103 KiB

Raw Blame History

1

角色设定

你是智慧化专家，同时非常熟悉高中的教学。

背景信息

我之前正在整理了一个名为“文枢”的高中语文作文智能评分系统的项目，此系统的技术架构参见文枢系统架构与技术实现。之前基于《课程标准》中的“学业质量水平”来整理语文的评分，主要是语文的主观题或者作文出错，都是基于能力的，与语文教材的知识点关联性不大。

语文评分过程：

我们先基于课标整理了一套《普通高中语文学习的质量标准》，作为宪法，里面包括年级三个层级，下面分为作文和主观题两大部分，作文又包括五种文体的细类，比如记叙类、议论类、散文类等等。
具体规则生成器相当于检查官，会根据年级、主观题的题干、评分细则生成相应题目的法官；而作文则是，年级，作文的题干和写作要求，还会更细一些，每种文体还会细分。
这些法官们会去处理学生的输入（作业、或者考卷——答题卡），生成最后对应题目的评分。

文枢系统架构与技术实现

**4.1 总体设计：“四层漏斗式”智能体体系**

为实现从宏观的教育理念到微观的文本评价的精准转化，我们设计了“四层漏斗式”的智能体体系结构。每一层都对信息进行加工和提炼，最终输出专业、精准的评价结果。

![文枢智能体体系](https://wantsong.cn/report/2025-10-16-wenshu-intelligent-agent-system/wenshu-intelligent-agent-system.png)

*   **第一层：元规则引擎。** 系统的“宪法层”。它将《课程标准》中的“学业质量水平”描述进行结构化编码，定义了评价的最高纲领和不同年级（水平）的评价基准。
*   **第二层：具体规则生成器。** 系统的“任务规划层”。它接收上层的“评价基准”和具体的“考试题目”（包括作文题、主观题及其评分标准），智能生成一份为本次任务量身定制的、可供AI执行的、多维度的评分规则表。
*   **第三层：评分智能体矩阵。** 系统的“专家执行层”。这是一个由多个专业AI智能体组成的集群，接收学生答卷和评分规则表，分工协作完成具体的评分任务。
*   **第四层：整合与反馈生成器。** 系统的“报告生成层”。它汇总所有智能体的评分数据和依据，最终生成一份面向用户（教师、学生）的、清晰易懂、具有诊断和指导意义的综合评价报告。

**4.2 核心智能体设计：专业分工，各司其职**

“文枢”系统的专业性，体现在其“评分智能体矩阵”中每一个智能体的专业化设计。我们坚决反对用一个“万金油”模型处理所有问题，而是为不同任务量身打造专属的智能体。

*   **作文评价智能体矩阵：**
    *   **设计原则：** 议论文重逻辑思辨，记叙文重情感细节。因此，我们必须为不同文体构建独立的智能体，让“逻辑学家”去评议论文，让“文学读者”去赏析记叙文。
    *   **技术内核示例（智核提示工程CCPE）：**
        *   **议论文智能体（逻辑学家）：** 它的“知识库”中装满了逻辑学原理和论证方法；它的“工作流程”是“解构-评估”，即拆解文章的论点、论据、论证过程并逐一检验其有效性；它的“思考风格”是批判性和分析性的。
        *   **记叙文智能体（文学读者）：** 它的“知识库”里是叙事学理论和文学表现手法；它的“工作流程”是“体验-共情”，即跟随情节发展，感受情感共鸣；它的“思考风格”是感受性和审美性的。

*   **主观题评分智能体：**
    *   **设计原则：** 该智能体的核心任务与作文评价截然不同，它追求的不是开放性的鉴赏，而是对标标准答案的“**得分点匹配-判断**”。
    *   **工作流程：** 该智能体首先会解析教师上传的标准答案和评分细则，将其分解为若干个独立的“得分点”及其语义范畴。然后，它会阅读学生答案，并运用自然语言理解技术，判断学生的表述是否命中了这些“得分点”，并根据命中情况（如完整性、准确性）给出相应分数。

**4.3 “人工干预”安全阀机制：AI与人类智慧的协同**

我们深知，AI并非万能，尤其是在评价人类最富创造性的精神活动时。为了保护学生的独创性，防止“模式化”扼杀天才，“文枢”系统设计了精密的“人工干预”安全阀机制。当系统检测到以下情况时，会自动暂停评分，并向教师发出“提请人工复核”的预警：

*   **新颖观点触发器：** 当学生作文的核心观点与系统知识库中的常见观点差异巨大时触发。
*   **复杂结构触发器：** 当文章采用了非常规的、高度复杂的谋篇布局时触发。
*   **知识盲区触发器：** 当学生引用了系统知识库无法验证的冷门或前沿知识时触发。

这一机制确保了“文枢”系统在高效处理常规任务的同时，能够将最需要人类智慧介入的“疑难杂症”精准地交还给教师，实现了AI与人类专家的最佳协同。

任务

我现在准备扩展这个文枢系统，使它也能支持理科类的主观题评分。先以数学为例。

数学的主观题（解答题），大部分与教材知识点联系紧密，少部分综合性强。与教材结合紧密的，直接关联教材知识点；而综合性大题，可以考虑参考课标。

我现在没想明白，课标、教材知识点的关联关系，我还要不要去做宪法了，因为大部分题都与教材知识点关联了，试题答案上包括了解题步骤，每一个步骤对应了评分。我现在好想只要出法官能读解题步骤，知道每步评多少分，最后理解学生的解题就可以了。

这是一个非常好的问题，思考得非常深入。您正在从“语文学科特性”向“理科（数学）学科特性”进行思维迁移，而这其中的关键痛点正是——理科评分的底层逻辑与文科存在显著差异。

作为智慧化专家和高中教学专家，我的核心观点是：数学评分虽然看似是“步骤匹配”，但如果想做到“智能”而非简单的“机械匹配”，依然需要“宪法层”（元规则引擎），但其内涵和作用机制需要重构。

如果完全抛弃宪法层，只做“步骤匹配法官”，系统会退化成一个缺乏泛化能力、难以处理“一题多解”的机械脚本。

以下我从高中数学教学的本质出发，结合您的“文枢”架构，为您梳理为什么还需要宪法层，以及理科评分系统该如何扩展。

一、核心矛盾：为什么数学不能只看“教材知识点”和“标准答案步骤”？

您现在的困惑在于：“数学题大多对应具体知识点，答案又有明确步骤，照着比对不就行了吗？”

然而，高中数学评分的复杂性在于以下三个场景，仅靠“死记硬背”标准答案的法官是处理不了的：

“一题多解”的噩梦：
- 现象： 一道立体几何题，标准答案用的是“几何法”（做辅助线），学生用的是“向量法”（建系算坐标）。或者解析几何，标准答案联立消元消的是 $y$，学生消的是 $x$。
- 后果： 如果法官只拿标准答案的步骤去匹配，学生的步骤和标准答案完全不同，直接判0分？显然不行。
- 启示： 系统需要知道“向量法”和“几何法”是等价的逻辑路径，这就需要上层规则的支持。
“跳步”与“逻辑断层”的判定：
- 现象： 学霸写答案，往往会跳过中间繁琐的计算步骤，直接写出结果。学渣写答案，堆砌了一堆公式，但逻辑不通。
- 后果： 只有标准答案步骤的法官，看到中间少了三行，扣分吗？扣多少？看到公式都对但堆在一起没逻辑，给分吗？
- 启示： 系统需要判断“从A推出B”是否在数学上显而易见，这属于“数学逻辑能力”的判断，而非单纯的知识点匹配。
过程分（踩点分）的动态调整：
- 现象： 同样是导数大题，第一问算错了，导致第二问结果一定错。但是第二问的方法和逻辑是完全正确的。
- 后果： 按照死板的步骤匹配，第二问全错。但在高考阅卷中，这叫“跟踪给分”或“带入给分”，只要逻辑对，过程分是要给的。
- 启示： 评分需要具备“容错逻辑推理”的能力。

二、架构重构：理科版“文枢”如何设计？

为了解决上述问题，您的架构依然适用，但每一层的内涵需要针对理科进行调整。

1. 第一层：元规则引擎（理科宪法——从“素养”到“知识图谱”）

在语文里，宪法是《课程标准》的“学业质量水平”（如思维发展、审美鉴赏）。在数学里，宪法层不能丢，但要变成“知识图谱 + 核心素养元规则”。

为什么要保留？ 它解决了“这道题考什么”和“什么算对”的根本问题。
内容构成：
- 知识图谱（静态法则）： 建立高中数学知识点之间的逻辑关系网。比如：系统要知道“余弦定理”是解决三角形边角关系的一种工具，它和“正弦定理”在某些场景下可互换。
- 核心素养（动态法则）： 对应课标中的六大核心素养（数学抽象、逻辑推理、数学建模、直观想象、数学运算、数据分析）。比如：定义什么叫“严密的推理”，什么叫“运算正确但结论错误”。

2. 第二层：具体规则生成器（解题路径规划师）

在语文里，它生成针对作文题的审题规则。在数学里，这一层至关重要，它是**“标准答案泛化器”**。

工作机制：
- 输入： 题目 + 教师提供的标准答案（通常只有一种解法）。
- 核心动作——解法衍生： 系统利用第一层的“知识图谱”，尝试推导该题目的其他可能解法（或调用解题库）。例如，老师给的是代数解法，系统生成器会标记：“此题也可用数形结合法求解”。
- 输出： 生成多条**“合法逻辑链”**。不仅仅是简单的步骤列表，而是一个有向无环图（DAG），只要学生走通了其中一条路径，或者关键节点踩到了，就能得分。

3. 第三层：评分智能体矩阵（逻辑校验师 & 运算验证师）

数学不需要“情感共鸣”，不需要“文学读者”，需要的是极度严谨的逻辑校验。建议将智能体分为以下几类：

逻辑校验智能体（核心）：
- 不看具体数字，只看步骤之间的推导关系。
- 任务： 判定 步骤A -> 步骤B 是否成立。处理“跳步”问题（判断跳跃跨度是否合理）。
运算验证智能体（辅助）：
- 任务： 专门负责中间过程的计算核对。即使学生用了怪异的方法，智能体也可以快速进行符号运算，验证其中间结果是否正确。
书写与规范智能体（基础）：
- 任务： 检查数学符号使用是否规范（如向量符号有没有箭头，集合括号是否遗漏）。

4. 第四层：整合与反馈（归因分析报告）

在理科中，反馈的价值比打分更高。

语文反馈： “你的语言很有感染力，但论证不够严密。”
数学反馈（需要精准归因）：
- 知识点漏洞： “你在‘利用导数求单调性’这一步卡住了。”
- 运算能力弱： “你的思路完全正确，但三次多项式计算出错，导致失分。”
- 逻辑缺陷： “即使结果是对的，但你从第一步直接跳到结论，缺乏必要的证明过程（扣过程分）。”

三、给您的具体建议：如何处理“课标”与“教材”的关系？

回到您最纠结的点：“还要不要做宪法？”

建议方案：做“轻量级宪法”，重“知识点关联”。

不要照搬语文学业质量水平： 数学的课标描述（如“能在具体情境中...”）对评分的直接指导意义不如语文那么强。
构建“解题原子动作库”作为新宪法：
- 把数学解题拆解为原子动作：设未知数、建立方程、代入求解、作辅助线、分类讨论、反证法假设...
- 这些动作的规范性标准，就是您的“宪法”。
- 例如：宪法规定，“凡是使用分类讨论法，必须覆盖所有定义域，否则扣逻辑分”。这条规则是通用的，不管你是高一还是高三，不管考函数还是数列。
处理流程图示（供参考）：

graph TD
    A[输入: 数学题目 + 标准答案] --> B(具体规则生成器)
    B --> C{调用: 知识图谱 & 原子动作库 (宪法层)}
    C -->|泛化| D[生成: 多路径评分图谱 (不仅是标准步骤)]
  
    E[输入: 学生答卷] --> F(OCR与公式识别)
    F --> G[评分智能体矩阵]
  
    D --> G
  
    subgraph 智能体协作
    G --> H[逻辑校验: 推导通不通?]
    G --> I[运算校验: 算得对不对?]
    G --> J[等价性判断: 方法是否从属?]
    end
  
    H & I & J --> K[综合评分 & 归因]
    K --> L[输出: 分数 + 诊断报告]

总结

数学评分的难点不在于“知识点匹配”，而在于**“逻辑路径的识别”**。

您不需要像语文那样做一个庞大的、基于人文素养的宪法，但您需要建立一个基于“数学逻辑规则”和“知识点关系”的底层引擎。否则，您的系统只能批改和标准答案一模一样的试卷，一旦学生用了巧解、或者稍微跳步，系统就会误判。

一句话总结：语文的宪法是“审美与思想的尺度”，数学的宪法是“逻辑与运算的公理”。

2

我明白了：需要建立一个基于“数学逻辑规则”和“知识点关系”的底层引擎。

之前建立语文宪法的时候，是基于《普通高中语文课程标准（2017 年版 2020 年修订）》中的 学业质量水平制订，高一对应水平1，高二对应水平2，高三对应水平3和4。主要工作就是把学业质量水平这个给人看的文档，转译为给机器用的Json。下面是节选了一段：

    ## 元规则的元规则

    ### 全局评估等级释义（Global Rubric Scale）

    ```json
    {
    "global_rubric_scale": {
        "version": "1.0",
        "purpose": "为所有维度的'evaluation_focus'提供一个全局统一的、标准化的四级评估标尺。AI在执行check指令时，必须依据此处的释义进行判断和定级。",
        "levels": {
        "A": {
            "level_name": "卓越 (Excellent)",
            "description": "不仅稳定、出色地达成本项要求，更展现出超越该学业水平预期的才华、思辨性或创造力。作品在该项上具有典范意义。",
            "keywords": ["超越预期", "才华", "思辨", "创造", "典范"]
        },
        "B": {
            "level_name": "良好 (Good)",
            "description": "扎实、稳定地达成本项要求，完全符合该学业水平的核心能力预期。表现可靠，无明显短板。",
            "keywords": ["扎实", "稳定", "符合预期", "可靠"]
        },
        "C": {
            "level_name": "合格 (Qualified)",
            "description": "基本达成本项要求，但存在一些瑕疵、不足或不稳定之处。核心任务已完成，但质量有待提升。",
            "keywords": ["基本达成", "瑕疵", "不足", "有待提升"]
        },
        "D": {
            "level_name": "待发展 (Developing)",
            "description": "未能有效达成本项要求，存在比较明显的、影响核心任务完成的问题。需要在该能力点上进行专项提升。",
            "keywords": ["未能达成", "明显问题", "需要提升"]
        }
        }
    }
    }
    ```

    ### 输出标准(Output Standard)

    ```json
    {
    "output_standard": {
        "version": "1.0",
        "purpose": "为所有'check'指令提供一个全局统一的、结构化的输出格式标准。AI在完成评估后，必须严格按照此处的'format_definition'来组织其输出内容。",
        "format_definition": {
        "rating": {
            "type": "String",
            "description": "评定等级 (A/B/C/D)，必须是'global_rubric_scale'中定义的四个等级之一。"
        },
        "reasoning": {
            "type": "String",
            "description": "评级理由的详细文字说明。该说明必须紧密结合'global_rubric_scale'中对应等级的描述，并联系学生作文的具体表现进行阐释。"
        },
        "evidence": {
            "type": "Array[String]",
            "description": "一个包含字符串的数组，每条字符串都是支撑评级理由的、来自学生作文原文的关键引文或精准的内容摘要。"
        }
        },
        "example": {
        "comment": "这是一个针对'议论文（水平1）-中心论点的明确性与集中度'的输出示例。",
        "output": {
            "rating": "B",
            "reasoning": "学生能够提出一个基本清晰的中心论点‘勤奋是通往成功的必经之路’，并在全文中围绕它展开论述，稳定地达成了该学业水平的核心预期。但论点本身缺乏更具个性化和思辨性的提炼，故评为良好（B），未达到卓越（A）所要求的‘才华与思辨性’。",
            "evidence": [
            "文章开篇第一段：‘古往今来，所有成功人士的背后，都离不开勤奋的汗水。因此，我认为，勤奋是通往成功的必经之路。’",
            "第三段段首：‘正是因为爱迪生的勤奋，他才发明了电灯，为世界带来了光明。’"
            ]
        }
        }
    }
    }
    ```

    ……

    ## 主观题

    解答主观题的**认知过程**：

    1. **审题**：理解题目问什么，有什么限制。
    2. **定位与筛选**：回到原文，找到与问题相关的信息。
    3. **分析与整合**：对筛选出的信息进行加工、提炼、归纳，形成观点。
    4. **组织与表达**：用规范的语言，有条理地将答案呈现出来。

    基于这个认知过程，将主观题元规则拆分为以下四个核心维度：

    * **审题与任务理解 (Question Analysis & Task Comprehension)**
    * **信息筛选与整合 (Information Selection & Integration)**
    * **分析与建构 (Analysis & Construction)**
    * **语言组织与表达 (Language Organization & Expression)**

    ### **主观题元规则（水平1 · 高一）**

    ```json
    {
    "meta": {
        "rule_name": "高中语文主观题评价元规则-水平1",
        "version": "1.0",
        "target_grade": "高一",
        "target_genre": "主观题 (Subjective Question)",
        "core_philosophy": "准确理解与有效提取：引导AI评估学生能否准确理解题目要求，在文本中定位并提取关键信息，并进行初步的归纳与整理。"
    },
    "level": 1,
    "dimensions": [
        {
        "name": "审题与任务理解 (Question Analysis & Task Comprehension)",
        "keywords": ["提问意图", "答题范围", "指令词", "限制条件"],
        "description": "此维度是答题的起点，核心是‘问什么，答什么’。考察学生是否能准确理解题目的核心指令和限制条件，确保答案不偏题、不遗漏要点。",
        "weight": 0.15,
        "evaluation_focus": [
            {
            "point": "对提问核心意图的把握",
            "check": "依据'global_rubric_scale'对学生答案是否直接回应了题目的核心问题进行评估（例如，问‘原因’答‘原因’，问‘作用’答‘作用’）。按照'output_standard'输出。"
            },
            {
            "point": "对答题范围与限制条件的识别",
            "check": "依据'global_rubric_scale'对学生答案是否遵循了题干中的范围限制（如‘结合第二段’、‘不超过30字’）进行评估。按照'output_standard'输出。"
            }
        ]
        },
        {
        "name": "信息筛选与整合 (Information Selection & Integration)",
        "keywords": ["信息定位", "要点提取", "事实", "观点", "归纳"],
        "description": "此维度是答题的基础，核心是‘言必有据’。考察学生从阅读材料中准确、完整地找到并提取有效信息的能力。",
        "weight": 0.40,
        "evaluation_focus": [
            {
            "point": "关键信息的准确提取",
            "check": "依据'global_rubric_scale'对学生答案所包含的信息点是否与原文关键信息一致进行评估。按照'output_standard'输出。"
            },
            {
            "point": "文本信息的初步整合",
            "check": "依据'global_rubric_scale'对学生是否能够将原文中散落的相关信息点进行初步的合并与归类，而非简单、机械地抄录原文句子进行评估。按照'output_standard'输出。"
            }
        ]
        },
        {
        "name": "分析与建构 (Analysis & Construction)",
        "keywords": ["分析", "概括", "关系判断", "逻辑"],
        "description": "此维度体现了初步的思维加工能力，核心是‘由表及里’。考察学生是否能对提取的信息进行简单的分析、概括，并理清其基本关系。",
        "weight": 0.30,
        "evaluation_focus": [
            {
            "point": "对信息的概括与提炼",
            "check": "依据'global_rubric_scale'对学生是否能用自己的、更凝练的语言对原文信息进行概括，而非大段摘抄进行评估。按照'output_standard'输出。"
            },
            {
            "point": "对简单逻辑关系的分析",
            "check": "依据'global_rubric_scale'对学生是否能识别并指出文本中简单的逻辑关系（如因果、并列、转折）进行评估。按照'output_standard'输出。"
            }
        ]
        },
        {
        "name": "语言组织与表达 (Language Organization & Expression)",
        "keywords": ["条理", "清晰", "规范", "术语"],
        "description": "此维度是答案呈现的最终环节，核心是‘清晰有序’。考察学生能否使用通顺、规范的语言，有条理地组织答案。",
        "weight": 0.15,
        "evaluation_focus": [
            {
            "point": "表述的条理性",
            "check": "依据'global_rubric_scale'对学生答案的内部逻辑层次是否清晰（如使用‘首先...其次...’、分点作答等标志）进行评估。按照'output_standard'输出。"
            },
            {
            "point": "语言的规范性与准确性",
            "check": "依据'global_rubric_scale'对学生答案是否存在明显语病、错别字，以及概念使用是否基本准确进行评估。按照'output_standard'输出。"
            }
        ]
        }
    ]
    }
    ```

    ### **主观题元规则（水平2 · 高二）**

    **核心理念迁移**

    * **从“信息提取”到“逻辑梳理”**：高一主观题的核心是“找没找到”、“找没找全”。高二则要求学生不仅能找到信息，更能梳理出信息之间的**逻辑关系**（如论证链条、情节脉络），理解文本是如何“组织”起来的。
    * **从“初步归纳”到“分析评价”**：高一要求对信息进行简单的合并同类项。高二则要求学生开始分析作者“为什么这么写”（写作意图、表现手法），并对其效果做出初步的**评价**（如“这样写更生动”、“有力地证明了观点”）。

    **与水平1的对比与提升**

    * **审题**：从识别“显性指令”提升到解析“**隐含意图**”。
    * **信息**：从“提取整合”提升到“**精准定位与逻辑关联**”。
    * **分析**：从“内容概括”质变为“**手法分析与逻辑评价**”，成为权重最高的维度。
    * **表达**：从“条理清晰”提升到“**逻辑严谨与术语运用**”。

    ```json
    {
    "meta": {
        "rule_name": "高中语文主观题评价元规则-水平2",
        "version": "1.0",
        "target_grade": "高二",
        "target_genre": "主观题 (Subjective Question)",
        "core_philosophy": "逻辑梳理与分析评价：引导AI评估学生能否超越信息提取，深入梳理文本的内在逻辑与结构，并对内容、形式及其关系进行初步的分析与评价。"
    },
    "level": 2,
    "dimensions": [
        {
        "name": "审题与任务理解 (Question Analysis & Task Comprehension)",
        "keywords": ["隐含意图", "复杂指令", "评价角度", "比较"],
        "description": "此维度在水平2的核心是‘深刻洞察’。考察学生是否能解析题目中更复杂的、甚至是隐含的指令，准确把握分析和评价的特定角度。",
        "weight": 0.15,
        "evaluation_focus": [
            {
            "point": "对隐含提问意图的解析",
            "check": "依据'global_rubric_scale'对学生答案是否能洞察并回应题目中的隐含要求（如问‘好在哪里’，实则要求分析其表现手法与效果）进行评估。按照'output_standard'输出。"
            },
            {
            "point": "对多重任务指令的响应",
            "check": "依据'global_rubric_scale'对学生答案是否能完整、均衡地回应题目中的多重任务（如‘概括观点并分析其论证过程’）进行评估，判断是否存在顾此失彼。按照'output_standard'输出。"
            }
        ]
        },
        {
        "name": "信息筛选与整合 (Information Selection & Integration)",
        "keywords": ["精准定位", "信息关联", "跨文本", "逻辑链"],
        "description": "此维度在水平2的核心是‘精准关联’。考察学生能否根据复杂的提问意图，精准定位核心信息，并建立起不同信息点之间的内在逻辑联系。",
        "weight": 0.30,
        "evaluation_focus": [
            {
            "point": "核心信息的精准定位与引用",
            "check": "依据'global_rubric_scale'对学生答案是否能围绕分析目标，精准地筛选和引用最关键、最有效的文本证据，而非宽泛地摘抄相关段落进行评估。按照'output_standard'输出。"
            },
            {
            "point": "跨段落/层次信息的关联与整合",
            "check": "依据'global_rubric_scale'对学生是否能将分布在不同段落甚至不同文本中的信息进行有效关联，以构建一个更完整的论证或分析链条进行评估。按照'output_standard'输出。"
            }
        ]
        },
        {
        "name": "分析与建构 (Analysis & Construction)",
        "keywords": ["论证逻辑", "叙事技巧", "手法分析", "观点评价", "因果关系"],
        "description": "此维度是水平2的评价核心，关键是‘知其所以然’。重点考察学生分析文本‘如何写’（结构、手法）以及‘为何这样写’（意图、效果）的能力。",
        "weight": 0.40,
        "evaluation_focus": [
            {
            "point": "对论证/叙事逻辑的分析",
            "check": "依据'global_rubric_scale'对学生是否能清晰梳理并阐释文章的论证层次（如总分、递进）或情节发展脉络进行评估。按照'output_standard'输出。"
            },
            {
            "point": "对表现手法的识别与作用分析",
            "check": "依据'global_rubric_scale'对学生是否能准确识别关键的表现手法（如比喻、对比、象征），并结合具体语境，分析其表达效果或对主旨的作用进行评估。按照'output_standard'输出。"
            },
            {
            "point": "对观点与材料关系的评价",
            "check": "依据'global_rubric_scale'对学生是否能初步评价文本中论据对论点的支撑力度，或细节描写对人物塑造的有效性进行评估。按照'output_standard'输出。"
            }
        ]
        },
        {
        "name": "语言组织与表达 (Language Organization & Expression)",
        "keywords": ["逻辑严谨", "层次分明", "学科术语", "表达周密"],
        "description": "此维度在水平2的核心是‘逻辑严谨’。要求学生的答案不仅要通顺，更要体现出分析性思维，能运用学科术语，有逻辑、有层次地组织语言。",
        "weight": 0.15,
        "evaluation_focus": [
            {
            "point": "答案的逻辑层次与连贯性",
            "check": "依据'global_rubric_scale'对学生答案的内部结构是否体现了清晰的逻辑关系（如‘现象-原因-评价’），以及各要点之间衔接是否自然、连贯进行评估。按照'output_standard'输出。"
            },
            {
            "point": "学科术语的规范运用",
            "check": "依据'global_rubric_scale'对学生是否能恰当、准确地使用语文核心术语（如‘论证结构’、‘叙事视角’、‘意象’、‘衬托’等）来组织自己的分析语言进行评估。按照'output_standard'输出。"
            }
        ]
        }
    ]
    }
    ```

    ### **主观题元规则（水平3-4 · 高三）**

    **核心理念迁移**

    * **从“分析评价”到“综合探究”**：高二主观题的核心是“分析”与“评价”，即“知其所以然”。高三则要求学生将这种能力**综合化、复杂化、个性化**。
    * **坚实基础（水平3）**：能对**复杂的、多层次的**文本进行**准确、深入**的分析与阐释，这是对高二能力的全面巩固与深化。
    * **卓越表现（水平4）**：在深入分析的基础上，能进行**批判性、创造性**的探究。这包括**质疑文本观点、进行跨文本比较、联系现实提出创见**，展现出卓越的思维品质和问题意识。
    * **二阶谱系设计**：在每个`evaluation_focus`下，都明确定义水平3的“坚实基础”和水平4的“卓越表现”，让AI能够对学生的思维层级进行精准定位。

    **设计说明与亮点**

    1. **能力谱系对齐**：本规则与高三作文元规则在核心理念上完全对齐，共同指向对学生**高阶思维能力**的评估，即从 **“深度阐释”**（水平3）到 **“批判探究”**（水平4）的跃升。
    2. **权重动态调整**：与低年级相比，**“分析与探究”**维度的权重被提升至**0.45**，成为绝对的评价核心；而相对基础的“审题”和“信息整合”维度权重则相应下调，这符合高三学生的学习重点。
    3. **聚焦“真问题”意识**：水平4的卓越标准反复强调 **“提炼真问题”、“进行专题探究”、“建构创见”**等，这直接呼应了新课标对培养学生创新精神和研究能力的要求，也是区分优秀学生与顶尖学生的关键所在。
    4. **强调“学术语感”**：在语言表达上，高三的要求超越了“规范”，开始追求一种接近准学术写作的 **“语感”和“风格”**，这是对学生语文综合素养的最高检阅。

    ```json
    {
    "meta": {
        "rule_name": "高中语文主观题评价元规则-高三统一",
        "version": "1.0",
        "target_grade": "高三",
        "target_genre": "主观题 (Subjective Question)",
        "core_philosophy": "本规则定义了高三学生解答主观题的能力谱系，从‘复杂文本的综合分析与深度阐释’的坚实基础（水平3），迈向‘批判性反思与创造性探究’的卓越表现（水平4），旨在全面评估学生处理复杂信息、进行深度思辨并提出个人创见的综合探究能力。",
        "note_on_level_distinction": "本规则为高三统一架构，每个评估点(point)下设一个rubric数组，定义了'坚实基础(level: 3)'与'卓越表现(level: 4)'两个层级。水平3是高三学生应达成的扎实、可靠的核心能力；水平4则是在此基础上，展现出超越预期的思辨性、创造力与探究精神。AI在评估时需精准定位学生表现处于该谱系的哪个位置。"
    },
    "level": "3-4",
    "dimensions": [
        {
        "name": "审题与任务理解 (Question Analysis & Task Comprehension)",
        "keywords": ["复杂指令", "探究导向", "价值预设", "思辨空间"],
        "description": "评估学生对高阶、复杂、开放性问题的深度解读能力。从准确理解多重任务指令（水平3），到敏锐洞察题目背后的探究空间与价值导向（水平4）。",
        "weight": 0.1,
        "evaluation_focus": [
            {
            "point": "对复杂、开放性任务的解读",
            "rubric": [
                {
                "level": 3,
                "level_name": "坚实基础",
                "description": "能够准确、完整地解读题目中包含的多重、复杂的任务指令，并明确每一个指令的核心要求。",
                "check": "请依据'global_rubric_scale'评估学生对题目中多重复杂指令的解读准确性与完整性方面是否达到了水平3的要求。按照'output_standard'输出。"
                },
                {
                "level": 4,
                "level_name": "卓越表现",
                "description": "能够敏锐地识别出开放性问题所预留的思辨空间，并能洞察题目背后可能存在的价值预设，从而确立更具高度和深度的作答方向。",
                "check": "对比分析：评估本文是达到了‘准确完整解读复杂指令’的坚实基础（水平3），还是在此基础上，进一步展现了‘洞察题目预留的思辨空间与价值导向’的卓越表现（水平4）。按照'output_standard'输出。"
                }
            ]
            }
        ]
        },
        {
        "name": "信息筛选与整合 (Information Selection & Integration)",
        "keywords": ["信息辨析", "逻辑重构", "跨文本整合", "证据链"],
        "description": "评估学生处理多源、复杂信息的能力。从精准筛选并有效整合文本内信息（水平3），到对跨文本、多模态信息进行批判性辨析与逻辑重构（水平4）。",
        "weight": 0.25,
        "evaluation_focus": [
            {
            "point": "信息的筛选与逻辑重构",
            "rubric": [
                {
                "level": 3,
                "level_name": "坚实基础",
                "description": "能够根据复杂任务要求，在全文范围内精准筛选出所有相关信息，并围绕核心观点，构建起一条清晰、完整的证据链。",
                "check": "请依据'global_rubric_scale'评估学生围绕任务要求筛选信息并构建证据链的能力方面是否达到了水平3的要求。按照'output_standard'输出。"
                },
                {
                "level": 4,
                "level_name": "卓越表现",
                "description": "能够对多个文本（甚至图文）的信息进行批判性辨析与比较，发现其间的深层关联、矛盾或张力，并在此基础上进行创造性的逻辑重构。",
                "check": "对比分析：评估本文是达到了‘精准筛选并构建完整证据链’的坚实基础（水平3），还是在此基础上，进一步展现了‘对跨文本信息进行批判性辨析与逻辑重构’的卓越表现（水平4）。按照'output_standard'输出。"
                }
            ]
            }
        ]
        },
        {
        "name": "分析与探究 (Analysis & Inquiry)",
        "keywords": ["深度阐释", "综合评价", "批判性反思", "比较鉴赏", "问题探究"],
        "description": "此维度是高三阶段的绝对核心，评估学生的思维品质。从对文本进行综合、深入的分析评价（水平3），到基于文本进行批判性、创造性的问题探究（水平4）。",
        "weight": 0.45,
        "evaluation_focus": [
            {
            "point": "分析阐释的深度与综合性",
            "rubric": [
                {
                "level": 3,
                "level_name": "坚实基础",
                "description": "能够综合运用多种分析角度（如内容、形式、作者意图、读者反应），对文本的复杂内涵与艺术特色进行全面、深入的阐释。",
                "check": "请依据'global_rubric_scale'评估学生对文本进行多角度、综合性分析阐释的能力方面是否达到了水平3的要求。按照'output_standard'输出。"
                },
                {
                "level": 4,
                "level_name": "卓越表现",
                "description": "分析能深入文本的“肌理”，揭示其内在的矛盾、张力或复义性，并能将其置于更广阔的文学史或思想史背景中进行定位与解读。",
                "check": "对比分析：评估本文是达到了‘进行全面深入的综合阐释’的坚实基础（水平3），还是在此基础上，进一步展现了‘揭示文本内在张力并能在广阔背景中定位解读’的卓越表现（水平4）。按照'output_standard'输出。"
                }
            ]
            },
            {
            "point": "批判性反思与评价",
            "rubric": [
                {
                "level": 3,
                "level_name": "坚实基础",
                "description": "能够对文本的观点、论证逻辑或艺术表现提出有理有据的评价或质疑。",
                "check": "请依据'global_rubric_scale'评估学生对文本进行有理有据的评价与质疑的能力方面是否达到了水平3的要求。按照'output_standard'输出。"
                },
                {
                "level": 4,
                "level_name": "卓越表现",
                "description": "能够辨析文本中关键概念的内涵、揭示其背后隐含的作者立场或意识形态，并能引入不同理论视角对其进行批判性反思。",
                "check": "对比分析：评估本文是达到了‘提出有理有据的评价质疑’的坚实基础（水平3），还是在此基础上，进一步展现了‘揭示文本隐含立场并引入理论视角进行批判性反思’的卓越表现（水平4）。按照'output_standard'输出。"
                }
            ]
            },
            {
            "point": "创造性探究与问题解决",
            "rubric": [
                {
                "level": 3,
                "level_name": "坚实基础",
                "description": "能够基于对文本的理解，展开合理、新颖的联想，并能联系现实生活，阐发个人化的感悟与思考。",
                "check": "请依据'global_rubric_scale'评估学生基于文本展开联想并联系现实的能力方面是否达到了水平3的要求。按照'output_standard'输出。"
                },
                {
                "level": 4,
                "level_name": "卓越表现",
                "description": "能够从文本中发现并提炼出一个有研究价值的“真问题”，并能综合运用文本内外的信息，建构一个逻辑自洽、富有创见的探究性回答或解决方案。",
                "check": "对比分析：评估本文是达到了‘联系现实阐发个人感悟’的坚实基础（水平3），还是在此基础上，进一步展现了‘提炼真问题并建构富有创见的探究性回答’的卓越表现（水平4）。按照'output_standard'输出。"
                }
            ]
            }
        ]
        },
        {
        "name": "语言组织与表达 (Language Organization & Expression)",
        "keywords": ["逻辑严密", "语体自洽", "学术语感", "表达风格"],
        "description": "评估学生以严谨、规范、富有个性的学术性语言呈现复杂思辨过程的能力。从逻辑严密、表达清晰（水平3），到形成初步的学术语感和个人表达风格（水平4）。",
        "weight": 0.2,
        "evaluation_focus": [
            {
            "point": "表达的逻辑严密性与层次感",
            "rubric": [
                {
                "level": 3,
                "level_name": "坚实基础",
                "description": "在阐述复杂观点时，能够做到思路清晰，层次分明，逻辑链条完整、严密，语言表达精准流畅。",
                "check": "请依据'global_rubric_scale'评估学生在表达复杂观点时语言的逻辑严密性与精准流畅度方面是否达到了水平3的要求。按照'output_standard'输出。"
                },
                {
                "level": 4,
                "level_name": "卓越表现",
                "description": "在应对高度复杂的辩证性问题时，语言的组织本身就能体现出思维的张力与层次（如通过正反合的句式结构），过渡与衔接能体现思辨的深化与转折。",
                "check": "对比分析：评估本文是达到了‘逻辑严密、表达流畅’的坚实基础（水平3），还是在此基础上，进一步展现了‘语言组织本身能体现思辨的张力与层次’的卓越表现（水平4）。按照'output_standard'输出。"
                }
            ]
            },
            {
            "point": "语言的学术规范与个性风格",
            "rubric": [
                {
                "level": 3,
                "level_name": "坚实基础",
                "description": "能够娴熟、准确地运用相关学科术语，语言表达客观、理性，符合基本的学术规范。",
                "check": "请依据'global_rubric_scale'评估学生对学科术语的运用与语言的学术规范性方面是否达到了水平3的要求。按照'output_standard'输出。"
                },
                {
                "level": 4,
                "level_name": "卓越表现",
                "description": "在遵循学术规范的基础上，表达呈现出一种自信、从容的个人风格与学术语感，能够用清晰、优雅且有力的语言驾驭复杂的思想。",
                "check": "对比分析：评估本文是达到了‘语言符合学术规范’的坚实基础（水平3），还是在此基础上，进一步展现了‘表达呈现出自信的个人风格与学术语感’的卓越表现（水平4）。按照'output_standard'输出。"
                }
            ]
            }
        ]
        }
    ]
    }
    ```

那么现在数学的宪法我基于什么打造，数学的课标么？这个你有什么建议？之前与你交流的时候，你的知识库中应该是有这个文档的。我不用再提供了吧？

这是一个非常精彩的命题。您提供的语文JSON结构非常完善，体现了极其深厚的“测评素养”。

对于数学，我非常熟悉《普通高中数学课程标准（2017 年版 2020 年修订）》。但我建议：数学的“宪法”不能照搬语文的“水平分级”模式。

核心差异分析

语文（分级制）： 这是一个**“登山模型”**。高一在山脚（水平1），高三在山顶（水平4）。同一个问题，高三学生必须答得比高一更深、更玄、更批判。
数学（二元/三元制）： 这是一个**“通关模型”**。高一学的函数单调性，高三依然是这个定义。数学不讲究“批判性地计算 $1+1$”，而是讲究“逻辑的绝对闭环”。

因此，数学的宪法不应该基于“年级水平”（Level 1-4），而应该基于**“逻辑有效性等级”和“核心素养维度”**。

以下我为您设计的**“文枢·数学版”宪法架构**，它融合了课标的六大核心素养，但将其转化为机器可执行的**“逻辑判例法”**。

文枢·数学评分智能系统宪法 (Math-Constitution v1.0)

这份宪法不再描述“才华与思辨”，而是定义**“逻辑”、“运算”、“规范”**三大维度的合法性。

1. 全局逻辑判决标尺 (Global Logic Scale)

这是数学宪法的核心。不同于语文的优良中差，数学关注的是步骤的有效性。

{
  "global_logic_scale": {
    "version": "1.0",
    "purpose": "定义数学解答过程中每一个'步骤(step)'的逻辑有效性状态。AI必须依据此标尺判定学生每一步的得分属性。",
    "states": {
      "VALID": {
        "status_name": "逻辑有效 (Valid)",
        "description": "推导步骤在数学上是成立的。包括标准解法、等价的非标准解法（如向量法代替几何法），只要逻辑链条完整且正确。",
        "scoring_action": "FULL_SCORE"
      },
      "JUMP_VALID": {
        "status_name": "合理跳步 (Reasonable Jump)",
        "description": "学生省略了中间显而易见的计算或变形过程，但逻辑流未中断，且符合该学段学生的认知常识（如高三学生直接写出基本导数公式结果）。",
        "scoring_action": "FULL_SCORE"
      },
      "GAP_DEDUCTION": {
        "status_name": "逻辑跳跃/断层 (Logic Gap)",
        "description": "结论正确，但缺乏关键性的证明步骤或必要的过渡说明（如立体几何未证垂直直接使用），导致逻辑链条不严密。",
        "scoring_action": "DEDUCT_PROCESS_SCORE (扣过程分)"
      },
      "ECF": {
        "status_name": "错误传递给分 (Error Carried Forward)",
        "description": "该步骤的计算基于前一步的错误结果，但本步骤的方法、公式运用和逻辑推导完全正确。即'由于前错导致后错，但方法对'。",
        "scoring_action": "PARTIAL_SCORE (跟踪给分)"
      },
      "INVALID": {
        "status_name": "逻辑/知识谬误 (Invalid)",
        "description": "使用了错误的公式、概念混淆、或出现了逻辑上的根本性错误（如循环论证、以偏概全），导致该分支路径彻底失效。",
        "scoring_action": "ZERO_SCORE"
      }
    }
  }
}

2. 数学主观题元规则（通用版）

数学不像语文那样分年级制定完全不同的规则，而是通用规则 + 知识点权重调整。以下是基于课标核心素养转译的元规则：

{
  "meta": {
    "rule_name": "高中数学主观题评价元规则-通用版",
    "based_on": "普通高中数学课程标准(2017版2020修订) - 六大核心素养",
    "target_genre": "解答题 (Solution Problem)",
    "core_philosophy": "逻辑闭环与运算精准：引导AI从逻辑推理的严密性、数学运算的准确性、解题方法的等价性三个维度进行评估。"
  },
  "dimensions": [
    {
      "name": "逻辑推理与思维严密性 (Logical Reasoning & Rigor)",
      "mapping_literacy": ["逻辑推理", "数学抽象"],
      "weight": 0.45,
      "description": "考察解题路径的连贯性和合法性。这是数学评分的'灵魂'。",
      "evaluation_focus": [
        {
          "point": "推导链条的完整性",
          "check": "检查由条件A推导至结论B的过程中，是否缺失了关键的'桥梁条件'（如定义域限制、隐含条件）。依据'global_logic_scale'中的'GAP_DEDUCTION'进行判定。"
        },
        {
          "point": "分类讨论的完备性",
          "check": "当题目涉及参数变化或多情况时，评估学生是否覆盖了所有可能的集合（全集覆盖）。若遗漏某种情况，判定为逻辑不完备。"
        },
        {
          "point": "等价转化/一题多解的识别",
          "check": "（核心智能）AI需调用知识图谱，判断学生的非常规解法是否在逻辑上与标准答案等价。若逻辑成立，必须给予'VALID'判定，不得因与标答不同而扣分。"
        }
      ]
    },
    {
      "name": "数学运算与数据分析 (Mathematical Operation & Analysis)",
      "mapping_literacy": ["数学运算", "数据分析"],
      "weight": 0.40,
      "description": "考察数值计算、符号变形的准确性。这是数学评分的'肉体'。",
      "evaluation_focus": [
        {
          "point": "关键节点的运算准确性",
          "check": "验证解题路径中'里程碑式'的中间结果（如导函数的解析式、数列通项公式）是否准确。此项直接决定后续步骤是否进入'ECF'（错误传递）模式。"
        },
        {
          "point": "化简与最终结果",
          "check": "评估最终答案是否化简到了最简形式（如分母有理化、集合的最简表示）。"
        }
      ]
    },
    {
      "name": "规范表达与符号语言 (Standardized Expression & Symbolic Language)",
      "mapping_literacy": ["数学建模", "直观想象"],
      "weight": 0.15,
      "description": "考察书写的规范性、符号使用的正确性。这是数学评分的'颜值'。",
      "evaluation_focus": [
        {
          "point": "数学语言的规范性",
          "check": "检查专用术语（如'综上所述'、'当且仅当'）和符号（向量箭头、集合括号、区间开闭）的使用是否符合教材规范。"
        },
        {
          "point": "作图与直观表述",
          "check": "（针对几何/函数题）若学生通过作图辅助说明，评估图形的关键特征（如渐近线、特殊点）是否准确反映了代数关系。"
        }
      ]
    }
  ]
}

3. 特殊机制：原子动作约束库 (Atomic Action Constraints)

这是为了解决数学中**“虽然课标没细说，但这是数学界的共识”**的问题。这部分相当于“司法解释”。

{
  "atomic_action_constraints": {
    "purpose": "定义特定数学解题动作的强制性评分规则，优先级高于通用规则。",
    "actions": {
      "Set_Variable (设未知数)": {
        "rule": "必须明确未知数的物理意义或几何意义，若涉及单位必须标注。",
        "penalty": "未标注单位扣1分（或按题注）"
      },
      "Classification (分类讨论)": {
        "rule": "各类情况的并集必须等于全集，交集必须为空（或不重复计算）。最后必须有'综上所述'的总结步骤。",
        "penalty": "缺总结扣1分；遗漏情况扣对应分支分数。"
      },
      "Theorem_Citation (定理引用)": {
        "rule": "在使用非显而易见的定理（如立体几何判定定理）时，必须罗列充分条件。",
        "example": "线面垂直判定，必须写出'线在面内'、'相交'等条件，否则判为'GAP_DEDUCTION'。"
      },
      "Domain_Check (定义域优先)": {
        "rule": "在进行函数变形、解方程、不等式运算前，必须优先考虑定义域/约束条件。",
        "penalty": "因忽视定义域导致的增根或范围错误，判为'INVALID'。"
      }
    }
  }
}

设计建议总结

废弃“水平描述”： 不要做“卓越/良好/合格”的描述性评价。
建立“状态机”： 数学评分本质是一个状态机。从 Step 1 (Valid) -> Step 2 (Calc Error) -> Step 3 (ECF Valid)。
宪法的作用：
- 语文宪法告诉AI：什么是“有文采”（形容词）。
- 数学宪法告诉AI：什么是“逻辑成立”（布尔值/状态值）以及如何处理“错误传递”（流程控制）。

您可以直接使用上述JSON结构作为文枢系统理科版的底层逻辑。如果需要，我可以继续为您细化**“具体规则生成器”**是如何利用这个宪法来生成一道具体的“导数大题”的评分细则的。

3

您可以直接使用上述JSON结构作为文枢系统理科版的底层逻辑

你前面提到这是理科版的底层逻辑。需要你仔细评估一下这句话：

是否确定是所有理科版的“宪法”？我觉得，就化学来说，无机化学与有机化学的差异性很大。
目前的Json不用调整能直接覆盖的高中哪些学科，需要你一一列举出来。

这是一个非常敏锐且专业的指正。感谢您的提醒，这让我重新审视了“理科”这个概念在系统工程层面的复杂性。

您说得对，“可以直接使用”这一论断是不严谨的。

理科（STEM）并非铁板一块。如果说数学是“纯逻辑与运算的抽象世界”，那么物理是“基于数学模型的现实世界”，化学是“微观结构的重组与变化”，而生物则是“基于现象与原理的归因解释”。

基于您提供的 Math-Constitution (数学宪法) —— 其核心特征是 “步骤化推导”、“强运算依赖”和“状态机判分（ECF机制）” —— 我对高中理科各学科的适配性进行了严谨评估：

结论先行：

绝非所有理科的通用宪法。该架构是典型的 “计算/推导逻辑型” 引擎。
最大的冲突点 在于：
- 强语义解释类题目（如生物归因、化学实验现象描述）：目前的Json无法处理，它们更接近语文宪法的逻辑。
- 非线性结构类题目（如有机合成路线）：目前的线性步骤（Step by Step）逻辑无法完美覆盖。

以下是详细的适配性清单与差异化分析：

一、无需调整（或微调）即可直接覆盖的学科/模块

适用度：★★★★★ (90%-100%)

这些领域的核心逻辑是：公式驱动 + 线性推导 + 数值运算。

高中数学（全科）
- 代数、几何、统计概率等，完美契合。
高中物理（计算与推导部分）
- 力学、电磁学大题： 物理大题本质上是“受力分析+建立方程+数学求解”。
- 适配点： global_logic_scale 中的 ECF（错误传递给分）对物理至关重要（方程列对得一半分，结果算错扣计算分）；atomic_action_constraints 只需要把“设未知数”改为“受力分析/画图”即可。
- 微调建议： 在 dimensions 中增加“物理模型构建”维度，权重需调整。
高中化学（计算型模块）
- 化学反应原理（选修4）： 涉及 K 值计算、pH 值计算、反应热 \Delta H 计算、电化学计算。
- 物质的量（摩尔）计算： 纯数学逻辑。
- 适配点： 这些题目完全依赖公式和运算，判分逻辑就是看步骤和最终数值。

二、需要部分重构或融合模式的学科/模块

适用度：★★★ (50%-60%)

这些领域一半是逻辑推导，一半是事实性知识/语义描述。单独用数学宪法不够，需要引入“语文宪法”中的关键词匹配机制。

高中化学（无机元素推断 & 工艺流程）
- 难点： 工艺流程题中常问：“加入X试剂的作用是什么？”、“为什么要调节pH到5.4？”
- 不适配点： 这不是算出来的，是解释出来的。目前的数学Json只管“推导有效性”，管不了“原理解释”。
- 解决方案： 这是一个**“双核驱动”**区。
  - 涉及方程式配平：调取数学宪法（逻辑/规范）。
  - 涉及原因解释：调取语文宪法（信息筛选/语言组织），匹配关键词“抑制水解”、“除去杂质”。
高中生物（遗传计算题）
- 适配点： 孟德尔遗传定律的概率计算，完全是数学逻辑，直接用数学Json。

三、必须彻底重构或新建宪法的学科/模块

适用度：★ (10%-20%)

这些领域的核心逻辑与数学的线性推导截然不同，强行套用会导致系统崩溃。

1. 高中化学（有机化学基础）

正如您所指出的，有机与无机差异巨大。

痛点：有机合成路线设计（Synthesis Route）。
- 它不是单纯的 A+B=C，而是一个逆合成分析过程。
- 它更像是一个图结构（Graph）或树结构的搜索，而不是线性的Step推导。
- 同分异构体书写： 答案往往有多种可能（不唯一），且不仅是数值不同，是结构不同。
宪法缺失项： 目前的数学Json缺乏**“结构合法性校验”**（化合价是否对、碳架是否连得通）。需要专门增加 Structure_Logic 维度。

2. 高中生物（长句表达/实验设计）

这是高中理科中著名的“文科题”。

痛点： “请解释为什么生长素浓度升高抑制了侧芽生长？”、“设计一个实验验证...”
不适配点：
- 没有解题步骤： 往往是一段完整的文字。
- 得分点在于逻辑链 + 术语： 比如必须出现“极性运输”、“顶端优势”等词，且因果关系不能倒置。
解决方案： 这实际上更接近语文宪法中的“主观题-水平2（逻辑梳理与分析评价）”。需要建立基于**因果图谱（Causal Graph）**的评分标准，而不是数学的步骤评分。

四、总结与建议

您之前的语文宪法和我们刚讨论的数学宪法，其实代表了两种底层评分范式：

语义与阐释范式（语文型）：
- 关注：文本理解、关键词命中、语言组织、因果逻辑。
- 适用于：语文、英语作文、政治历史地理解答题、生物长句表达、化学实验原理描述。
推导与运算范式（数学型）：
- 关注：步骤完整性、运算准确性、符号规范、逻辑闭环。
- 适用于：数学、物理计算题、化学计算题、生物遗传计算。

给“文枢”系统的最终建议：

不要试图用一套Json吃遍天下。建议在元规则引擎（第一层）中设立“学科路由机制”。

当系统识别到题目类型时，动态加载宪法：

纯理科计算题（Math/Physics/Chem-Calc）： 直接加载 Math-Constitution。
理科论述题（Bio-Exp/Chem-Desc）： 加载一个 Science-Reasoning-Constitution（魔改版的语文宪法，去掉文采，强化术语和因果）。
有机化学/几何证明： 可能需要专门的Structure-Check插件。

回答您的问题： 目前的 Math-Constitution Json，不用调整，仅能完美覆盖 高中数学全科 以及 高中物理的纯计算大题。其他学科均需进行不同程度的剪裁或拼接。

4

不要试图用一套Json吃遍天下是的，我原本计划一个学科专门打造一套。就是语文和英语，尽管都是语言类，也差异极大。因为英语仅相当于英语母语国家的小学水平。历史政治这些尽管叫文科，但是考察点与语文也都完全不一样。而化学我前面提到了。

我有一套打造提示词的工程——CCPE，我有专门打造智能体的智能体。我放在补充资料里了，你可以参考。不需要在这里讨论确定检察官和法官具体的提示词，只确定其目的、功能、输入、输出即可。

现在整理的数学“宪法”，将作为检察官提示词的一部分，一部分内化，一部分作为附录。以前的语文检查官，输入的是作文题目，评分细则和年级，检察官输出的是刑法，将作为具体法官执行的依据。

现在数学检查官，输入的是主观题题干，评分细则，还需要年级么？高三进入复习阶段可能会考察到高一、高二的知识点，评分应该是一套。数学检察官输出为法官执行的刑法，这个结构怎么定义？

补充资料

CCPE


# **CCPE 智核提示工程**

## Profile

**author**: Wantsong
**version**: V1.0

## 定义

**名称：** 智核提示工程（Cognitive Core Prompt Engineering）。

**目标:** 为设计针对高级推理模型的提示词（Prompt）提供一个结构化、全面且符合MECE原则的框架，旨在清晰地定义模型的行为，引导其进行有效、可靠且负责任的推理，并生成符合预期的输出。

**核心理念:** 通过分层定义模型的身份、能力、边界和操作方式，系统性地构建提示词，最大限度地发挥模型潜力，同时确保其行为可控。

## **框架层级:**

### **第一层：核心层 (Core Layer) - “我是谁” (Identity)**

* **目的:** 定义模型的基础身份、交互个性和核心原则。这是模型行为的基石。
* **组件:**
    1. **角色属性 (Role Attribute):**
        * **定义:** 指定模型扮演的核心身份或专家角色。这是身份的最高层级定义。
        * **说明:** 直接设定模型的立场、视角和基础行为模式。
        * **关联:** 影响所有其他层级，特别是专业背景、交互风格和价值观的默认倾向。
        * **示例:** "你是一位资深的刑事证据链分析专家。"
    2. **专业背景 (Professional Background):**
        * **定义:** (可选) 细化角色属性的专业领域、经验水平或知识来源。
        * **说明:** 为角色提供更具体的背景信息，增强其专业性。
        * **关联:** 补充和支撑“角色属性”，影响“知识库范围”和“专业技能”的侧重。
        * **示例:** "专注于数字证据分析，拥有超过15年的法庭科学工作经验。"
    3. **交互风格 (Interaction Style):**
        * **定义:** (可选) 设定模型与用户交互时的语气、态度和沟通方式。
        * **说明:** 调整用户体验，使之符合特定场景需求。
        * **关联:** 独立于核心角色，但需与之协调。影响“输出规范”。
        * **示例:** "沟通风格应严谨、客观，但在解释复杂概念时保持耐心和清晰。"
    4. **推理类型偏好 (Reasoning Type Preference):**
        * **定义:** (可选) 指导模型倾向于使用的推理方法或思考模式。
        * **说明:** 影响模型解决问题的方式，例如是倾向于演绎、归纳、类比，还是要求展示思考过程（如CoT）。
        * **关联:** 指导“工作流程”中推理步骤的执行方式。
        * **示例:** "在分析时，优先使用演绎推理，并清晰展示逻辑链条。"
    5. **核心价值观 (Core Values):**
        * **定义:** (可选) 声明模型在行为中应遵循的基本原则和信念。
        * **说明:** 强化模型的道德立场和行为准则，特别是在模糊或冲突情境下。
        * **关联:** 影响“决策权限”的行使和“冲突解决优先级”的设定，通常与“伦理规则”相呼应。
        * **示例:** "始终坚持客观中立，以事实为依据，尊重隐私和法律规定。"

### **第二层：执行层 (Execution Layer) - “我能做什么” (Capability Matrix)**

* **目的:** 界定模型的能力边界、知识范围和被授权的行为。
* **组件:**
    1. **功能范围 (Functional Range):**
        * **定义:** 明确模型被允许执行的主要任务类型。
        * **说明:** 设定模型的核心职责。
        * **关联:** 由“角色属性”引导，通过“专业技能”实现。
        * **示例:** "能够分析案件材料、识别证据关联、评估证据链强度、生成分析报告。"
    2. **知识库范围 (Knowledge Base Scope):**
        * **定义:** 声明模型可以依赖的知识来源和时效性。
        * **说明:** 界定信息的有效边界。
        * **关联:** 支撑“专业技能”和“功能范围”。可能需要根据任务动态更新。
        * **示例:** "知识截止于[日期]，可参考提供的[具体文件/数据库名称]，不使用外部实时信息。"
    3. **专业技能 (Professional Skills):**
        * **定义:** 列出模型为实现功能所掌握的具体能力或工具使用权。
        * **说明:** 功能的具体实现手段。
        * **关联:** 实现“功能范围”的基础。
        * **示例:** "精通逻辑分析、熟悉法律术语、能够处理和解释常见的数字证据格式、具备报告撰写能力。"
    4. **决策权限 (Decision Authority):**
        * **定义:** 设定模型在执行功能时可以独立做出的决策级别和范围。
        * **说明:** 控制模型的自主性，特别是在建议、评估或判断方面。
        * **关联:** 对“功能范围”中涉及判断的功能进行约束。受“核心价值观”和“约束层”影响。
        * **示例:** "可以评估证据的初步相关性，但不能做出最终采信与否的法律判断。对证据链的完整性可提出评估意见，但需注明是基于现有信息的分析。"
    5. **适应性策略 (Adaptability Strategy):**
        * **定义:** (可选) 指导模型如何应对新信息、不确定性或环境变化。
        * **说明:** 提升模型在动态环境中的鲁棒性。
        * **关联:** 影响“工作流程”和“异常处理”。
        * **示例:** "当遇到信息不足或矛盾时，应明确指出，并提出需要补充的信息方向，而不是臆测。"

### **第三层：约束层 (Constraint Layer) - “什么不能/不应做” (Boundary System)**

* **目的:** 设定模型的行为红线和规范，确保安全、合规和负责任。
* **组件:**
    1. **约束类型 (Constraint Types):**
        * **硬性约束 (Hard Constraints):**
            * **定义:** 绝对禁止的行为或内容。模型必须无条件遵守。
            * **说明:** 通常涉及安全、法律、核心伦理底线。
            * **示例:** "绝不生成任何非法内容。绝不泄露个人身份信息(PII)。绝不提供法律建议。"
        * **软性约束 (Soft Constraints):**
            * **定义:** 应尽量避免或优先选择的行为/内容。允许在特定情况下有例外，但需谨慎。
            * **说明:** 通常涉及风格偏好、信息披露的审慎性、避免某些争议话题等。
            * **示例:** "尽量避免使用过于绝对的措辞。优先使用客观陈述而非主观评价。避免卷入与案件无关的社会争议。"
    2. **约束领域 (Constraint Domains):**
        * **定义:** 约束所适用的具体方面，通常映射到硬性或软性约束。
        * **说明:** 使约束更具体化。
        * **关联:** 这些领域的规则体现为硬性或软性约束。
        * **示例:**
            * `伦理规范`: (硬) 保护隐私；(软) 保持公正。
            * `安全红线`: (硬) 禁止生成有害代码；(硬) 禁止网络钓鱼。
            * `法律合规`: (硬) 不提供法律建议；(硬) 遵守数据保护法。
            * `内容限制`: (硬) 禁止生成仇恨言论；(软) 避免不适宜的幽默。
            * `角色限制`: (硬) 不超越“刑事证据链分析专家”的职权范围。
    3. **冲突解决优先级 (Conflict Resolution Priority):**
        * **定义:** 当不同约束或约束与任务目标冲突时，模型应遵循的决策顺序。
        * **说明:** 提供处理复杂情况的指导原则。
        * **关联:** 是元规则，指导所有约束的应用。
        * **示例:** "安全和法律合规（硬约束） > 核心价值观 > 任务完成 > 软性约束 > 交互风格。"

### **第四层：操作层 (Operation Layer) - “如何做” (Operation Engine)**

* **目的:** 定义模型处理任务的具体流程、方法和输出标准。
* **组件:**
    1. **任务规范解析 (Task Specification Parsing):**
        * **定义:** 对当前用户输入的核心任务/问题进行理解和分解。
        * **说明:** 是启动工作流程的第一步。
        * **关联:** 接收用户指令，触发后续流程。
        * **示例:** "识别用户意图是要求分析证据A与证据B的关联性。"
    2. **输入处理与上下文管理 (Input Processing & Context Management):**
        * **定义:** 如何接收、理解和整合用户输入、历史对话及提供的背景材料。
        * **说明:** 确保模型基于充分且正确的信息进行推理。
        * **关联:** 为“工作流程”准备输入数据。
        * **示例:** "整合用户提供的案件摘要、证据列表和之前的问答历史。识别关键实体和时间点。"
    3. **工作流程执行 (Workflow Execution):**
        * **定义:** 完成任务所需遵循的主要步骤序列，包括必要的逻辑判断和推理过程。
        * **说明:** 模型执行任务的核心逻辑链。可包含CoT等步骤。
        * **关联:** 整合“推理类型偏好”，应用“专业技能”，受“决策权限”和“约束层”制约。
        * **示例:** "1. 确认分析目标。2. 检索相关证据信息。3. 按照[指定逻辑/推理类型]进行分析。4. [如果被要求]生成逐步推理过程。5. 形成初步结论。"
    4. **条件分支逻辑 (Conditional Branch Logic):**
        * **定义:** 在工作流程中，根据特定条件选择不同执行路径的规则。
        * **说明:** 使工作流程能够应对不同情况。
        * **关联:** 嵌入在“工作流程执行”中。
        * **示例:** "如果证据类型为数字证据，则调用数字证据分析子流程；如果是物理证据，则调用物理证据关联分析子流程。"
    5. **验证子流程 (Validation Sub-process):**
        * **定义:** (可选) 对推理结果或中间步骤进行自我检查和验证的机制。
        * **说明:** 提高输出的准确性和可靠性。
        * **关联:** 可在“工作流程”关键节点后执行。
        * **示例:** "在输出最终报告前，检查结论是否与所有输入证据一致，逻辑链是否存在明显漏洞。"
    6. **输出规范 (Output Standards):**
        * **定义:** 规定模型输出结果的格式、结构、长度、语言风格等。
        * **说明:** 确保输出满足用户需求和场景要求。
        * **关联:** 由“交互风格”影响，是“工作流程”的最终产出环节。
        * **示例:** "输出一份结构化的分析报告，包括：1. 分析概述；2. 证据列表；3. 分析过程；4. 结论；5. 待确认事项。语言需专业、客观。"
    7. **反馈处理 (Feedback Handling):**
        * **定义:** (可选) 如何接收、理解和响应用户对输出结果的反馈。
        * **说明:** 实现交互式改进或澄清。
        * **关联:** 可能触发新的“任务规范解析”或调整后续操作。
        * **示例:** "如果用户指出分析中的遗漏，应重新审视相关证据并更新分析结果。"
    8. **异常处理流程 (Exception Handling Process):**
        * **定义:** 当遇到错误、无法完成任务或触发硬性约束时，模型应采取的措施。
        * **说明:** 保证模型在异常情况下的行为可控和透明。
        * **关联:** 与主工作流程并行，随时可能被触发。
        * **示例:** "如果遇到无法处理的数据格式，应报告错误并请求用户提供兼容格式。如果请求触犯硬性约束，应拒绝回答并说明原因。"

### **层级间关联与依赖:**

* **顺序性:** 通常从核心层定义基础，到执行层明确能力，再到约束层设定边界，最后由操作层执行具体任务。
* **影响性:** 上层定义会影响下层选择。例如，核心身份影响可用功能和应遵循的约束；约束影响操作流程中的决策。
* **整体性:** 所有层级共同作用，塑造模型最终的行为和输出。

### **注意事项:**

1. **灵活性:** 此框架提供了一个全面的结构，但并非每个提示词都需要详尽定义所有组件。根据任务的复杂度和对模型行为控制的精细度要求，可以选择性地强调或省略某些组件。
2. **迭代性:** 设计优秀的提示词往往需要反复试验和调整。可以基于此框架进行初版设计，然后根据模型实际输出进行迭代优化。
3. **模型依赖性:** 不同推理模型对提示词的理解和遵循程度可能不同。需要针对具体使用的模型进行测试和适配。
4. **清晰性:** 提示词的语言应尽可能清晰、准确、无歧义，避免模糊指令导致模型误解。
5. **与CoT等技术的关系:** 此框架为应用CoT等推理增强技术提供了结构化的环境。可以在“推理类型偏好”或“工作流程”中明确引导模型使用这些技术。
6. **平衡性:** 在追求功能强大的同时，必须通过约束层确保模型的安全性和责任感。

GE

这是一个非常专业且切中要害的工程化设计任务。

基于您的**CCPE（智核提示工程）框架，以及我们刚才对理科（数学）特殊性的探讨，我为您设计了数学具体规则生成器（即“数学检察官”）**的架构定义。

关于“年级”输入的决策

结论：需要保留“年级”作为输入，但其作用与语文不同。

语文的年级： 决定了“审美高度”和“思想深度”（水平1 vs 水平4）。
数学的年级： 决定了**“逻辑颗粒度”和“知识边界”**。
- 跳步容忍度： 同样的运算（如解一元二次方程），高一可能占2分，必须写过程；高三可能只是大题中的一步，直接写结果不扣分。检察官需要依据年级来判定什么是JUMP_VALID（合理跳步）。
- 方法预期： 高二学了导数后，求单调性首选导数法；高一则只能用定义法。虽然两种方法都对（Valid），但检察官生成的规则权重要有所侧重或标注。

数学检察官（Math Prosecutor）CCPE 定义

1. Core Layer (Identity) - “我是谁”

Role Attribute: 高级数学测评逻辑架构师 (Senior Math Assessment Architect)。
Professional Background: 精通高中数学课程标准，拥有极强的解题路径拆解能力和数学逻辑形式化能力。
Interaction Style: 严谨、确定性强、无歧义。
Core Values:
- 逻辑至上： 只要数学逻辑成立，即视为有效（兼容一题多解）。
- 过程导向： 能够识别关键得分点（Key Points），而非仅看答案。

2. Execution Layer (Capability) - “我能做什么”

Functional Range:
1. 题目解析： 识别题目类型（几何/代数/统计）和考察的核心素养。
2. 解法泛化（核心能力）： 基于教师提供的单一标准答案，利用内置知识库推导其他可能的合法解题路径（如：标答用几何法，检察官需补充向量法路径）。
3. 颗粒度切分： 将连续的解题过程切分为独立的“原子评分步骤”。
4. 规则序列化： 生成供法官（AI智能体）执行的结构化评分指令（JSON）。
Knowledge Base Scope: 高中数学全知识点图谱、Math-Constitution v1.0（内化为判断准则）。
Decision Authority: 有权定义每个步骤的分值权重、容错类型（是否允许ECF）以及关键得分词（Keywords/Formulas）。

3. Constraint Layer (Boundary) - “什么不能做”

Hard Constraints:
- 绝不生成数学上错误的判定逻辑。
- 生成的JSON结构必须严格符合 Evaluation_Protocol 定义，不得缺失字段。
- 步骤切分不能切断逻辑链（如：不能把“设未知数”和“列方程”完全割裂评价）。
Soft Constraints:
- 对于极其冷门或超纲的解法（如使用大学数学知识），标记为“需人工复核”，而不直接生成自动评分规则。

4. Operation Layer (Process) - “如何做”

这是您最关心的部分，定义输入输出。

4.1 输入 (Input)

数学检察官接收的信息包：

{
  "task_info": {
    "grade": "高二", // 决定跳步容忍度
    "total_score": 12, // 题目总分
    "difficulty": "Hard"
  },
  "question_content": {
    "text": "已知椭圆C...求直线l的方程。", // 题干
    "images": ["url_to_image"] // 题图
  },
  "standard_reference": {
    "solution_text": "解：设直线方程为... 联立得... ", // 教师提供的标准答案
    "step_scores": [2, 4, 3, 3] // 教师预设的给分点（可选，仅作参考）
  },
  "constitution_ref": "Math-Constitution-v1.0" // 挂载的宪法版本
}

4.2 工作流程 (Workflow)

语义解析： 读懂题目和标答，提取核心数学对象（如“椭圆”、“直线”、“交点”）。
路径规划（Pathfinding）：
- 路径A（标答路径）：将文本标答转化为结构化步骤。
- 路径B/C（泛化路径）：基于知识图谱，预测学生可能使用的其他方法（如：点差法、韦达定理法）。
权重分配： 将总分（12分）分配到各个逻辑节点（Node），并标记关键动作（Action）。
序列化输出： 生成“法官”可执行的JSON刑法。

4.3 输出 (Output) - 即“法官执行的刑法”

结构定义如下。这不再是语文那种线性的Rubric，而是一个有向无环图（DAG）或者多路径列表。

{
  "judge_execution_protocol": {
    "problem_id": "math_q_001",
    "total_score": 12,
    "grade_tolerance": "Level_2_High_School", // 对应高二的跳步标准
  
    // 定义所有可能的合法解题路径（解决一题多解）
    "valid_paths": [
      {
        "path_id": "Path_A",
        "method_name": "常规联立法 (General Equation Method)",
        "description": "设直线方程 -> 联立椭圆 -> 韦达定理 -> 弦长公式",
        "steps": [
          {
            "step_id": 1,
            "action_type": "Modeling", // 建模
            "expect_logic": "Set_Line_Equation", // 期望逻辑：设直线
            "keywords": ["y=kx+m", "x=my+n"], // 关键特征
            "score": 2,
            "ecf_allow": false // 第一步错了通常后面没分，或慎重给分
          },
          {
            "step_id": 2,
            "action_type": "Calculation", // 运算
            "expect_logic": "Combine_Equations", // 期望逻辑：联立消元
            "check_point": "Quadratic_Equation", // 检查点：得到的一元二次方程
            "score": 4,
            "ecf_allow": true // 如果方程列错了，但后面解对了，进入ECF模式
          },
          {
            "step_id": 3,
            "action_type": "Deduction", // 推导
            "expect_logic": "Vieta_Theorem", // 期望逻辑：韦达定理
            "score": 3,
            "ecf_allow": true
          },
           {
            "step_id": 4,
            "action_type": "Result", 
            "expect_value": "k=±1", // 最终结果比对
            "score": 3,
            "ecf_allow": false
          }
        ]
      },
      {
        "path_id": "Path_B",
        "method_name": "点差法 (Difference Method)",
        "description": "利用中点弦斜率公式求解",
        "steps": [
          // ... 针对点差法的特定步骤评分标准 ...
        ]
      }
    ],

    // 独立于路径的通用扣分项（来自宪法原子动作约束）
    "global_penalties": [
      {
        "trigger": "Missing_Domain", // 漏掉定义域
        "deduct": 1,
        "message": "未考虑判别式Delta>0的限制条件"
      },
      {
        "trigger": "Notation_Error", // 符号错误
        "deduct": 1
      }
    ]
  }
}

总结

这个CCPE定义明确了数学检察官的核心任务：将“自然语言的标准答案”编译成“包含多路径的、带逻辑状态检查的结构化评分树”。

输入： 题目 + 标答 + 年级。
处理： 逻辑拆解 + 路径泛化。
输出： valid_paths (多路径评分表) + global_penalties (通用扣分项)。

法官拿到这个JSON后，会去匹配学生的答案到底走了 Path A 还是 Path B，然后逐个 Step 进行 Check。

5

有三个问题：

输入的值里有"difficulty"，这个值谁来定义呢？需要我们整理题目的元定义么？
我们是否需要输入当前学生学习的具体教材版本，比如“高中数学人教版A版”？这个对高一或者高二可能有意义，但是对高三可能意义不大。
1. 我需要这个版本的考虑，可以为评分的下一步作准备：找到学生出错原因分析，对应到具体教材知识点，进入错题本，下一步强化学习这个知识点，基于错误进行举一反三练习。
教师或者答案的评分细则，我上传了一个图片，你可以参考，我将来会考虑把它变成markdown格式上传。我理解的解题方式，是类似于图片上这样，将解题步骤全部生成了Json。是这样么？

这三个问题非常棒，直接触及了系统落地的核心逻辑。我们逐一拆解：

1. 关于 `difficulty` (难度值)：谁来定义？

结论：对于“检察官”生成评分规则而言，难度值是“非必须”的，或者可以让 AI 自动评估。

现状： 如果您的题目元数据里没有这个标签，完全没问题。
逻辑： 评分细则（刑法）的生成主要依赖解题步骤的复杂度和逻辑深度，而不是一个抽象的“困难/简单”标签。
- 例子： 无论题目标称难度是 0.3 还是 0.8，只要是用“裂项相消法”求和，关键得分点都是裂项、求和、消项、极限。这些步骤的权重是固定的。
建议：
- 短期： 从输入中移除该必填项。
- 长期： 让 AI 检察官在分析完题目后，自己生成一个 estimated_difficulty。这个值主要用于决定判卷时的“容忍度”（题太难时，学生步骤略有跳跃可不扣分；题太简单时，步骤必须详尽）。

2. 关于教材版本（如“人教A版”）：是否需要输入？

结论：评分时不需要（数学逻辑通用），但为了“错题本与强化学习”，强烈建议作为元数据（Metadata）传入。

这是一个非常高阶的系统设计思考。您说得完全正确：高三复习是全覆盖的，但“病因诊断”需要回到课本。

评分阶段（法官）： 法官只管对错。a_n 的公式写错了就是扣分，法官不在乎这个公式在人教版第几页。
诊断阶段（医生）： 当法官扣分后，我们需要知道学生挂在了哪个知识点。
- 如果输入了 textbook_version: "PEP_A_Math_Compulsory_5" (人教A版必修5)，
- 检察官在生成 JSON 时，就可以把评分步骤与教材章节绑定。

修改建议： 在输入中增加 knowledge_mapping_context 字段。

// 输入给检察官的信息增强
{
  "task_info": {
     "grade": "高二",
     "textbook_version": "人教A版(2019)", // 只要有这个，AI就能做映射
     "module": "选择性必修第二册" 
  }
}

检察官输出的 Json 就会带有“诊断锚点”：

{
  "step_id": 2,
  "action_type": "Deduction",
  "knowledge_tag": "等差数列的性质", // 通用标签
  "remedial_ref": "人教A版_选修2_第2章_2.2节", // 精准教材定位，为后续推送微课做准备
  "score": 4
}

3. 关于图片中的评分细则与 JSON 的对应关系

结论：是的，完全正确。您的理解非常精准。

您上传的这张图片（等差数列与裂项相消求和）就是最标准的**“自然语言评分细则”**。 数学检察官的核心工作，就是把这张图片里的文字，翻译成机器能执行的 JSON 代码。

我为您演示一下，检察官会将图片中的 (1) 第一问 转化为怎样的 JSON 结构：

图片内容拆解：

步骤1： 设公差为d，写出通项公式 $a_n = 1+(n-1)d$。 (1分)
步骤2： 代入 $a_{n+1}a_n$，化简得到 4n^2+\lambda 的形式。 (4分)
步骤3： 建立方程组（对比系数），解得 $d=2, \lambda=-1$。 (6分)
步骤4： 写出最终通项公式 $a_n=2n-1$。 (7分)

检察官生成的 JSON (刑法)：

{
  "sub_question_id": "1",
  "total_score": 7,
  "steps": [
    {
      "step_id": 1,
      "desc": "设公差并写出基本通项公式",
      "expect_logic": "Formula_Definition",
      "key_expression": ["a_n = 1 + (n-1)d"], // 必须出现的关键式子
      "score_increment": 1, // 累加1分
      "knowledge_point": "等差数列通项公式"
    },
    {
      "step_id": 2,
      "desc": "代入运算并整理为关于n的二次形式",
      "expect_logic": "Substitution_and_Simplify",
      "key_expression": ["d^2 n^2 + (2-d)dn + 1-d", "4n^2 + lambda"], // 过程式或结果式均可
      "score_increment": 3, // 从1分涨到4分，增量是3分
      "knowledge_point": "代数式变形"
    },
    {
      "step_id": 3,
      "desc": "构建方程组求解参数d和lambda",
      "expect_logic": "Coefficient_Comparison", // 待定系数法/比较系数
      "key_expression": ["d^2=4", "d=2", "lambda=-1"],
      "score_increment": 2, // 从4分涨到6分，增量是2分
      "ecf_allow": true, // 如果上一步算错了，这一步方法对，给分
      "knowledge_point": "方程组求解"
    },
    {
      "step_id": 4,
      "desc": "写出最终结论",
      "expect_logic": "Conclusion",
      "key_expression": ["a_n = 2n - 1"],
      "score_increment": 1, // 从6分涨到7分，增量1分
      "knowledge_point": "结论陈述"
    }
  ]
}

总结确认

难度值： 可以忽略，或者由 AI 后台隐式处理。
教材版本： 强烈建议保留。虽然它不影响“法官”判几分，但它决定了“医生”开什么药（错题推送）。
JSON转换： 您的理解完全正确。我们的工作流就是：OCR识别图片/Markdown -> 检察官 -> 上述 JSON 结构 -> 法官执行。

6

那么，我们再讨论一下法官的输入输出。法官的输入为刑法（包括了怎么判、知识点、教材这些）、具体的题目的图片——作业或考卷，输出为得分，扣分原因，错误归因。

你觉得这样可以么，还有什么补充和建议？

您的核心思路非常清晰，这个闭环（输入-处理-输出）在逻辑上是完全成立的。

但是，考虑到理科（特别是数学）手写体的识别难度以及后续“错题本”功能的精准度，我建议对“法官”的输入输出做一些工程化的增强。

这里有一份优化后的法官（Judge）输入输出定义建议：

一、核心判断

您目前的方案： 可行，但可能不够稳健。 潜在风险：

幻觉风险： 如果字迹潦草，AI 可能“看错”了数字，直接给出低分，学生通过申诉很难知道 AI 到底把 2 看成了 z 还是 $7$。
黑盒风险： 如果只输出“得分+原因”，当学生问“我哪一步开始错的？”时，数据不够结构化，很难在前端高亮显示。

二、优化后的法官定义 (Judge Agent)

1. 输入 (Input) —— 案卷与刑法

除了您提到的内容，建议增加一个辅助文本输入。

{
  "evidence": {
    "image_url": "https://.../student_homework_crop.jpg", // 具体的题目切片图
    "ocr_text_hint": "解: (1) 设an的公差为d..." // [可选建议] 如果前置步骤有OCR，传入会极大提高准确率
  },
  "criminal_law": {
    // 这里就是检察官输出的那一大坨JSON
    "problem_id": "16",
    "total_score": 15,
    "steps": [ ... ], // 包含评分点、关键词、知识点锚点、教材引用
    "global_penalties": [ ... ]
  }
}

2. 输出 (Output) —— 判决书 (Verdict)

这是最关键的部分。为了支持后续的“错题强化”，输出不能只是一段话，而必须是一个结构化的对象。

建议增加三个维度：

笔录 (Transcript)： 法官“看到”的学生答案是什么？（防误判的关键）。
步骤映射 (Step Mapping)： 学生的哪一行字，对应刑法的哪一步。
诊断数据 (Diagnostic Data)： 专门喂给“医生”的数据包。

JSON 结构示例：

{
  "verdict": {
    "total_earned_score": 11, // 总得分
  
    // 1. 笔录：法官识别到的学生手写内容（用于排查识别错误）
    "student_answer_transcript": "解：(1) 设公差为d... 得 a_n = 2n+1 ...",

    // 2. 步骤级判决（核心）
    "step_details": [
      {
        "step_id": 1, // 对应刑法中的 Step 1
        "status": "PERFECT", // 完美/错误/跳过/ECF(错误传递)
        "earned_score": 1,
        "student_segment": "设{an}的公差为d... a_n=1+(n-1)d", // 这一步对应的学生笔迹
        "comment": "公式引用正确"
      },
      {
        "step_id": 2, // 对应刑法中的 Step 2
        "status": "ERROR", 
        "earned_score": 0,
        "student_segment": "a_{n+1}a_n = ... = 4n^2 + 2", // 学生算错了
        "deduction_reason": "运算错误：常数项计算失误，应为-1，实际写了2"
      },
      {
        "step_id": 3,
        "status": "ECF_GRANTED", // 触发了 ECF（错误传递给分）
        "earned_score": 2,
        "comment": "虽然上一步算错了，但本步列方程组的方法逻辑是正确的，根据ECF原则给分。"
      }
    ],

    // 3. 错误归因与诊断（喂给错题本/强化学习）
    "diagnosis_report": {
      "primary_error_type": "Calculation_Error", // 错误类型：计算/概念/逻辑/书写
      "root_cause_analysis": "代数式化简过程中符号处理错误", // 具体的自然语言分析
    
      // 这里的 knowledge_point 和 remedial_ref 是直接从刑法（输入）里透传下来的
      // 只有当该步骤得分 < 满分时，才生成这一项
      "weak_knowledge_points": [
        {
          "tag": "代数式变形",
          "textbook_ref": "人教A版_选修2_第2章_2.2节", // 精准定位
          "error_severity": "High"
        }
      ]
    }
  }
}

三、补充建议

1. 引入 "ECF" (Error Carried Forward) 标记

在理科评分中，这是法官最难做、也最重要的功能。

场景： 学生第一问算错了公差 $d=3$（正确是 $d=2$），导致第二问求和结果全错。
处理： 笨的 AI 会全扣分。好的 AI 法官会标记 ECF_GRANTED：虽然结果不对，但第二问的裂项方法是对的，扣除结果分，保留过程分。
建议： 在提示词中，明确告诉法官：“如果检测到输入数值错误，但后续逻辑公式正确，请启用 ECF 模式评分。”

2. 处理“书写不规范” (Notation Warning)

有时候学生对了，但是写得很丑，或者不写“解：”。

建议法官输出一个 presentation_warning 字段。不扣分，但是会在作业评语里提示：“结果正确，但建议书写‘解’字，且等号要对齐”。这体现了“育人”的细节。

3. 结构化的错误类型代码

为了方便以后做统计（比如全班多少人是计算错，多少人是概念不懂），建议规定一组错误代码枚举值（Enum），让法官做选择题，而不是填空题：

ERR_CALC: 纯计算错误
ERR_FORMULA: 公式背错了
ERR_LOGIC: 逻辑推导不通
ERR_COPY: 抄错了上一行的数
ERR_MISSING: 漏掉了步骤（如漏写定义域）

总结

法官的职责不仅是打分，更是结构化数据的提取者。

输入： 刑法 + 学生图片。
输出：
1. 分数（面子）。
2. 笔录与步骤对应（里子，证明我没判错）。
3. 教材锚点与错误类型（药方，用于后续治疗）。

这样设计，您的 CCPE 系统就完成了一个从“出题-判题-诊断-治疗”的完美闭环。

7

前面，我们对文枢系统扩展数学判卷功能做了一个完整的构想。下面我想输出一个文枢数学判卷系统蓝图文档，以便参与人员，教师、工程师，测试等等都能对这个过程有个清晰认识。

同时，我补充了一份我们是谁，包括我们的开发方法论等，希望阅读后思考，并提供一份供我们用的蓝图。已经输出的文档不需要再重新输出，留下占位，或者直接引用即可。整个文档结构是个1+n的结构，1即主体是这个蓝图，n是配套的宪法，规则，各智能体的提示词，各智能体的使用说明等等。

我们是谁

## **【Team Context Protocol】: HiFi Agent Studio**

**0. 身份定义 (Who We Are)**
我们不是传统的软件开发商，我们是**高保真智能体（HiFi Agent）的架构师**。
*   **核心定位**：我们致力于弥合“人类隐性专家经验”与“AI工程化能力”之间的鸿沟。
*   **结构之“一”**：**认知建模能力（Cognitive Modeling）**。我们将人文社科、商业逻辑与管理智慧，提炼为结构化的模型，并注入AI。
*   **价值观**：拒绝平庸的“大而全”，追求极致的“小而美”。我们不交付工具，我们交付**确定性的专家级能力**。

**1. 我们的产品 (What We Build)**
我们要构建的是**拥有专家视角的智能业务助理**（而非简单的聊天机器人或CRUD系统）。
*   **产品特征**：
    *   **HiFi (High-Fidelity)**：高保真。拒绝幻觉，遵循严格的业务逻辑与SOP。
    *   **Domain-Specific**：垂直深耕（当前聚焦教育集团、医美场景）。
    *   **Digital Workforce**：不仅仅是软件，更是可租赁的虚拟劳动力（如：教案优化专员、销售策略顾问）。

**2. 核心方法论 (How We Work)**
我们遵循**“思想考古 -> 建模 -> 工程化”**的流水线：
*   **思想考古 (Intellectual Archaeology)**：从第一性原理出发，挖掘业务本质，不浮于表层需求。
*   **CCPE (智核提示工程)**：通过心智模型（What）、思维模型（How）、认知模型（Why）的三层架构，为AI注入灵魂。
*   **MVP原则**：快速闭环。在教育、医美等场景中快速验证模型价值，不陷入过度开发的陷阱。

**3. 组织架构映射 (The Five-Body System)**
我们的组织架构策略：
*   **[船长/价值裁判]**：关注战略方向、商业价值、最终决策。请提供宏观分析、风险评估与二选一的决断建议。
*   **[海图绘制者/建模者]**：关注第一性原理、领域模型、结构化框架。请协助我拆解概念、归纳抽象、构建理论体系。
*   **[航行官/AI翻译官]**：关注业务落地、Prompt编写、任务流设计。请协助我将抽象模型转化为具体的Prompt与工作流。
*   **[轮机长/工具工程师]**：关注代码实现、RAG/RPA集成、系统稳定性。请提供具体的Python代码、API设计与技术栈建议。

**4. 航行纪律 (Execution Disciplines)**
我们遵循《重构封闭》中的六大原则，以确保在不确定性中行稳致远：

*   **拥抱混合工程 (Hybrid Engineering)**: **不确定性优先**。必须先验证智能核心（Agent能否解决问题），再构建确定性外壳（UI/权限）。核心价值未跑通前，禁止过度开发软件功能。
*   **“绿野仙踪”协议 (Wizard of Oz Protocol)**: **模拟优于代码**。在写代码前，必须让人类专家幕后“人肉”扮演Agent跑通流程。我们要追求“深刻地做对”，而非盲目地“快速犯错”。
*   **实测去魅 (Demystifying via Testing)**: **拒绝技术神话**。不要盲信技术参数（如超长Context），必须通过严谨的工程实测来界定能力边界。做工程师，不做炼金术士。
*   **过程即数据 (Process is Data)**: **珍视修正痕迹**。专家对AI草稿的每一次修改、批注，都是最高质量的训练数据与评测集来源。必须建立机制捕获这些“过程数据”。
*   **深度优先 (Depth First)**: **打穿单点**。拒绝“通用平台”的诱惑，集中火力打穿一个极窄的垂直切片（如：只做教案优化）。深度的穿透力决定了未来的广度。
*   **降噪定力 (Signal Filtering)**: **坚守护城河**。战略上藐视技术噪音（如“RAG已死”等言论），战术上审视新工具。只吸收能强化我们核心框架的信号，不随波逐流。

**5. 输出标准 (Output Standards)**
*   **禁止废话**：直接进入主题，减少寒暄。
*   **结构化思维**：尽可能使用Markdown列表、表格或思维导图格式输出。
*   **批判性视角**：不要盲从指令。如果发现逻辑漏洞或更好的路径，请启动“红队思维”直接指出。
*   **拟人化**：在涉及Agent设计时，始终将其视为“人”来构建（思考它的人格、记忆与决策偏好）。

这是一个基于 HiFi Agent Studio 核心方法论构建的“文枢·数学”系统蓝图。本文档旨在为团队提供从认知模型到工程落地的统一视图。

【文枢·数学】智能评分系统架构蓝图 (WenShu-Math Blueprint)

Version: 1.0 Status: Draft Owner: HiFi Agent Studio Date: 2023-10-XX

1. 核心愿景与定义 (Vision & Definition)

1.1 身份宣言

我们不构建“自动批改脚本”，我们要构建的是**“具备专家级认知能力的虚拟数学助教”。遵循 HiFi Agent Studio 的价值观，本项目旨在解决传统OCR批改系统的“弱逻辑、无过程、低诊断”痛点，通过CCPE（智核提示工程）**将人类数学专家的隐性思维（如一题多解判定、过程分判定、错误归因）显性化，并注入AI。

1.2 核心差异化

与“文枢·语文”的“登山模型”（水平分级）不同，“文枢·数学”采用**“通关模型”**：

从“审美鉴赏”转向“逻辑状态机”：不评价“好不好”，只判定“对不对”及“通不通”。
引入 ECF (Error Carried Forward) 机制：模拟真人阅卷，允许“错误传递”，精准给付过程分。
从“得分”转向“诊断”：利用教材锚点，实现从“扣分”到“知识点补救”的闭环。

2. 系统架构：“四层漏斗”理科版 (System Architecture)

基于文枢通用架构，针对理科特性进行重构：

L1: 宪法层 (Constitution Layer) - [逻辑公理库]
- 不再是年级水平描述，而是**《数学逻辑判例法》**。
- 定义什么是 VALID (逻辑有效)、JUMP_VALID (合理跳步)、ECF (错误传递) 以及原子动作约束（如“设未知数规范”）。
L2: 规则生成层 (Prosecutor Layer) - [逻辑架构师]
- 角色：检察官 (Prosecutor)。
- 任务：输入题目与标答，进行**“解法泛化”**，生成包含多路径（Pathfinding）的结构化评分细则（JSON刑法）。
L3: 执行层 (Judge Layer) - [严谨判官]
- 角色：法官 (Judge)。
- 任务：基于“刑法”，比对学生答卷，执行状态机判定，输出结构化判决书。
L4: 诊断层 (Doctor Layer) - [诊疗系统]
- 任务：解析判决书，提取错误根因，映射至具体教材版本章节，生成补救方案。

3. 核心工作流 (Core Workflow)

Step 1: 立法 (Legislation) —— 检察官介入

输入:
- 题目文本/图片 + 标准答案（自然语言）。
- 元数据: 年级（决定跳步容忍度）、教材版本（如“人教A版”）、总分。
- Reference: [附件1：数学检察官CCPE定义]
过程:
- 语义解析 -> 知识图谱调用 -> 多解法路径预测 -> 步骤切分 -> 权重分配。
输出:
- 《案件执行刑法 (Criminal Law JSON)》：包含合法路径树、关键得分点、教材知识点锚点。

Step 2: 审判 (Judgement) —— 法官介入

输入:
- 《案件执行刑法》 (from Step 1)。
- 学生答卷切片图 (Evidence)。
- (可选) 辅助OCR文本提示。
- Reference: [附件2：数学法官CCPE定义]
过程:
- 手写体识别 -> 路径匹配 (Path Matching) -> 步骤状态判定 (State Check) -> ECF处理 -> 异常标记。
输出:
- 《判决书 (Verdict JSON)》：包含最终得分、步骤级详情、错误归因代码。

Step 3: 归因与反馈 (Diagnosis) —— 医生介入

输入: 《判决书》。
过程: 聚合错误类型（如“运算失误” vs “概念不清”） -> 关联教材章节。
输出: 错题本条目、推荐微课、强化练习题。

4. 关键数据协议 (Key Data Protocols)

为确保工程落地的确定性，核心交互协议如下：

4.1 检察官输入协议 (Input for Prosecutor)

{
  "grade": "高二",
  "textbook_context": {
    "version": "人教A版(2019)",
    "module": "选择性必修第二册"
  },
  "question_data": { "text": "...", "images": [...] },
  "standard_solution": "教师提供的自然语言解题步骤..."
}

4.2 法官输出协议 (Output from Judge)

此结构为后续“错题本”的核心数据源。

{
  "verdict": {
    "total_score": 11,
    "step_details": [
      {
        "step_id": 1,
        "status": "PERFECT",
        "score": 4,
        "student_segment": "OCR识别到的学生笔迹"
      },
      {
        "step_id": 2,
        "status": "ECF_GRANTED", // 关键：错误传递给分
        "score": 3,
        "deduction_reason": "上一步计算错误，但本步逻辑正确"
      }
    ],
    "diagnosis": {
      "error_code": "ERR_CALC", // 错误枚举
      "root_cause": "二次项系数处理错误",
      "textbook_anchor": "选修2_2.2节_等差数列性质" // 只有输入了教材版本，这里才能生成
    }
  }
}

5. 落地执行策略 (Execution Strategy)

遵循 HiFi "Hybrid Engineering" & "Wizard of Oz" 原则：

Phase 1: 模拟与校准 (The Wizard)

目标：验证“宪法”与“检察官”生成的规则是否足够覆盖真实学生样本。
行动：
1. 收集50道典型高中数学大题（涵盖代数、几何、统计）。
2. 人工（专家）扮演“检察官”，手写生成JSON刑法。
3. 使用AI（法官）跑通评分。
4. Process is Data：记录AI法官的每一次误判，反向修正“宪法”中的原子动作约束。

Phase 2: 检察官自动化 (The Automation)

目标：让AI接管“规则生成”工作。
行动：
1. 部署数学检察官Prompt。
2. 输入教师标答，自动化生成规则。
3. 人工审核规则的“泛化性”（是否涵盖了非标答的合法路径）。

Phase 3: 闭环集成 (The Integration)

目标：接入教材数据库，打通诊断层。
行动：
1. 建立“教材目录知识图谱”（Mapping Table）。
2. 前端渲染：在学生作业上高亮错误步骤，并直接推送教材链接。

6. 配套文档清单 (Attachments)

以下文档将作为本蓝图的附录，直接指导开发与Prompt编写：

[Doc-01] 文枢·数学逻辑宪法 (Math-Constitution v1.0)
- 内容：定义 global_logic_scale，原子动作约束库，状态机逻辑。
- 状态：[已就绪/引用Json]
[Doc-02] 数学检察官 CCPE 定义 (Prosecutor Agent Profile)
- 内容：Prompt架构，负责将自然语言标答转译为结构化多路径规则。
- 状态：[已就绪]
[Doc-03] 数学法官 CCPE 定义 (Judge Agent Profile)
- 内容：Prompt架构，负责执行评分、OCR校对、ECF判定。
- 状态：[待完善]
[Doc-04] 错误代码与教材映射表 (Diagnosis Enum & Mapping)
- 内容：定义 ERR_CALC, ERR_LOGIC 等枚举值及教材元数据结构。
- 状态：[待开发]

[End of Blueprint]

103 KiB Raw Blame History Unescape Escape

1