AI拆题

这个系统的核心任务，是让AI将结构复杂、格式不规则的语文试卷，自动解析成高度标准化的JSON数据。

###流程：

1. 数据预处理(把非结构化的试卷文件转为markdown格式的结构化数据)

技术选型和验证

2. 对md数据进行AI智能解析：prompt规则设计

prompt怎么设计？

​​这个任务可以说是一个典型的‘复杂规则系统’的Prompt工程问题。​​ 首先，面对上百条复杂且可能冲突的业务规则——比如不同学科对标点符号的处理不同，‘选择题的题干和选项要分开存储’但‘阅读题的题干和材料又不能拆分’——我的核心解法是：​​用软件工程的思想来设计Prompt，而不是简单地罗列指令。

先简化问题：思路：背景、目的、行动、示例、限制条件

1. 开篇先给AI一个全局背景和目的说明，抽象出问题本质：试卷有‘题组、题目、子题’三级结构，本质就是题组、题目、子题的各种组合情况。然后再深入到后面的具体规则。确保AI不会在细节中迷失方向。
2. ​模块化组织​​：把复杂的规则按功能拆解成独立的模块，比如‘题型识别模块’、‘格式转换模块（md语法和特殊标记转换为HTML标签）’、‘JSON结构规范模块’等等，将原来复杂关联的规则解耦开，避免规则的冲突和矛盾。
3. 撰写题目示例json结构
4. 添加限制规则和检查清单

3. 测试迭代和prompt调优

测试和迭代的方式，由于prompt调优不是一个一次性的问题，可能涉及到反复的微调工作，本质上这是一个版本管理的任务，所以我用我在代码工作上的经验使用了git来管理我的prompt，保障每次更新都是有记录的，可回溯可管理的。（这应该也是我具备技术背景的一个优势点） （细节：发现误判问题如m选n和填空题的混淆、序号删减错误等，进行prompt调优）

锻炼的能力：逻辑思考和逻辑表达，能够对业务需求、技术能力做很好的抽象。