AIWorkflow
/
PhysicsCorrection
2
1
Fork 0
Code Pull Requests Actions Releases Activity
PhysicsCorrection/AGENTS.md

18 KiB
Raw Blame History

项目概述

  • 名称: 初中物理作业批改工作流
  • 功能: 上传多张作业图片和Word答案文件，自动识别学生答案、提取标准答案、精准批改并返回批改结果JSON

节点清单

节点名 文件位置 类型 功能描述 分支逻辑 配置文件
doc_extract nodes/doc_extract_node.py agent 从Word文件（.docx）提取题干和标准答案；如无URL则返回空列表 - config/doc_extract_llm_cfg.json
process_images nodes/process_images_node.py looparray 循环调用子图处理每张作业图片，生成最终批改结果 - -

类型说明: task(普通任务节点) / agent(大模型节点) / condition(条件分支) / looparray(列表循环) / loopcond(条件循环)

子图清单

子图名 文件位置 功能描述 被调用节点
single_image_subgraph graphs/loop_graph.py 处理单张图片的完整批改流程（预处理→识别批改→整合→包装） process_images

子图内部节点

节点名 文件位置 类型 功能描述
image_preprocess nodes/image_preprocess_node.py task 下载图片、自动旋转（横向→纵向）、缩放到固定宽度1000px、上传对象存储
recognize_and_correct nodes/recognize_and_correct_node.py agent 一体化识别批改：合并识别题目和批改为一次LLM调用
result_merge nodes/result_merge_node.py task 将识别结果和批改结果合并为最终批注
wrap_result graphs/loop_graph.py task 包装子图结果为SingleImageResult输出

技能使用

  • 节点 recognize_and_correct 使用大语言模型技能（多模态，识别+批改合并）
    • 模型：doubao-seed-2-0-pro-260215（旗舰视觉模型，推理能力强，输出简洁）
  • 节点 doc_extract 使用大语言模型技能
    • 模型：doubao-seed-2-0-pro-260215（旗舰模型，复杂推理能力强）
    • 使用 python-docx 解析 Word 文档

工作流程（多图片批改架构）

┌─────────────────────┐
│    doc_extract      │
│   (Word答案解析)     │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   process_images    │
│  (多图片循环处理)    │
│  生成最终批改结果   │
└─────────────────────┘

子图内部流程（处理单张图片 - 优化版）

┌─────────────────────┐
│  image_preprocess   │
│    (图像预处理)      │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│recognize_and_correct│  ← 合并节点：识别+批改一次完成
│  (一体化识别批改)    │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   result_merge      │
│    (结果整合)        │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   wrap_result       │
│   (包装输出)         │
└─────────────────────┘

核心功能：多图片批改机制

输入参数

  • homework_images: 上传的作业图片列表（List[File]，支持多张图片）
  • answer_doc_url: 正确答案Word文件的URL（.docx格式，可选）
  • comment_max_length: 评语最大字数（默认100字，可选）
  • max_concurrent: 并行批改的最大数量（默认10，可选）
  • grade_standards: 评价等级标准（可选，默认值如下） 
    {
  "A+": {"min_percentage": 95, "description": "答案全部正确，步骤完整规范，逻辑严谨；书写/格式整洁，无错别字、无遗漏；完成度100%，态度认真，质量上乘"},
  "A": {"min_percentage": 90, "description": "答案完全正确，无任何错误；步骤合理、格式规范，无原则性问题；完成度100%，满足全部要求"},
  "B": {"min_percentage": 80, "description": "存在少量非关键性错误，或步骤略有缺失；整体思路基本正确，仅细节、格式、计算等小问题；完成大部分内容，整体合格但不够严谨"},
  "C": {"min_percentage": 70, "description": "错误较多，部分核心题目作答错误；步骤不完整、逻辑不够清晰；完成度一般，有明显应付、漏答情况"},
  "D": {"min_percentage": 0, "description": "大面积错误，核心知识点未掌握；大量空白、敷衍、抄袭；未达到基本完成要求"}
}

输出结果

  • final_result: 最终批改结果JSON（包含多图片）
    • total_images: 总图片数
    • image_results: 各图片的批改结果列表
    • overall_comment: 整体评价（根据得分率生成）
    • total_score: 总得分
    • full_score: 总满分
    • grade: 等级评定

批改优先级（严格按照以下顺序）

  1. 最优先：使用Word文档中的标准答案批改

    • 当提供了answer_doc_url且在文档中找到对应题目时
    • 严格按照标准答案判断学生答案正误

  2. 降级方案：使用专业物理老师批改

    • 场景1：未提供answer_doc_url
    • 场景2：提供了URL但文档中未找到对应题目
    • 使用专业物理老师的经验自主判断答案正误

功能说明

  1. 多图片支持：可上传多张作业图片，系统会并行处理每张图片（并发数限制为3）
  2. Word答案提取：从.docx文件中提取题干和标准答案
  3. 子图循环处理：使用子图封装单图片处理流程，主图调用子图处理每张图片
  4. 批改结果JSON：返回包含所有图片批改结果的结构化JSON
  5. 智能降级：无标准答案时自动切换到专业老师模式

优化记录

2026-03-26 填空题拆分优化（重要）

问题：一道题有多个填空时，被合并成一个答案，批改标记无法精准定位

修复内容：

  1. 优化Prompt：

    • 明确要求：一道题有多个填空时，每个空单独识别为一个题目
    • 题号格式："3(1)第一空"、"3(1)第二空"、"4(2)第一空"、"4(2)第二空"
    • 每个空单独批改，单独打分

  2. 示例说明：

    ❌ 错误：3(1) → "4、1"（合并）
✅ 正确：3(1)第一空 → "4"
        3(1)第二空 → "1"

  3. 参数传递优化：

    • comment_max_length参数正确传递到Jinja2模板
    • 确保LLM生成符合长度要求的comment

效果：

  • 识别数量从9个增加到13个
  • 每个填空都有独立的批改标记
  • 批改标记精准定位到每个答案位置

2026-03-26 JSON解析优化（重要）

问题：LLM输出可能不完整（被max_completion_tokens截断），导致JSON解析失败

修复内容：

  1. 新增fix_incomplete_json函数：

    • 自动检测缺失的括号（}和]）
    • 自动补全缺失的括号，使JSON完整
    • 示例：{"results": [{"id": 1} → 自动补全为 {"results": [{"id": 1}]}

  2. 增强JSON解析流程：

    • 第一步：尝试直接解析
    • 第二步：尝试修复不完整的JSON（补全括号）
    • 第三步：尝试提取JSON对象
    • 第四步：尝试修复提取的JSON

  3. 移除错误的截断逻辑：

    • 不再在解析后截断comment（可能破坏转义字符）
    • 完全依赖LLM遵守comment_max_length限制
    • 通过Prompt明确要求LLM控制comment长度

  4. 参数正确传递：

    • comment_max_length参数正确传递到Prompt
    • LLM根据该参数生成符合长度的comment

效果：

  • JSON解析成功率大幅提升
  • 能够处理不完整的JSON输出
  • comment长度由LLM控制，避免截断破坏格式

2026-03-26 识别优化：禁止标注实验装置图（重要）

问题：

  1. 在实验装置图（如弹簧测力计、烧杯等）上标注了批改气泡
  2. 坐标定位不够精准

修复内容：

  1. Prompt优化：

    • 明确禁止标注实验装置图、示意图、电路图
    • 明确禁止标注图中标注的字母（如A、B、C、D、E、F、G）
    • 强调只标注学生手写答案

  2. 工程规范优化：

    • 从config文件读取sp和up（符合工程规范）
    • 使用Jinja2模板渲染Prompt
    • 代码中只保留动态部分构建（标准答案、图片尺寸等）

  3. 识别流程优化：

    • 找题号 → 找学生答案 → 框选答案 → 判断正误
    • 强调学生答案的特征：手写、填写空白处、计算结果

效果：不再误标注实验装置图，只标注学生手写答案

2026-03-26 新增并行数量控制参数

优化前：硬编码并发数限制为3，不够灵活 优化后：添加max_concurrent参数，默认值10，用户可自定义

具体优化：

  1. 新增参数：max_concurrent（可选，默认10）
  2. 修改位置：
    • GraphInput.max_concurrent: Optional[int] = 10
    • GlobalState.max_concurrent: int = 10
    • ProcessImagesInput.max_concurrent: int
  3. 使用方式： 
    {
  "homework_images": [...],
  "max_concurrent": 5  // 最多同时处理5张图片
}

效果：用户可根据服务器性能和网络情况灵活调整并发数

2026-03-26 学科变更

修改：将所有"数学"改为"物理"

  • 节点描述：数学作业 → 物理作业
  • Prompt中的学科引用：数学 → 物理
  • 配置文件说明更新

2026-03-25 多图片并行处理优化

优化前：多图片串行处理，总时间 = 单张图片时间 × 图片数量 优化后：多图片并行处理（并发数限制为3），总时间大幅缩短

具体优化：

  1. 并行处理架构：使用 ThreadPoolExecutor 并行调用子图处理每张图片
    • 最多同时处理3张图片
    • 结果按 image_index 正确排序，保证顺序一致性
  2. 性能提升：
    • 3张图片：时间减少约66%（从3份时间 → 1份时间）
    • 5张图片：时间减少约80%（从5份时间 → 约2份时间，分两批并行）
  3. 质量保证：
    • 每张图片独立处理，互不影响
    • 识别逻辑、批改逻辑完全相同，质量不受影响

2026-03-26 坐标定位修复（重要）

问题：坐标定位特别不准，批改标记位置错误 原因：Y坐标修正逻辑错误，导致坐标被错误缩放

修复内容：

  1. 坐标系统重构：从绝对坐标改为相对坐标（0-1000）系统

    • AI返回相对坐标（0-1000），(0,0)为图片左上角，(1000,1000)为右下角
    • 代码将相对坐标转换为绝对坐标：绝对X = 相对X × width / 1000，绝对Y = 相对Y × height / 1000

  2. Prompt优化：

    • 明确要求AI返回相对坐标（0-1000）
    • 添加坐标系统说明和示例

  3. 转换逻辑修正：

    • 移除错误的Y坐标修正（Y × height_ratio）
    • 实现正确的相对坐标到绝对坐标转换

效果：坐标定位准确，批改标记位置正确

2026-03-26 题目和答案识别优化（重要）

问题：

  1. 无法准确区分"题干"和"学生答案"
  2. 批改气泡不在学生答案位置
  3. 题干位置被误标注为答案

修复内容：

  1. Prompt重写：

    • 明确定义"题干"和"学生答案"的区别
    • 强调只标注学生手写答案，不标注印刷体题干
    • 添加识别流程指导

  2. 坐标定位优化：

    • 自动计算mark_position：答案框右侧30像素，垂直居中
    • 添加边界检查，确保不超出图片范围
    • 不再依赖AI返回的mark_position（可能不准确）

  3. 识别指导：

    • 题号识别：如1、2、3、(1)、(2)等
    • 答案定位：学生手写内容（不是印刷体）
    • bbox框选：准确框选学生答案区域

效果：更准确地区分题干和答案，批改气泡位置更精准

2026-03-25 批改速度优化

优化前：每张图片需要3次LLM调用（识别+批改+整体评价） 优化后：每张图片只需1次LLM调用

具体优化：

  1. 合并识别和批改：将homework_recognize和correction_judge合并为recognize_and_correct节点

    • 识别题目、学生答案、坐标的同时进行批改
    • 减少一次LLM调用，速度提升约50%

  2. 简化整体评价：不再调用LLM生成整体评价

    • 使用规则直接生成评价内容
    • 根据得分率和错误数量生成个性化评语
    • 减少一次LLM调用

  3. 子图节点精简：从5个节点减少到4个节点

    • 移除：homework_recognize、correction_judge
    • 新增：recognize_and_correct（合并节点）
    • 保留：image_preprocess、result_merge、wrap_result

效果：

  • LLM调用次数：每张图片从3次减少到1次
  • 预计批改时间减少约60%

2026-03-25 新增输入参数控制

  1. 新增 comment_max_length 参数：控制评语最大字数，默认100字
  2. 新增 grade_standards 参数：自定义评价等级标准
    • 支持自定义各等级的最低得分率百分比
    • 支持自定义各等级的描述
    • 默认标准：A+(≥95%)、A(≥90%)、B(≥80%)、C(≥70%)、D(<70%)
  3. 使用方式： 
    {
  "homework_images": [...],
  "comment_max_length": 50,  // 评语最多50字
  "grade_standards": {
    "A+": {"min_percentage": 98, "description": "完美"},
    "A": {"min_percentage": 90, "description": "优秀"},
    ...
  }
}

2026-03-25 评语优化与整体评价

  1. 评语具体化：批改评语要求具体说明对错原因
    • 正确时：说明为什么正确
    • 错误时：指出错误原因并给出正确答案
    • 部分正确时：说明哪些对了哪些错了
    • 字数限制：50字以内，最多不超过100字
    • 不要显示思考过程，只输出结果
  2. 评语示例：
    • 选择题正确：答案为B，与标准答案一致，正确。
    • 填空题错误：答案应为8+√7和8-√7，学生只写了一个，不完整。
    • 解答题正确：解题过程完整，步骤清晰，结果正确。
    • 计算题错误：计算过程有误，正确答案是m=2，建议检查移项步骤。
  3. 整体评价：根据所有批改内容自动生成简短的整体评价
    • 调用LLM生成个性化评价
    • 评价不超过50字
    • 包含主要问题或优点
    • 给出简短建议
  4. HTML报告优化：在统计总览后显示整体评价区域

2026-03-25 自动旋转功能

  1. 新增横向图片自动旋转：如果上传的图片宽度大于高度（横向图片），系统会自动旋转-90度使其变为纵向
  2. 旋转时机：在图像预处理阶段，下载图片后、缩放前进行旋转
  3. 旋转方向：逆时针旋转90度（rotate(-90)），确保文字方向正确
  4. 日志记录：添加详细的旋转日志，便于调试

2026-03-25 多图片批改功能

  1. 新增多图片支持：从单图片批改升级为支持多图片批量批改
  2. 新增子图架构：创建 loop_graph.py 封装单图片处理流程
  3. 新增循环节点：创建 process_images_node.py 循环调用子图处理每张图片
  4. 重构状态定义：
    • GraphInput.homework_image → homework_images: List[File]
    • 新增 SubgraphState、SubgraphInput、SubgraphOutput 子图状态
    • 新增 SingleImageResult 单图片批改结果
    • 新增 FinalResult.image_results 多图片结果列表
  5. 重构HTML生成：支持生成包含所有图片批改标注的HTML报告
  6. 优化主图编排：简化为三节点线性流程（doc_extract → process_images → html_generate）

2026-03-25 双模式批改机制

  1. 新增智能降级逻辑：优先使用标准答案，无标准答案时自动切换专业老师模式
  2. 修改state.py：answer_doc_url改为可选字段，支持不提供答案URL的场景
  3. 升级correction_judge_node：实现题目分离逻辑，有标准答案和无标准答案分别处理
  4. 更新Prompt：批改节点支持两种模式（标准答案模式 + 专业老师模式）
  5. 优化doc_extract_node：无URL时返回空列表，不中断工作流

2026-03-25 Word答案解析功能

  1. 新增 doc_extract_node 节点：从Word文件（.docx）提取题干和标准答案
  2. 使用 python-docx 提取 Word 文档内容
  3. 并行处理架构：图像识别与答案解析同时进行
  4. 基于 Word 中的标准答案进行精准批改

2026-03-25 OCR识别能力优化

  1. 问题：识别节点把学生答案中的"8"错认成"9"，导致误判
  2. 优化识别节点prompt：增加OCR识别特别提示，强调区分8和9、6和0、1和7等相似字符
  3. 效果：第7题正确识别为"8+√7，8-√7"，满分通过

2026-03-25 批改能力升级

  1. 升级批改节点模型：doubao-seed-1-6-vision-250815 → doubao-seed-2-0-pro-260215
  2. 原因：较小模型对选择题判断准确率不足
  3. 效果：选择题判断准确率大幅提升，推理过程更严谨

2026-03-24 重构（学习豆包APP方式）

  1. 从8个节点简化为5个节点（现调整为子图+主图架构）
  2. 采用一体化识别：AI识别answer_bbox，代码计算mark_position
  3. 实现精准坐标计算，Y坐标与答案垂直中心完美对齐

TODO

  • 提供真实的多页作业图片进行完整流程测试
  • 优化HTML报告的图片展示布局
  • 支持PDF格式答案文档