Math_Tutor_RAG：基于视觉大模型与 RAG 的智能错题本与间隔重复复习系统

核心能力与快速开始

★ 4 · Python

能做什么

AI 拍照录题：上传手写作业或试卷照片，视觉大模型输出结构化解析（考点、分步讲解、答案、难度、易错原因、变式题），基于 Pydantic Schema 约束输出。多模型提供商抽象：一套代码对接 SiliconFlow / 通义千问 / 智谱 GLM / DeepSeek / OpenAI / Ollama，Gemini 走独立 Provider，无 Key 时进入演示模式。RAG 向量检索：ChromaDB 持久化向量库，支持「举一反三」相似题召回与错题本语义搜索，向量库故障自动降级为关键词检索。Agent + MCP：Tool-use 对话 Agent 与 MCP Server，可由 Claude Desktop / Cursor 直接调用错题本。能力画像与自适应复习：知识点掌握度引擎、SM-2 间隔重复调度、每日复习计划（到期优先 + 薄弱知识点加固）。此外还包含追问讲题多轮对话、学情看板、Word 一键组卷导出、知识图谱、教师端学生总览、学习日历、FastAPI REST 网关（JWT + OpenAPI）等能力。

适用场景

学生将手写错题拍照录入，获得结构化讲解与变式练习；通过语义搜索或相似题召回在错题本中找题、举一反三；按 SM-2 闪卡队列进行每日复习并跟踪掌握度；教师查看班级或学生的错题量、待复习数与知识点分布并进行批注；通过 FastAPI 网关把同一套后端复用到 Web、小程序或脚本；在 MCP 客户端中用自然语言搜索错题、录入错题、评分复习、查周报。

项目形态

可直接使用的工具

部署方式

提供三种方式：本地运行（Python 3.10+，venv 安装 requirements.txt 后 streamlit run app.py）、Docker Compose 一键部署（Web 8501、REST API 8000，数据持久化于 named volume）、单独启动 FastAPI 网关（uvicorn api.main:app --port 8000）。另有 MCP Server 以 stdio 传输启动。数据库默认 SQLite，支持切换 MySQL 与 PostgreSQL；可选 Redis/RQ 异步队列；错题图片存储于本地磁盘 data/images/。

主要依赖

Python 3.10+；依赖 Streamlit、SQLAlchemy 2.0、ChromaDB、FastAPI 等。启用真实 AI 模型需配置 AI_PROVIDER、AI_BASE_URL、AI_API_KEY、AI_MODEL；嵌入模型可选远程中文嵌入（如 BAAI/bge-m3），默认使用 ChromaDB 内置本地模型。JWT 签名需在 .env 设置 AUTH_SECRET（≥ 32 字节强随机密钥）。未配置 AI Key 时以演示模式运行。

使用限制

登录失败限流为进程内实现，多实例部署需换用 Redis 等共享存储；异步解析队列默认进程内线程实现，多实例部署需配置 REDIS_URL 切换 RQ 队列 + 独立 Worker；语义搜索向量检索范围受角色限制（学生仅本人错题，教师默认自己 + 全部学生，建班后收紧为自己班级学生）；PostgreSQL 仅为兼容验证通过，日常开发默认仍为 SQLite；错题图片存于本地磁盘，云对象存储接入在路线图中。README 未说明各 AI 提供商的 API 费用与调用配额。

许可证

MIT

最近推送

2026-10-02 23:06

资料检查：2026-10-03 07:00 · 卡片整理：2026-10-03 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为可复用的 AI 应用参考实现，程序员可研究其视觉大模型结构化解析、ChromaDB RAG 检索、SM-2 间隔重复调度、FastAPI REST 网关与 MCP Server 的工程化实现，用于构建类似的 AI 应用。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证