AI教育题目生成系统

基于LangGraph和通义千问的智能教育题目生成应用，能够自动从教学文档中生成选择题、填空题和连线题。

🌟 功能特性

• 多种题型支持：自动生成选择题、填空题、连线题
• 智能文档分析：提取关键知识点和主题
• 模块化设计：基于LangGraph的工作流架构
• 多LLM支持：优先使用通义千问，支持OpenAI作为备选
• 结构化输出：JSON格式便于后续处理和可视化
• 质量验证：内置题目质量检查机制
• 图结构可视化：支持查看和保存LangGraph工作流结构图

🏗️ 项目结构

lllm-QAs/
├── main.py                          # 主程序入口
├── config.py                        # 配置管理
├── llm_service.py                   # LLM服务封装
├── question_generator_graph.py      # LangGraph工作流
├── requirements.txt                 # 项目依赖
├── README.md                       # 项目说明
├── schemas/                        # 数据模型定义
│   ├── __init__.py
│   └── question_models.py
├── prompts/                        # Prompt模板
│   ├── __init__.py
│   └── question_prompts.py
└── nodes/                          # LangGraph节点
    ├── __init__.py
    ├── document_processor.py       # 文档处理节点
    ├── analyzer.py                 # 文档分析节点
    ├── question_generators.py      # 题目生成节点
    └── output_formatter.py         # 输出格式化节点

🚀 快速开始

1. 安装依赖

pip install -r requirements.txt

2. 配置API密钥

创建 .env 文件并配置API密钥：

# 通义千问API配置
ALI_API_KEY=your_ali_api_key_here

# OpenAI API配置 (备选方案)
OPENAI_API_KEY=your_openai_api_key_here
OPENAI_BASE_URL=https://api.openai.com/v1

或者直接在 config.py 中修改配置。

3. 运行示例

# 使用示例文档快速体验
python main.py --sample

# 处理自定义文档
python main.py --file your_document.md --output questions.json

# 查看系统信息
python main.py --info

📖 使用方法

命令行参数

• --file, -f: 输入文档文件路径
• --output, -o: 输出文件路径
• --title, -t: 文档标题（用于文本输入）
• --content, -c: 文档内容（用于文本输入）
• --sample, -s: 创建并使用示例文档
• --info: 显示系统信息
• --graph: 显示图结构信息（ASCII和Mermaid）
• --save-graph DIR: 保存图结构可视化文件到指定目录

使用示例

# 1. 处理Markdown文档
python main.py --file lesson.md --output questions.json

# 2. 直接输入文本内容
python main.py --title "Python基础" --content "Python是一种编程语言..." --output python_questions.json

# 3. 使用示例文档测试
python main.py --sample --output sample_output.json

# 4. 查看图结构
python main.py --graph

# 5. 保存图结构可视化文件
python main.py --save-graph ./graph_output

编程接口

from main import QuestionGeneratorApp

# 创建应用实例
app = QuestionGeneratorApp()

# 从文件生成题目
result = await app.generate_from_file("document.md", "output.json")

# 从文本生成题目
result = await app.generate_from_text("标题", "内容", "output.json")

# 检查结果
if result["success"]:
    print("生成成功！")
    print(result["output"])
else:
    print(f"生成失败：{result['error']}")

🔧 配置说明

在 config.py 中可以调整以下配置：

# 模型配置
default_model: str = "qwen-plus"  # 通义千问模型
backup_model: str = "gpt-3.5-turbo"  # 备选OpenAI模型

# 生成配置
max_questions_per_type: int = 5  # 每类题目最大数量
temperature: float = 0.7  # 生成随机性
max_tokens: int = 2000  # 最大token数

📊 输出格式

生成的JSON文件包含以下结构：

{
  "metadata": {
    "document_title": "文档标题",
    "generated_at": "2024-01-01T12:00:00",
    "statistics": {
      "total_questions": 15,
      "multiple_choice_count": 5,
      "fill_in_the_blank_count": 5,
      "matching_count": 5
    },
    "validation": {
      "valid": true,
      "quality_score": 0.95,
      "issues": []
    }
  },
  "questions": {
    "multiple_choice": [...],
    "fill_in_the_blank": [...],
    "matching": [...]
  },
  "document_analysis": {
    "topics": ["主题1", "主题2"],
    "key_points": ["要点1", "要点2", ...]
  }
}

🎯 题目类型

选择题 (Multiple Choice)

• 4个选项（A、B、C、D）
• 唯一正确答案
• 包含答案解释

填空题 (Fill-in-the-Blank)

• 1-3个空白处
• 支持提示信息
• 标准答案验证

连线题 (Matching)

• 4-6对匹配项
• 概念与定义的匹配
• 一对一的匹配关系

🔄 工作流程

系统采用LangGraph构建的工作流：

上图展示了完整的LangGraph工作流结构，包括各个处理节点、条件分支和错误处理机制

1. API连接测试：自动测试API密钥有效性和网络连接
2. 文档处理：解析Markdown文档，清理格式
3. 文档分析：提取主题和关键知识点
4. 题目生成：
   • 生成选择题
   • 生成填空题
   • 生成连线题
5. 输出格式化：验证题目质量，生成JSON输出

🔧 API连接测试

系统在启动时会自动进行API连接测试：

• ✅ 如果通义千问API可用，将优先使用
• ⚠️ 如果通义千问不可用，会自动切换到OpenAI备选方案
• ❌ 如果所有API都不可用，程序会提前退出并给出解决建议

🛠️ 扩展开发

添加新题型

1. 在 schemas/question_models.py 中定义新的题目模型
2. 在 prompts/question_prompts.py 中添加对应的Prompt模板
3. 在 nodes/question_generators.py 中实现生成器节点
4. 在 question_generator_graph.py 中添加到工作流

自定义LLM

在 llm_service.py 中添加新的LLM提供商支持：

def _create_custom_llm(self):
    # 实现自定义LLM
    pass

🐛 故障排除

常见问题

1. API连接失败

   • 检查 ALI_API_KEY 环境变量是否正确设置
   • 确认API密钥有足够的额度和权限
   • 检查网络连接是否正常
   • 如果通义千问不可用，尝试设置 OPENAI_API_KEY 作为备选

2. 依赖安装失败

   • 使用Python 3.8+版本
   • 尝试使用虚拟环境
   • 更新pip: pip install --upgrade pip

3. 题目质量不佳

   • 调整 temperature 参数
   • 优化Prompt模板
   • 检查输入文档质量

4. 初始化失败

   • 查看图结构验证系统: python main.py --graph
   • 检查所有依赖是否正确安装
   • 查看详细错误信息进行排查

日志调试

系统会生成 question_generation.log 日志文件，包含详细的运行信息。

📝 许可证

MIT License

🤝 贡献

欢迎提交Issue和Pull Request来改进这个项目！

📞 联系方式

如有问题或建议，请通过GitHub Issue联系。