv5_mobile_rec_infer.tar https://paddle-model-ecology.bj.bcebos.com/paddlex/official_inference_model/paddle3.0.0/PP-OCRv5_mobile_rec_infer.tar
tar -xf models/ocr/PP-OCRv5_mobile_det_infer.tar --strip-components=1 -C models/ocr/detection
tar -xf models/ocr/PP-OCRv5_mobile_rec_infer.tar --strip-components=1 -C models/ocr/recognition
```

模型名称从各自的 `inference.yml` 读取，不能让 PaddleOCR 使用与离线权重不匹配的默认模型。模型目录经 Compose 只读挂载，放入权重后无需修改 `.env`。

<a id="usage"></a>

## 教师使用

### 课程、导入、评分与导出

1. 在“课程与规则”中查看初始课程版本和评分规则。已发布版本不能直接覆盖；复制草稿、编辑、保存并发布新版本。课程目标、指标点、选题方向、模板和三个 Prompt 都属于课程版本。
2. 在“知识库资料”中选课程版本并入库课程资料。入库使用本地嵌入模型和 PostgreSQL `pgvector`。
3. 在“目录扫描与导入”中浏览 `/data/inbox` 下的相对目录，选择学生总目录并扫描。修正学号、姓名、选题和材料类型；PPT 导出的 PDF 必须确认成“汇报PPT/PDF”。每类材料只选择一个文件。
   确认导入后，材料自动进入后台解析、必要 OCR 和索引任务；评分前即可检索已完成索引的报告。失败任务可从索引任务列表重试。
4. 在“评分批次”中选择已发布课程和规则版本，创建并启动批次。每次评分建立独立批次；重试不会覆盖其他批次。
5. 在“评分与复核”中查看逐项模型原始分、原文证据、页码、页面图像和异常。教师可逐项填写分数、评语和修改说明；修改历史单独保留。
6. 在“导出任务”中按批次导出 Excel，按学生导出 PDF 反馈。缺失或无法评分的项目显示待处理，不自动补零。

成绩权重和评分依据见下文“业务规则与技术设计”。

### 会话、范围与操作确认

打开系统默认进入空白“会话”草稿，点击“新建”立即切换到另一空白草稿，不弹窗、不写数据库。可在输入区直接提问，并在首次发送前反复选择或清除课程版本、评分批次和学生项目。发送首条非空消息时，会话和消息在同一事务保存；此后范围固定且在界面显示为只读。旧版留下的空会话仍可编辑范围。选择批次或项目会自动带入所属课程版本，清除课程版本会同时清除下级选择。范围固定后，工具不能读取范围之外的对象。会话列表、消息、引用、待确认操作和运行状态保存在数据库，刷新后可查看历史会话；刷新或再次进入页面仍打开新草稿。

可先问“列出课程版本”“扫描 batch 目录”“查看批次 3 的失败评分项”“查询项目 12 的报告实验数据”。课程目标与规则来自数据库；指定批次时使用批次创建时的快照。课程资料和报告通过 BGE-M3/pgvector 检索，回答附资料名、页码或幻灯片编号、原文片段和来源链接。评分证据与 Agent 检索引用都使用 `KnowledgeDocument` 的文档 ID、页码，对应同一 `KnowledgePage`：`/api/knowledge/documents/{id}/pages/{page}` 返回该页完整提取文字，`/image` 返回存在的页面 PNG。评分引用另有“查看评分”链接。历史引用由迁移 `0005` 一次性改写为这些统一地址；会话读取不再猜测旧图像链接。实体 PDF、DOCX、PPTX 页面经解析后通常同时有文字和图像；数据库直接生成的课程目标、评分规则等虚拟资料没有实体页面图像，只提供文字。没有证据时应明确说明。正式回答上方的“工具调用”先整体折叠，展开后每次调用仍独立折叠，可逐项查看参数和结果；回答末尾的“引用”也默认整体折叠。会话页不显示全局后台进度卡片，正在运行的会话仍在列表中标记。

扫描只读，可直接执行。导入、课程资料入库、创建批次、启动或重试、教师复核、导出和索引重试会生成确认卡片。卡片列出目标、范围、现值、新值及异常；教师点击“确认执行”才写入。模型工具白名单没有确认工具，聊天文字也不能代替按钮。导入候选有重复、识别异常或待确认文件时，卡片禁用确认；教师在卡片中修正身份、类别和文件选择，再“更新预览”。导入确认同时授权后台解析、必要 OCR 和项目索引。

教师复核必须在当前消息明确写出分数，例如“给 8 分”。Agent 可草拟评语，确认卡片展示批次、学生、评分项、模型原分、教师原分、证据、异常、新分和修改原因。失败或无法评分的项也可人工复核；原始模型分、证据和教师修改历史保留。

<a id="design"></a>

## 业务规则与技术设计

以下保留初始业务约束、数据示例和设计要求。会话、持久任务及统一证据页的增量实现见[会话与业务 Agent 实现](#agent)；原始页面清单和 API 初稿仅供理解设计。

### 项目概述

#### 项目目标

构建一个前后端分离的自动评分系统，对自动化专业综合实践课程中的以下材料进行内容评分：

1. 阶段报告 1
2. 阶段报告 2
3. 阶段报告 3
4. 最终报告
5. 汇报 PPT，或 PPT 导出的 PDF

系统输出可复核的逐项评分、原文证据、页码或幻灯片编号、缺失内容、评语和改进建议。

#### 非目标

第一版不实现：

- 学生账号和在线提交
- 现场口头答辩、答辩视频和语音评分
- 学生个人贡献度自动识别
- 代码仓库自动审查
- AI 生成内容检测
- 自动控制实验硬件的远程接入

课程评分表中的“汇报答辩 40 分”保留原名称，但本系统只依据 PPT 内容或 PPT PDF 内容评分，不评价现场口头答辩。

### 已确定的业务规则

#### 教师使用流程

系统只供教师使用，采用单机单管理员模式。教师不需要创建学生账号。

教师流程：

```text
选择课程和学期
  -> 选择评分规则版本
  -> 选择挂载数据目录中的学生总文件夹
  -> 扫描学生子文件夹
  -> 自动识别学生信息和五类材料
  -> 教师确认导入结果
  -> 批量解析和评分
  -> 查看模型评分和证据
  -> 修改分数和评语
  -> 导出 Excel 成绩表和逐生 PDF 反馈
```

#### 学生目录结构

宿主机数据目录示例：

```text
WiseGradeData/
└── 2026春季第1批/
    ├── 1023009006_李傲琦_基于ROS2系统的自瞄移动机器人/
    │   ├── 阶段报告1.pdf
    │   ├── 阶段报告2.pdf
    │   ├── 阶段报告3.pdf
    │   ├── 自动化专业综合实践报告.pdf
    │   └── 汇报PPT.pptx
    └── 其他学生/
```

学生目录命名格式：

```text
学号_姓名_选题题目
```

文件夹名称只用于初步识别。系统还要从文件首页、标题和正文中抽取姓名、学号、项目题目和选题方向，并在不一致时提醒教师确认。

#### 支持文件

支持：

- PDF
- DOCX
- PPTX
- PPT 导出的 PDF

不支持旧版 `.doc` 作为学生输入。

PPT PDF 必须在导入确认阶段标记为“汇报材料”，以免与最终报告 PDF 混淆。

#### 成绩结构

总评成绩：

```text
总评 = 阶段报告1 × 10%
     + 阶段报告2 × 10%
     + 阶段报告3 × 10%
     + 期末成绩 × 70%
```

期末评分保持课程评分表结构：

| 评分项 | 分值 |
|---|---:|
| 任务完成度 | 20 |
| 报告规范性 | 20 |
| 汇报答辩（系统仅按 PPT 内容评价） | 40 |
| 结果分析 | 20 |

#### 评分批次

每次评分创建独立批次。批次之间不覆盖、不替代，也不设置唯一“正式批次”。每个批次均可查看、复核和导出。

批次必须保存：

- 课程版本
- 评分规则版本
- 课程目标版本
- `deepseek-flash` 模型配置快照
- 嵌入模型名称和版本
- 创建时间和结束时间
- 评分任务状态

### 课程和评分依据

初始资料位于 `docs/`：

- `课程导学-自动化专业综合实践.pdf`
- `自动化专业综合实践三融合选题课程概述.pdf`
- `大作业评分表-自动化专业综合实践.docx`
- `阶段报告1模板.doc`
- `阶段报告2模板.doc`
- `阶段报告3模板.doc`
- `阶段报告1.pdf`
- `阶段报告2.pdf`
- `阶段报告3.pdf`
- `自动化专业综合实践报告.pdf`

#### 课程目标和毕业要求指标点

系统初始知识库必须包含并建立关联：

- 课程目标 1：问题解决与研究能力
- 课程目标 2：知识运用与分析能力
- 课程目标 3：实验设计与操作能力
- 课程目标 4：数据处理与报告撰写能力
- 毕业要求指标点 2.3、2.4
- 毕业要求指标点 4.1、4.2、4.3、4.4
- 毕业要求指标点 11.1、11.2

#### 阶段报告要求

##### 阶段报告 1：复杂自动化工程问题解决方案论证报告

重点内容：

- 文献调研和技术现状
- 复杂工程问题分析
- 主方案和至少一套替代方案
- 方案原理、适用场景和优劣对比
- 数理或工程依据下的可行性论证
- 进度计划、资源配置、成本构成和经济性分析

初始评分框架：

| 评分项 | 分值 |
|---|---:|
| 复杂工程问题和需求分析 | 25 |
| 文献调研和技术现状总结 | 20 |
| 主方案和替代方案设计 | 25 |
| 可行性、风险和合理性论证 | 15 |
| 工程管理、进度和成本分析 | 10 |
| 报告完整性和规范性 | 5 |
| 合计 | 100 |

##### 阶段报告 2：实验系统设计与硬件搭建方案

重点内容：

- 硬件选型清单、参数和依据
- 系统架构图、硬件连接或接口关系
- 分步骤实验计划、测试方法和预期指标
- 安全风险、防护措施和操作规范

初始评分框架：

| 评分项 | 分值 |
|---|---:|
| 系统架构和实现思路 | 20 |
| 硬件选型及选型依据 | 20 |
| 系统框图、连接关系和接口设计 | 20 |
| 实验方案、测试方法和预期指标 | 20 |
| 安全风险和防护措施 | 10 |
| 阶段进展及下一阶段计划 | 10 |
| 合计 | 100 |

##### 阶段报告 3：软件设计与系统调试报告

重点内容：

- 软件逻辑、流程图或状态图
- 核心代码片段和实现说明
- 调试过程、故障现象、原因和解决方法
- 实验数据整理和初步分析
- 系统功能、性能指标和存在问题

初始评分框架：

| 评分项 | 分值 |
|---|---:|
| 软件逻辑和系统实现 | 20 |
| 核心代码和功能说明 | 20 |
| 调试过程、问题分析和解决方法 | 20 |
| 实验数据和初步分析 | 20 |
| 功能和性能指标验证 | 15 |
| 下一阶段计划及报告规范性 | 5 |
| 合计 | 100 |

阶段评分框架必须作为可编辑的初始规则导入，不能写死在业务代码中。

### 总体架构

```text
React 前端
    |
FastAPI 后端
    |-- 课程、版本和规则管理
    |-- 挂载目录扫描和导入
    |-- 文档解析和事实抽取
    |-- RAG 检索
    |-- 评分编排和批次管理
    |-- 教师复核
    |-- Excel/PDF 导出
    |
PostgreSQL + pgvector
Redis + RQ
本地文件存储
本地 BGE-M3 嵌入模型
DeepSeek API（deepseek-flash）
```

采用模块化单体后端，不在第一版拆分成大量微服务。模块边界清晰，后续可以拆分。

#### 推荐技术栈

- 前端：React、TypeScript、Vite、Ant Design
- 后端：Python、FastAPI、SQLAlchemy、Pydantic
- 数据库：PostgreSQL、pgvector
- 后台任务：Redis、RQ
- PDF 解析：PyMuPDF
- DOCX 解析：python-docx
- PPTX 解析：python-pptx
- 页面转换：LibreOffice headless
- OCR：PaddleOCR，扫描 PDF 时作为回退
- 本地嵌入：`BAAI/bge-m3`
- 模型调用：OpenAI 兼容客户端，统一模型名 `deepseek-flash`
- Excel：openpyxl 或 pandas
- PDF 反馈：HTML/CSS + WeasyPrint 或 Playwright
- 部署：Docker Compose

### 宿主机目录挂载方案

原始学生材料不通过浏览器上传。前端只选择后端可见的挂载目录下的大文件夹，后端扫描和读取文件。

挂载路径与平台配置统一见[部署与配置](#deployment)。

#### 路径安全

- 后端只允许访问 `/data/inbox`
- 前端只提交挂载目录内的相对路径
- 禁止提交绝对路径
- 后端必须执行路径规范化和越界检查
- 原始输入目录只读挂载
- 解析结果、任务状态和导出文件写入独立目录

#### 文件变更检测

导入时保存：

- 相对路径
- 文件大小
- 修改时间
- SHA-256
- MIME 类型
- 解析状态

若文件哈希未变化，不重复解析和向量化。源文件变化时提示重新导入。

### 文档解析和结构化

#### 统一文档对象

每个文档解析为：

```json
{
  "document_type": "stage1",
  "source_path": "...",
  "pages": [
    {
      "page_number": 1,
      "text": "...",
      "tables": [],
      "images": [],
      "rendered_image_path": "..."
    }
  ]
}
```

必须保留页码、章节名、表格和图片关联。

#### 文件识别

支持通过以下信号识别材料类型：

- 文件名关键词
- 文件扩展名
- 文档标题
- 首页文本
- 章节标题
- PPT 页数和标题

识别结果包括：

```text
确定
不确定
缺失
重复
无法解析
```

不确定的文件进入教师确认界面。

#### PPT/PDF 视觉处理

- 提取 PPT 原生文字、表格和备注
- 将每一页渲染为图片
- PDF 每页保存页面图像
- 评分相关页面连同文字一起发送给 `deepseek-flash`
- 图片证据必须关联页码或幻灯片编号

### RAG 方案

#### 知识库分层

##### 公共课程知识库

- 课程导学
- 课程目标
- 毕业要求指标点
- 评分表
- 三个阶段模板
- 各选题方向要求
- 优秀报告
- 课程版本资料

##### 学生项目知识库

每个学生独立命名空间：

```text
course_2026/project_1023009006/
  stage1/
  stage2/
  stage3/
  final_report/
  presentation/
```

禁止评分时检索其他学生的材料。

#### 文本切分

- 按标题和章节进行结构感知切分
- 普通文本块约 400～800 个中文字符
- 重叠约 80～120 个中文字符
- 表格单独保存
- 图片及图片说明单独保存
- 每块必须保留页码、页面类型、章节、文档类型和评分指标关联
- 目录页文本作为导航块单独存放，不与正文块混同

#### 检索

采用混合检索：

```text
pgvector 向量检索
+ 中文二元组关键词检索
+ 课程版本过滤
+ 学生项目过滤
+ 报告类型过滤
+ 阶段过滤
+ 页面类型过滤
```

过滤在取候选之前完成，两个召回各自独立进行，再按排名融合。默认每个评分项送模型 8～12 个候选证据块，跨目标合计上限 14 块。

#### 嵌入模型

默认使用本地 `BAAI/bge-m3`；离线包、替代模型和版本配置见[部署与配置](#deployment)。

### DeepSeek 接入

#### 统一模型

只使用一个模型配置：

```yaml
provider: deepseek
base_url: https://api.deepseek.com
model: deepseek-flash
```

同一个模型负责：

- 文本理解
- 图像理解
- 事实抽取
- 评分
- 评语生成
- PPT 分析
- 跨文档一致性检查

#### 密钥管理

教师可以在设置页面配置：

- API Key
- Base URL
- 模型名
- 并发数
- 超时时间
- 重试次数

安全要求：

- 前端不直接调用 DeepSeek
- API Key 只发送给后端
- 数据库保存加密后的密钥
- 日志禁止输出 API Key
- 支持环境变量初始化

#### 发送数据范围

原始文件保存在本地。模型请求只发送当前评分项所需的：

- 文本证据块
- 表格内容
- 必要的页面图片
- 课程评分标准
- 已抽取的项目事实

不把全部报告无条件重复发送给每一个评分项。

### 评分引擎

评分采用多阶段流程：

```text
文件导入
  -> 文档解析
  -> 项目事实抽取
  -> 规则检查
  -> 指标级 RAG 检索
  -> 指标级评分
  -> 跨文档一致性检查
  -> 分数汇总
  -> 教师复核
```

#### 事实抽取

抽取：

- 学号、姓名、项目名称
- 选题方向
- 功能目标
- 性能指标
- 硬件型号
- 软件技术
- 实验方案
- 实验数据
- 进度计划
- 成本信息
- 结论和改进方向

#### 评分输出

每个评分项必须返回结构化 JSON：

```json
{
  "criterion_id": "stage1.solution_design",
  "score": 17,
  "max_score": 20,
  "reason": "...",
  "evidence": [
    {
      "document": "阶段报告1",
      "page": 12,
      "quote": "...",
      "target_id": "t0"
    }
  ],
  "missing_evidence": ["..."],
  "suggestion": "...",
  "confidence": 0.84
}
```

模型不得对没有证据的内容自行假设。结构化输出必须经过 Pydantic 校验；失败时自动重试或进入人工处理。`score` 允许为 `null`：当规则要求正文证据而检索只能给出目录、摘要或章节标题时，模型必须返回 `null`，不得据此判断学生内容缺失。

每条引文必须通过三类校验：原文与页码一致、来源页面类型在该目标允许范围内、内容性判断不得只由目录、摘要或单独章节标题支撑。页面权限和状态转换由代码执行；模型的说明或推理不能改变它。

#### 页面类型与证据政策

每份资料的每一页都带一个页面类型，随页面持久化并可供检索、评分、复核和会话查询：

| 页面类型 | 含义 | 能否作为内容证据 |
|---|---|---|
| `cover` | 封面、标题页 | 否（结构目标可用） |
| `abstract` | 摘要、Abstract | 否（结构目标可用） |
| `toc` | 目录及其续页 | 否（结构目标可用） |
| `body` | 正文 | 是 |
| `appendix` | 附录 | 是 |
| `references` | 参考文献、致谢 | 否（结构目标可用） |
| `unknown` | 识别有疑义 | 否 |

判定结合页首标题、章节条目密度、点线与末尾页码、摘要／参考文献措辞、封面字段和页脚样式，并由文档级连续性识别跨页续目录、连续摘要和连续参考文献。它不依赖"目录"一词或固定页号；重复页眉页脚在建立索引前清理。识别依据（各项信号、置信度和分类器版本）与页面一起保存，便于教师核查。

目录与正文共处一页时标为混合页，只对该页按文本块区分：正文块仍作为正文检索，不被整页排除。

`required_evidence` 的目标带 `use` 属性，并随批次快照保存：

- `use: structure`：封面、目录、参考文献等页面可以满足，例如"章节""参考文献"。
- `use: content`：只允许正文和附录中的实质段落、数据或表格。

评分规则沿用历史上的字符串数组形式；读取时按下述语法转换，批次快照记录转换结果和 `POLICY_VERSION`，因此旧批次始终可按当时的规则重读。

#### 检索

每个必备证据目标分别检索：先限定课程版本、学生项目、材料类别和允许的页面类型，再取候选。**页面过滤发生在候选数量限制之前**，目录页不会因为得分高而挤掉正文页。

语义匹配和中文关键词匹配各自召回候选池，再按排名倒数（RRF）融合；不对未归一化的语义分和关键词分直接相加。

关键词召回不使用 PostgreSQL 的 `to_tsvector('simple', …)`：该配置没有中文分词，整个中文串会成为一个词元。在课程报告上实测，查询"文献调研"无法命中含"第2章文献调研与技术现状"的页面，因此现有实现里关键词分长期接近零。现在改用字符二元组加 ASCII／数字整词的重叠度，无需扩展且在各数据库上行为一致。

名额分配优先分散到不同页面；有了可靠章节路径后对同一章节设软上限；名额不足时回填同页或同节的其他正文片段，但不会放宽证据类型。

内容目标在正文中没有命中时，利用目录标题匹配实际正文标题，补检该章节及其相邻正文页。目录只作导航，最终内容引文必须落在实际正文页。

评分发送给模型的页面图像优先选择相关的不同正文页，而不是目录页；评分最终送模型的片段数量保持受控，Agent 搜索同样受控。

#### 待教师复核

"待教师复核"是与材料缺失、解析失败、模型调用失败并列的独立状态：

- 材料缺失、重复、待确认或解析失败 → `unscorable`
- 模型调用或校验失败 → `failed`
- 内容目标补检后仍只有目录或摘要命中 → `needs_review`

进入待复核时模型分为 `null`，总分保持待处理，系统不会自动给低分或断言学生未写。评分项记录缺失的正文证据目标和当时的检索范围，该记录在教师复核后仍然保留。批次状态为"已完成，有待复核项"（`review_required`），仪表盘的待处理数包含待复核项。

教师可对任何状态的评分项复核，包括待复核项；教师评分输入框不预填 0。

#### 跨文档一致性

至少检查：

- 阶段 1 计划是否在阶段 2、3 中落实
- 各报告中的项目名称、硬件型号和技术路线是否一致
- 实验数据是否前后一致
- 最终报告和 PPT 是否描述同一成果
- 指标是否存在明显夸大或矛盾

### 规则配置和版本管理

规则不能写死在 Prompt 或 Python 代码中。

#### 评分指标结构

```yaml
criterion_id: stage1.solution_feasibility
name: 方案合理性与可行性
max_score: 15
description: 评价方案是否具有工程依据、可实施性和风险分析
linked_outcomes: [2.3, 2.4, 4.1]
required_evidence:
  - label: 主方案
    use: content          # 只能用正文或附录的实质段落证明
  - label: 替代方案
    use: content
  - label: 章节
    use: structure        # 目录即可证明章节存在
score_levels:
  - min: 12
    max: 15
    description: 论证充分，方案比较清晰，风险分析具体
  - min: 6
    max: 11
    description: 基本完成论证，但证据或分析不充分
  - min: 0
    max: 5
    description: 缺少核心论证
```

`required_evidence` 也接受历史上的字符串数组（`required_evidence: [主方案, 替代方案]`）。读取时按措辞判定 `use`：提到标题、封面、目录、章节、参考文献、格式、附录等报告包装字样的目标为 `structure`，其余为 `content`。判定结果与 `POLICY_VERSION` 一起写入批次快照，不修改已发布的规则文本。

#### 版本要求

课程、课程目标、毕业要求、模板、评分规则和 Prompt 都需要版本号。评分批次保存完整版本快照。

教师修改规则后创建新版本，不覆盖历史版本。

### 核心数据表

建议至少包含：

```text
courses
course_versions
course_objectives
graduation_indicators
topic_directions
rubric_versions
rubric_criteria
rubric_score_levels
knowledge_documents
knowledge_pages
knowledge_chunks
students
projects
submissions
submission_files
scoring_batches
criterion_scores
score_evidences
teacher_revisions
export_tasks
app_settings
audit_logs
```

#### 评分批次

```text
scoring_batches
  id
  course_version_id
  rubric_version_id
  model_name
  model_config_snapshot
  embedding_model_name
  embedding_model_version
  status
  created_at
  finished_at
```

#### 评分项结果

```text
criterion_scores
  id
  batch_id
  project_id
  criterion_id
  model_score
  teacher_score
  final_score
  model_comment
  teacher_comment
  confidence
  status
```

```text
final_score = teacher_score（存在时）或 model_score
```

模型原始结果不得被教师修改覆盖。

### 前端页面

第一版页面建议：

1. 仪表盘
2. 课程管理
3. 课程版本和评分规则管理
4. 课程资料/知识库管理
5. 数据目录扫描与导入确认
6. 学生项目列表
7. 评分批次列表
8. 批量评分进度
9. 学生评分详情
10. 证据和页码查看
11. 教师复核
12. Excel/PDF 导出
13. 模型和系统设置

### 后端 API 初稿

#### 课程和规则

```text
GET    /api/courses
POST   /api/courses
GET    /api/courses/{id}/versions
POST   /api/courses/{id}/versions
GET    /api/rubrics/{version_id}
PUT    /api/rubrics/{version_id}
POST   /api/rubrics/{version_id}/publish
```

#### 文件扫描和项目导入

```text
GET    /api/storage/directories
GET    /api/storage/directories/{relative_path}/children
POST   /api/import/scan
POST   /api/import/confirm
GET    /api/projects
GET    /api/projects/{id}
```

#### 评分

```text
POST   /api/scoring-batches
GET    /api/scoring-batches
GET    /api/scoring-batches/{id}/progress
POST   /api/scoring-batches/{id}/start
GET    /api/scoring-batches/{id}/scores
GET    /api/projects/{id}/scores?batch_id={batch_id}
PUT    /api/criterion-scores/{id}/review
```

#### 导出

```text
POST   /api/exports/excel
POST   /api/exports/project-pdf
GET    /api/exports/{id}
```

### 缺失和异常处理

材料状态：

```text
已提交
缺失
重复
无法解析
内容不完整
待人工确认
```

处理原则：

- 缺失阶段报告：该阶段进入待人工处理，不默认静默给零分
- 缺失 PPT：汇报材料项显示无法评分
- 缺少章节：按照对应评分项判断并扣分
- 文件损坏：进入人工确认列表
- DeepSeek 调用失败：自动有限重试，仍失败则标记评分项失败
- 评分批次允许部分完成，但导出时必须显示未完成项目

<a id="agent"></a>

## 会话与业务 Agent 实现

会话交互及确认规则见[教师使用](#usage)。以下记录数据、模型边界、接口与运行恢复机制。

### 数据与任务

迁移 `0003` 添加会话、消息、运行、待确认操作、索引任务和批次固定项目清单；`0004` 添加首次请求幂等键与有界工具进度记录；`0005` 回填完整资料页文字与相对图像路径，并将历史会话中的引用一次性转换为统一页面链接；`0006` 为页面和检索片段添加页面类型、混合页标记、章节路径，为评分证据添加所属证据目标与历史标记，并新增评分项的缺证据记录。检索片段的文字和 1024 维向量保存在 PostgreSQL 的 `knowledge_chunks`；供教师核对的完整页文字单独保存在 `knowledge_pages`，避免以有重叠的检索片段拼接页面。PNG 文件位于共享 `data/processed/`，数据库只存相对于处理目录的路径；学生原件仍只读挂载在 `/data/inbox`。新批次在创建时保存项目 ID 列表；评分、结果查询和导出都使用该列表。旧批次该字段为 `NULL`，界面显示“历史项目清单未知”，只能按课程版本当前项目兼容读取，不能声称还原了创建时的范围。批次状态为 `created`、`queued`、`running`、`partial`、`failed`、`completed`、`review_required`；`review_required` 表示评分已结束但仍有待教师复核项，与部分完成不同。重复启动已入队或运行中的批次返回冲突。重试保留已评分项和教师复核。

索引版本 `0006` 起为 3。分块方式已改变（目录页不再作为正文文本），因此旧版本的索引不会被就地当作已分类正文使用：文档保留原有 `index_version`，在重建完成前不参与检索，教师可先在上线前查看 `/api/knowledge/stale/{course_version_id}` 的待重建清单。重建任务类型为 `reindex`，只从已保存的解析结果重建，不重新读取或修改学生原件；重复执行会跳过已是最新版本和源文件已变化的文档，并记录到审计日志。

导入后的每个待解析文件对应持久 `IndexTask`。worker 复用评分的解析和 RAG 入库代码；同一文件用共享处理目录中的文件锁串行化，避免自动索引与评分竞争写入。任务有 queued/running/completed/failed 状态、错误和重试入口。课程资料入库在会话中也作为索引任务执行。若 Redis 不可用，导入数据仍保存，索引任务标记失败并可重试。原始学生文件只从只读 `/data/inbox` 读取，文件 SHA-256 在预览和确认时复查。

导入后的每个待解析文件对应持久 `IndexTask`。worker 复用评分的解析和 RAG 入库代码；同一文件用共享处理目录中的文件锁串行化，避免自动索引与评分竞争写入。任务有 queued/running/completed/failed 状态、错误和重试入口。课程资料入库在会话中也作为索引任务执行。若 Redis 不可用，导入数据仍保存，索引任务标记失败并可重试。原始学生文件只从只读 `/data/inbox` 读取，文件 SHA-256 在预览和确认时复查。

待确认操作保存不可变参数、20 分钟有效期、幂等键和预期数据状态。确认时再次比对课程发布状态、规则与项目范围、批次状态、成绩与文件哈希。状态变化返回“重新预览”；重复确认已完成操作返回原结果。执行与会话 ID 写入审计日志。服务异常的操作标记失败，需重新准备；若进程在执行中崩溃，卡片保留 `executing` 状态，管理员应先核查实际业务记录再处理，不应直接重复写入。

批次汇总从数据库和现有权重规则计算完成数、未完成数、状态数量、分布、模型原始分均值和教师最终分均值。只有完整项目参与成绩均值及分布；失败、无法评分和待处理项不补零。详情仍可按学生、批次和评分项状态筛选。

### 模型与安全边界

会话使用模型设置页的 OpenAI 兼容 `/chat/completions` 地址、模型和后端 API Key。适配层按 [DeepSeek 原生工具调用文档](https://api-docs.deepseek.com/guides/tool_calls) 发送 `tools`，在每轮前用不含学生资料的 `wisegrade_ping` 最小探针验证端点会返回 `tool_calls`。当前 `deepseek-flash` 端点支持自动工具选择，但拒绝强制 `tool_choice="required"`，因此探针采用 `auto` 并检查返回结构。模型不支持时会显示明确配置错误，不会伪装工具已执行。既有评分 `json_call` 保持原有 JSON 行为。

内容检索和结构查询使用与评分相同的证据政策。`search_project_material` 只返回正文和附录片段，`search_project_structure` 返回目录条目与章节结构并明确说明这些信息不能证明章节内容，`get_document_pages` 列出各页的页码、页面类型和章节，`search_document` 在单份资料内检索正文。工具返回页面类型和稳定的引用标识（`citation_id`），每项标注 `source_role` 为 `content` 或 `structure`。评分工具返回的旧引文标记为历史评分引用（`source` 为 `historical_score_evidence`），不会被当作报告正文证据。

工具输入由 Pydantic 校验，后端再校验课程、批次和项目关系。每条教师消息默认最多调用工具 32 次，成功、失败与跳过的尝试均计数；模型最多请求 33 轮，以便用完工具次数后还能生成回答。同一轮中工具名和经校验的参数（含默认分页值）完全相同时，后续调用会标为“已跳过”，模型收到前次调用标识并使用此前结果，不再执行工具；不同查询词、筛选或分页偏移仍会正常执行。可在 `.env` 中通过 `CHAT_MAX_TOOL_CALLS` 调整工具上限（1–64），修改后重新创建 API 容器。`get_scores` 每次最多返回一个项目的六项评分，响应给出 `next_criterion_offset` 和 `next_project_offset` 供继续查询；长结果保留结构化评分数据，不再变成无内容的截断提示。检索工具的运行记录保留每次调用找到的有界原文片段；回答引用对各次调用的证据去重后保存，不再只取前 20 条。工具没有任意 SQL、任意文件路径、HTTP 请求、代码执行或确认能力。检索片段只作为数据，不作为工具指令。模型只收到当前问题所需的规则摘要、检索片段或紧凑统计；API Key 不写入日志或会话表。

### API 与故障恢复

草稿仅存在于浏览器；`POST /api/conversations/first-message` 以 UUID 请求键原子创建会话、首条教师消息及运行，重复请求返回同一 ID。`POST /api/conversations` 保留给旧客户端。`GET /api/conversations` 返回列表和各会话运行标识；`GET /api/conversations/{id}` 恢复消息、卡片、工具记录和运行状态；`PUT /api/conversations/{id}/scope` 仅允许首条教师消息前编辑范围；`DELETE /api/conversations/{id}` 删除非运行中的会话。删除会话会清理消息、运行与待确认卡片，不回滚已经确认的业务操作，相关业务审计仍保留。`POST /api/conversations/{id}/messages/start` 在提交消息后启动独立后台运行；`GET /api/conversations/{id}/runs/{run_id}/events` 可按运行 ID 订阅持久 SSE 事件。旧版 `POST /api/conversations/{id}/messages` 继续提供 SSE 的 `run`、`tool`、`message`、`error`、`done` 事件。确认、取消和导入编辑分别为 `POST /api/conversations/{id}/actions/{action_id}/confirm|cancel|edit-import`。索引任务可通过 `GET /api/index-tasks`、`GET /api/index-tasks/{id}` 查询，失败任务可重试。Nginx 对消息流关闭代理缓冲并设置 900 秒读取超时。

回答生成由后台线程执行，页面切换或 SSE 断开不会停止运行；前端按运行 ID 订阅 SSE，并轮询列表和当前会话详情恢复进度，可同时运行多个不同会话。同一会话仍拒绝并发发送。刷新后默认打开新草稿，点击历史会话即可查看正在运行的工具状态或最终结果。运行中的会话删除返回冲突，应待完成后重试。服务进程异常留下的 `running` 记录超过 15 分钟，在读取会话时标为中断。模型失败时，已提交的教师消息仍保留，可在同一会话继续提问。工具记录保存有界查询词、筛选、分页及必要标识；教师复核评语和原因只显示省略标记，未知字段与密钥不保存。旧记录中未保存的检索查询词无法还原，界面明确标明；旧评分记录可从工具结果恢复实际分页偏移。检索工具记录有界原文片段，评分工具记录有界评分行，其他工具记录结构摘要。回答按安全 Markdown 渲染，HTML 不执行，链接仅允许 HTTP(S)；工具过程在回答上方，引用在回答最后，二者默认折叠。待确认卡片始终独立显示。若嵌入模型或 OCR 缺失，任务保留具体失败原因；补齐离线模型后重试。若课程资料缺失、原件哈希变化、课程或批次状态变化，应重新预览。

<a id="development"></a>

## 开发与测试

### 本地开发和测试命令

Python 依赖由 `backend/pyproject.toml` 管理：

```bash
cd backend
uv sync --extra ocr --group dev
uv run alembic upgrade head
uv run uvicorn wisegrade.main:app --reload
```

测试从仓库根目录运行：

```bash
docker compose --profile test run --build --rm test
```

先验证无需真实 API Key 的测试可运行：`docker compose --profile test run --build --rm test pytest -q -m 'not integration'`。宿主机运行同一测试时，须把 `TEST_DATABASE_URL` 指向独立 PostgreSQL 测试库，并将 `EMBEDDING_MODEL_PATH` 指向本机离线模型目录。完整集成测试会访问真实模型，应单独执行和记录。

测试使用独立的 PostgreSQL 16 + pgvector 容器和 `test-redis`，不连接业务数据库或业务任务队列。每个数据库测试创建临时数据库，执行 Alembic 迁移后运行，结束时删除；`test-db` 的数据目录为 tmpfs，不会写入业务数据卷。测试会从 `.env` 读取真实 DeepSeek API Key，并加载 `models/bge-m3` 和 `models/ocr` 中的离线模型；完整流程测试会发起真实模型请求。在宿主机直接运行 `uv run pytest` 时，需先设置指向专用 `wisegrade_tests` 数据库的 `TEST_DATABASE_URL`（使用 `postgresql+psycopg` 驱动，账号需有创建数据库的权限），并提供可用的模型配置。

本地开发需提供 PostgreSQL、Redis 和与容器路径一致的挂载目录；可用 Compose 启动 `db` 和 `redis`。Vite 前端：

```bash
cd frontend
npm install
npm run dev
```

开发服务器将 `/api` 代理到 `localhost:8000`。集成测试从仓库 `docs/` 复制阶段报告 1、2、3 与最终报告，并生成一份汇报 PDF 测试材料。

### 测试要求

#### 单元测试

- 目录扫描
- 学号/姓名/题目解析
- 文件类型识别
- 路径越界防护
- 文件哈希检测
- 规则权重计算
- 缺失材料处理
- 分数汇总
- 评分 JSON 校验
- 版本绑定

#### 集成测试

- 从示例材料导入到项目生成
- PDF/DOCX/PPTX 解析
- PPT PDF 识别
- 知识库入库和检索
- 模型 API mock 调用
- 评分批次创建、运行和查询
- 教师修改分数
- Excel 导出
- PDF 反馈导出

#### 验收测试

至少使用当前 `docs/` 中的示例材料完成一次完整流程：

```text
扫描目录
  -> 导入学生项目
  -> 解析五类材料
  -> 创建评分批次
  -> mock 或真实调用 deepseek-flash
  -> 查看逐项证据
  -> 修改分数
  -> 导出 Excel
  -> 导出学生 PDF 反馈
```

不应在测试中提交真实 API Key。使用环境变量或 mock 服务。

### Git 开发约定

必须创建合理的 `.gitignore`，至少忽略：

```text
.env
data/processed/
data/exports/
models/
__pycache__/
.pytest_cache/
node_modules/
dist/
*.pyc
```

开发和测试过程中按阶段提交，推荐提交节点：

```text
chore: initialize project structure
feat: add backend foundation
feat: add course and rubric versioning
feat: add mounted directory scanning
feat: add document parsing pipeline
feat: add knowledge base and hybrid retrieval
feat: add deepseek-flash adapter
feat: add scoring batch orchestration
feat: add teacher review workflow
feat: add excel and pdf exports
test: add integration coverage
docs: add deployment and usage guides
```

每个提交应保持可理解、可回退、尽量可运行。禁止把 API Key、真实学生隐私数据和模型权重提交到 Git。

### 原始开发阶段（历史规划）

以下优先级保留为初始实施顺序，不是当前待办清单；接手事项见 [HANDOFF](../HANDOFF.md)。

#### P0：可运行骨架

- Git、README、Docker Compose
- 前端和后端健康检查
- 数据库迁移
- 单管理员设置

#### P1：课程和导入

- 课程版本和规则配置
- 挂载目录扫描
- 学生目录识别
- 文件识别和导入确认

#### P2：解析和知识库

- PDF/DOCX/PPTX 解析
- 页面渲染
- OCR 回退
- BGE-M3 嵌入
- pgvector 混合检索

#### P3：评分

- 事实抽取
- 指标级 RAG 评分
- 跨文档一致性检查
- 批次状态和失败重试

#### P4：复核和导出

- 教师修改分数和评语
- Excel 成绩表
- 逐生 PDF 反馈
- 审计日志

#### P5：验收和部署

- 示例材料完整验收
- Linux 部署文档
- Windows Docker Desktop 部署文档
- 离线模型包说明

### 第一版验收目标

以下是验收目标，不代表所有平台和场景已实测。

当以下条件全部满足时，第一版系统完成：

- Linux 上可以通过 Docker Compose 启动
- Windows Docker Desktop 有明确部署步骤
- 教师可以选择挂载目录下的大文件夹
- 系统可以识别每个学生目录
- 支持五类材料和 PPT PDF
- 规则、课程目标和课程版本可编辑
- 可创建独立评分批次
- 使用本地嵌入模型完成检索
- 使用 `deepseek-flash` 完成文本和图像评分
- 每项评分显示证据和页码/幻灯片编号
- 教师可以修改分数和评语
- 每个批次都可以导出 Excel 和逐生 PDF
- 示例材料可以完成端到端测试
- Git 历史包含清晰的阶段提交

<a id="troubleshooting"></a>

## 故障定位与恢复

- `docker compose logs api worker` 查看迁移、解析和任务异常。日志不输出 API Key。
- 模型请求失败后按配置有限重试，评分项显示失败原因；可修复配置后重试该批次。
- 对话若提示端点或模型不支持 `tool_calls`，在“模型设置”中选择支持工具调用的 OpenAI 兼容端点和模型。探针不发送课程或学生资料；普通模型对话仍有调用次数和超时限制。
- 导入后索引任务若显示失败，查看 `/api/index-tasks/{id}` 的错误并修复 Redis、离线 BGE-M3 或 OCR，再重试。批次若已入队或运行，重复点击启动会返回冲突。
- 原件哈希变化后必须重新扫描并确认导入，否则解析会报“源文件已变化”。
- 源文件和模型目录为只读挂载；解析产物在 `data/processed/`，导出在 `data/exports/`，均被 Git 忽略。

会话运行中断、待确认操作卡在 `executing`、旧批次范围兼容等情况，见[会话与业务 Agent 实现](#agent)。