答岸

面向公务员考试备考者的错题讲解与刷题工具：上传错题截图或粘贴题目，AI 按「花生十三」公开教学 体系的方法（ABRX、截位直除、415 份数、假设分配、翻译推理等）分步讲解、分析错因，存入错题本 做间隔复习与薄弱点统计；同时提供五大模块题库、真题卷、每周模考大赛与申论批改。

✨ 功能特性

• 📷 拍照/截图识题：多模态 LLM 直接读图，无需独立 OCR 管线
• 🧭 题型路由：自动判断模块（资料分析/数量关系/言语/判断/常识/申论）并加载对应方法库
• 📖 方法库严格引用：只讲方法库里有的技巧，没有就明说，不编造「花生十三方法」
• ❌ 六段式讲解 + 错因分析：判答案 / 点方法 / 拆步骤 / 防陷阱 / 给迁移 / 练同类
• 📒 错题本：SM-2 间隔复习、题型聚合、定向重练、手工录入与导出错题本
• 📊 学习统计：难度画像、掌握度图谱、学习日历打卡、击败百分比
• 📝 题库刷题：五大模块题库（真题/三级考点/同材料题组/自适应难度）、约 196 套真题卷、 每周六全站同卷模考大赛
• 📄 申论：真题题库 + 素材范文、AI 采分点批改、作答历史、草稿自动保存
• 🛠 管理后台 /admin：数据看板、AI 通道健康监测、题库管理、批次审核、用户纠错、公告
• 🌐 平台：网页版已上线；微信小程序内测中（同账号数据互通）

🏗 架构

浏览器 / 微信小程序
        │
Cloudflare Pages + Functions（静态层 + 同源代理）
        │  Cloudflare Tunnel
        ▼
FastAPI (uvicorn) + SQLite            ← backend/
   ├─ app/*_api.py      按业务域拆分的 API
   ├─ app/db_*.py       数据访问层 + Alembic 迁移
   ├─ app/llm.py        OpenAI 兼容 LLM 客户端（多通道/救援模型）
   ├─ app/seo.py        /tiku/ SSR 题库落地页 + sitemap
   └─ app/admin/        管理后台
uni-app (Vue3) → H5                   ← frontend-uni/
微信小程序（原生 TS）                  ← miniapp-native/
官网落地页（纯静态）                   ← landing/
花生十三方法库 / 题库数据              ← knowledge/ + data/ + qimg/

🚀 快速开始

需要：Python 3.12+、Node 20+。

# 1. 后端
cd backend
pip install -r requirements.txt
export LLM_BASE_URL=https://api.deepseek.com   # 任意 OpenAI 兼容接口
export LLM_API_KEY=sk-...
export LLM_MODEL=deepseek-chat                  # 识图功能需多模态模型
uvicorn app.main:app --reload --port 8000
# → http://localhost:8000（自动建库、写入种子题库）

# 2. 前端（另开终端）
cd frontend-uni
npm install
npm run dev:h5
# → http://localhost:5173

生产部署（Docker / Cloudflare Pages + Tunnel）见 deploy/README.md。

🧪 测试

cd frontend-uni && npm test          # Vitest（含组件行为与「源锁」回归测试）
cd frontend-uni && npm run lint      # eslint + 设计 token lint
cd backend && python -m pytest tests/    # 后端 pytest

📁 目录结构

backend/           FastAPI 后端 + SQLite；app/ 按业务域拆分，alembic/ 迁移
frontend-uni/      uni-app 源码 → 编译为网页版 H5（/app/）
miniapp-native/    微信小程序源码（原生 TypeScript，内测中）
landing/           官网落地页（纯静态单页 + lp-assets 品牌素材）
knowledge/         花生十三方法库 + 复盘流程知识库
data/              题库语料与审计账本（清洗脚本见 scripts/ 与 backend/scripts/）
qimg/              题目配图（由 /qimg/* 接口直出）
docs/              设计系统、架构文档、QA 报告（docs/qa/）、迭代簿记（docs/iter/）
tools/             设计 token 构建、API 类型生成、冒烟检查等开发工具
scripts/           运维脚本（一次性修复脚本在 scripts/one-off/）
deploy/            Dockerfile.runtime、docker-compose、CF Pages functions、部署脚本
eval/              LLM 讲解质量评测集
.github/           PR / Issue 模板

📚 方法库与题目版权

• knowledge/references/ 来自开源项目 WangJunqing-coder/huasheng13-skill （README 声明 MIT），基于花生十三公开教学渠道（B 站公开课、知乎专栏等）整理， 不含付费课程原文。本项目不复制、不传播任何付费课程内容。
• 题库主要来自开源「上岸通」语料及粉笔题库镜像/网友回忆版真题，仅供个人学习辅助使用； 如涉及版权问题请开 Issue 联系下架。

🤝 贡献

欢迎 Issue、PR 与产品反馈。开始前请阅读 贡献指南 与 行为准则。 产品内测反馈入口：https://kaogong.zalize.com/#feedback

📮 联系

• 邮箱：[email protected]
• 微信：hveary
• Issue / 讨论：直接在仓库开 Issue 或 Discussion

📄 许可证

代码以 MIT License 发布。knowledge/references/ 内容随其上游项目许可证； 题目语料版权归原出卷机构/整理方所有，仅用于学习研究。