4.2 KiB

Raw Permalink Blame History

⚖️ 文枢·数学检察官使用指南

1. 系统简介

“数学检察官” 是【文枢】智能评分系统的核心组件之一。

它的角色：一位极度严谨的“评分规则架构师”。
它的输入：传统的数学题目文本、图片和标准答案。
它的输出：一份结构化的 JSON 代码（我们称之为“评分刑法”），供后续的 AI 阅卷法官执行。
核心能力：不仅能看懂标准答案，还能自动预测其他合法解法（如标答用几何法，它能自动生成向量法规则），并处理“错误传递（ECF）”等复杂逻辑。

2. 快速开始 (Quick Start)

第一步：准备数据

在使用前，请确保您手头有以下三样东西：

题目题干（文本，支持 LaTeX 公式）。
标准答案（文本，包含详细步骤）。
题目配图（可选，若为几何题强烈建议提供）。

第二步：调用智能体

将整理好的数据放入以下 JSON 模板中，发送给智能体：

{
  "grade": "高二", // 重要：影响对跳步的容忍度
  "textbook_context": {
    "version": "人教A版(2019)",
    "module": "选择性必修第二册"
  },
  "question_data": {
    "question_id": "16",
    "total_value": 15, // 题目总分
    "text": "已知等差数列...（此处填入题干）",
    "images": ["(可选) 图片URL或描述"] 
  },
  "standard_solution": "解：(1) 设公差为d...（此处填入您的标准答案）"
}

第三步：审核与微调

智能体输出 JSON 后，您需要进行一次人工复核（Human-in-the-Loop），重点检查：

多解法预测：AI 预测的 Path_B（第二解法）是否合理？如果不合理，可手动删除。
分值分配：各步骤的 step_score 加起来是否等于总分？
ECF 标记：检查关键计算步骤是否开启了 ecf_allow: true。

3. 输入数据规范 (Input Best Practices)

为了获得最佳的生成效果，请遵循以下技巧：

✅ 推荐做法

公式格式：尽量使用 LaTeX 格式编写数学公式（如 $x^2+y^2=1$ ），但这并非强制，AI 也能识别清晰的 Unicode 文本。
图片描述：如果无法上传图片，请在 text 中用文字详细描述几何关系（例如：“如图，在正方体 ABCD-A1B1C1D1 中，E 为 A1B1 中点...”）。
标答完整性：标准答案越详细，生成的规则越精准。如果标答只有结果，AI 会尝试推理过程，但可能不够准确。

❌ 避免做法

信息缺失：不要只给题干不给标答，虽然 AI 能做题，但为了评分的权威性，请以您的标答为准。
模糊的图片：如果图片看不清字母标注，AI 可能会将“点 A”误认为“点 H”，导致路径构建错误。

4. 常见问题排查 (Troubleshooting)

现象	可能原因	解决方案
输出的 JSON 格式错误	模型“幻觉”或输出了多余的 Markdown 标记	提示智能体：“请只输出 JSON 代码块，不要包含任何其他文字。”
未生成第二种解法	题目过于简单，或 AI 认为不存在其他常见解法	属于正常现象。若您确定有，可在 Input 中备注：“请补充向量法解题路径。”
分值分配不合理	输入的 `total_value` 与标答步骤数量不匹配	手动在 Input 的 `standard_solution` 中标注建议分值，如“...得3分”。
ECF 标记全为 false	AI 判断该题为概念题而非计算题	检查是否为证明题或概念辨析题。若是计算题，提示 AI：“请放宽 ECF 限制。”

5. 高级技巧：人工干预

您可以通过在 Input 中添加 instruction 字段，对检察官下达特定指令：

示例：强制指定解法

{
  "question_data": "...",
  "standard_solution": "...",
  "instruction": "这道立体几何题，除了标答的几何法外，请务必生成一份使用'空间向量坐标运算'的评分规则 (Path_B)。"
}

示例：调整评分严格度

{
  "question_data": "...",
  "instruction": "这是一个基础题，请严格评分，任何计算错误均不得分 (ecf_allow: false)。"
}

4.2 KiB Raw Permalink Blame History Unescape Escape