%%{init: {'theme':'base', 'themeVariables': {'primaryBackgroundColor':'#ffffff', 'primaryTextColor':'#000000', 'primaryBorderColor':'#333333', 'lineColor':'#333333', 'edgeLabelBackground':'#ffffff', 'secondaryColor':'#f0f0f0', 'tertiaryColor':'#ffffff', 'mainBkgColor':'#ffffff', 'secondBkgColor':'#f5f5f5', 'tertiaryBkgColor':'#ffffff', 'background':'#ffffff', 'primaryColor':'#ffffff'}}}%%
graph TB
    subgraph 前端层["前端层"]
        GradioUI["Gradio Web UI
enhanced_main_ui.py
交互式Web界面"]
        Login["登录注册系统
用户认证与权限管理"]
    end
    
    subgraph 应用层["应用层"]
        SystemCore["System Core
system_core_db.py
系统核心协调器"]
        BKT["BKT算法适配器
bkt_database_adapter.py
贝叶斯知识追踪"]
        RAG["RAG引擎
rag_engine.py
基于知识图谱的检索"]
        KG["知识图谱构建器
kg_builder.py
实体关系提取与图谱构建"]
        Selector["题目选择器
question_generator.py
智能推荐+题目互选"]
        Evaluator["评估器
evaluator.py
答案评判+学习分析+报告生成"]
        Visualizer["可视化器
kg_visualizer.py
radar_chart.py
知识图谱+雷达图可视化"]
    end
    
    subgraph AI模型层["AI模型层"]
        Pangu["OpenPangu 7B
llm_models.py
• 实体关系提取
• 题目互选
• 答案评判
• 分析总结"]
        BGE["BGE-small-zh-v1.5
embedding_model.py
文本向量化"]
    end
    
    subgraph 数据层["数据层"]
        DB[("SQLite数据库
database.py
• 用户表
• 题目表
• 答题记录表
• 学生状态表")]
        Cache[("知识图谱缓存
knowledge_graph.pkl
实体关系图")]
        Hash[("知识图谱哈希
kg_hash.txt
检测题库更新")]
        VectorIndex[("向量索引
内存存储
题目向量检索")]
    end
    
    subgraph 硬件层["硬件层"]
        NPU["昇腾910B2 NPU
AI模型加速"]
    end
    
    %% 前端到核心
    GradioUI --> Login
    Login --> SystemCore
    
    %% 系统核心初始化各组件
    SystemCore --> BKT
    SystemCore --> RAG
    SystemCore --> KG
    SystemCore --> Selector
    SystemCore --> Evaluator
    SystemCore --> Visualizer
    
    %% 数据存储关系
    BKT --> DB
    SystemCore --> DB
    KG --> Cache
    KG --> Hash
    RAG --> VectorIndex
    
    %% RAG引擎相关连接
    RAG --> DB
    RAG --> BGE
    RAG --> Pangu
    RAG --> Cache
    BGE --> VectorIndex
    
    %% 知识图谱构建器相关连接
    KG --> DB
    KG --> Pangu
    KG --> Cache
    
    %% 题目选择器相关连接
    Selector --> RAG
    Selector --> BKT
    Selector --> Pangu
    Selector --> DB
    
    %% 评估器相关连接
    Evaluator --> Pangu
    Evaluator --> BKT
    Evaluator --> DB
    
    %% 可视化器相关连接
    Visualizer --> Cache
    Visualizer --> DB
    
    %% 硬件加速
    Pangu --> NPU
    BGE --> NPU
    
    style GradioUI fill:#E3F2FD
    style Login fill:#C8E6C9
    style SystemCore fill:#F3E5F5
    style Pangu fill:#FFF3E0
    style BGE fill:#FFF3E0
    style NPU fill:#E0E0E0
    style RAG fill:#E1BEE7
    style Selector fill:#E1BEE7
    style Evaluator fill:#E1BEE7
    style Visualizer fill:#E1BEE7
    style BKT fill:#C8E6C9
    style KG fill:#BBDEFB
    style DB fill:#FFE0B2
    style Cache fill:#FFE0B2
    style Hash fill:#FFE0B2
    style VectorIndex fill:#FFE0B2

%%{init: {'theme':'base', 'themeVariables': {'primaryBackgroundColor':'#ffffff', 'primaryTextColor':'#000000', 'primaryBorderColor':'#333333', 'lineColor':'#333333', 'edgeLabelBackground':'#ffffff', 'secondaryColor':'#f0f0f0', 'tertiaryColor':'#ffffff', 'mainBkgColor':'#ffffff', 'secondBkgColor':'#f5f5f5', 'tertiaryBkgColor':'#ffffff', 'background':'#ffffff', 'primaryColor':'#ffffff'}}}%%
graph LR
    subgraph 前端技术["前端技术"]
        Gradio["Gradio 5.49.1
Apache 2.0"]
    end
    
    subgraph 深度学习框架["深度学习框架"]
        PyTorch["PyTorch
BSD 3-Clause"]
        TorchNPU["torch-npu
Apache 2.0"]
    end
    
    subgraph 模型库["模型库"]
        Transformers["Transformers 4.53.2
Apache 2.0"]
        Accelerate["Accelerate 1.10.1
Apache 2.0"]
        SentenceTransformers["sentence-transformers 5.1.1
Apache 2.0"]
    end
    
    subgraph 数据处理["数据处理"]
        NumPy["NumPy 1.26.4
BSD 3-Clause"]
        Pandas["Pandas 1.5.3
BSD 3-Clause"]
        SciPy["SciPy 1.15.3
BSD 3-Clause"]
    end
    
    subgraph 图论可视化["图论与可视化"]
        NetworkX["NetworkX 3.5
BSD 3-Clause"]
        Plotly["Plotly 6.4.0
MIT"]
        Matplotlib["Matplotlib 3.10.6
Matplotlib License"]
    end
    
    subgraph 数据库["数据库"]
        SQLite["SQLite
Public Domain"]
    end
    
    subgraph AI模型["AI模型"]
        OpenPangu["OpenPangu 7B
OpenPangu License v1.0"]
        BGE["BGE-small-zh-v1.5
Apache 2.0"]
    end
    
    subgraph 硬件加速["硬件加速"]
        NPU["昇腾910B2 NPU"]
    end
    
    Gradio --> PyTorch
    Gradio --> Transformers
    PyTorch --> TorchNPU
    TorchNPU --> NPU
    Transformers --> OpenPangu
    Transformers --> Accelerate
    Accelerate --> NPU
    SentenceTransformers --> BGE
    SentenceTransformers --> Transformers
    OpenPangu --> NPU
    BGE --> NPU
    
    NumPy --> PyTorch
    Pandas --> NumPy
    SciPy --> NumPy
    NetworkX --> NumPy
    Plotly --> NumPy
    Matplotlib --> NumPy
    
    SQLite --> Gradio
    
    style Gradio fill:#BBDEFB
    style PyTorch fill:#C8E6C9
    style Transformers fill:#FFF9C4
    style Accelerate fill:#FFF9C4
    style SentenceTransformers fill:#FFF9C4
    style OpenPangu fill:#FFE0B2
    style BGE fill:#FFE0B2
    style NPU fill:#E0E0E0
    style SQLite fill:#C8E6C9
    style NetworkX fill:#E1BEE7
    style Plotly fill:#E1BEE7
    style Matplotlib fill:#E1BEE7

%%{init: {'theme':'base', 'themeVariables': {'primaryBackgroundColor':'#ffffff', 'primaryTextColor':'#000000', 'primaryBorderColor':'#333333', 'lineColor':'#333333', 'edgeLabelBackground':'#ffffff', 'secondaryColor':'#f0f0f0', 'tertiaryColor':'#ffffff', 'mainBkgColor':'#ffffff', 'secondBkgColor':'#f5f5f5', 'tertiaryBkgColor':'#ffffff', 'background':'#ffffff', 'primaryColor':'#ffffff'}}}%%
flowchart TD
    Start([用户登录系统]) --> Auth{身份验证}
    Auth -->|学生| StudentFlow[学生流程]
    Auth -->|教师| TeacherFlow[教师流程]
    
    StudentFlow --> StartAssess[开始智能测评]
    StartAssess --> GenProfile[【BKT算法】
生成学生画像]
    GenProfile --> SelectKP{选择目标知识点}
    SelectKP -->|70%概率| WeakKP[优先选择薄弱知识点]
    SelectKP -->|30%概率| RandomKP[随机选择知识点]
    WeakKP --> GetMastery[【BKT算法】
获取学生掌握度]
    RandomKP --> GetMastery
    
    GetMastery --> QuestionSelect[【题目选择器】
智能选择题目]
    QuestionSelect --> RAGStrategy{知识图谱RAG检索}
    RAGStrategy -->|成功| RAGSelected[返回RAG推荐题目]
    RAGStrategy -->|失败| Fallback[多级SQL备用方案
1.精确匹配 2.大类+难度
3.大类匹配 4.任意题目]
    RAGSelected --> CreateSession[创建测评会话]
    Fallback --> CreateSession
    
    CreateSession --> DisplayQ[显示题目]
    DisplayQ --> Answer[学生答题]
    Answer --> SubmitAnswer[提交答案]
    
    SubmitAnswer --> AnswerJudge[【盘古7B模型】
智能答案评估
支持答案缓存优化]
    AnswerJudge --> BKTUpdate[【BKT算法】
更新学生掌握度]
    BKTUpdate --> SaveDB[【SQLite数据库】
保存答题记录]
    
    SaveDB --> CheckMore{还有题目?}
    CheckMore -->|是| PreSelectNext[预选下一题
选择知识点+选择题目]
    CheckMore -->|否| GenerateReport[【盘古7B模型】
生成学习分析报告]
    
    PreSelectNext --> NextQuestion[加载下一题]
    NextQuestion --> DisplayQ
    
    GenerateReport --> ShowReport[显示学习报告
包含掌握度、薄弱点、
进步趋势等]
    ShowReport --> End([结束])
    
    TeacherFlow --> Manage[【教师管理功能】
题库管理、学生管理、
系统监控、知识图谱管理]
    
    style Start fill:#E8F5E9
    style Auth fill:#FFF3E0
    style StudentFlow fill:#E3F2FD
    style TeacherFlow fill:#F3E5F5
    style GenProfile fill:#E3F2FD
    style SelectKP fill:#FFF3E0
    style WeakKP fill:#FFE0B2
    style GetMastery fill:#E3F2FD
    style QuestionSelect fill:#E1BEE7
    style RAGStrategy fill:#F3E5F5
    style RAGSelected fill:#C8E6C9
    style Fallback fill:#FFF9C4
    style AnswerJudge fill:#FFE0B2
    style BKTUpdate fill:#E3F2FD
    style SaveDB fill:#C8E6C9
    style GenerateReport fill:#FFE0B2
    style ShowReport fill:#C8E6C9
    style End fill:#FFCDD2
    style Manage fill:#E1BEE7

docker run -dit --net=host \
  --name docker_person_exam \
  --device /dev/davinci2 \
  --device /dev/davinci_manager \
  --device /dev/devmm_svm \
  --device /dev/hisi_hdc \
  -v /usr/local/dcmi:/usr/local/dcmi \
  -v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \
  -v /usr/local/Ascend/driver/lib64/:/usr/local/Ascend/driver/lib64/ \
  -v /usr/local/Ascend/driver/version.info:/usr/local/Ascend/driver/version.info \
  -v /etc/ascend_install.info:/etc/ascend_install.info \
  -v /opt/pangu:/opt/pangu \
  -v /home:/home \
  quay.io/ascend/cann:pangu-8.1.rc1-910b-py3.11

# 复制代码到容器内
docker cp /home/xxx/PersonalExam/. docker_person_exam:/app/ # xxx为你上传的目录

curl -LsSf https://hf.co/cli/install.sh | bash # Make sure the hf CLI is installed

# 方式1: 直接下载到项目目录（推荐）
# 下载到项目 models 目录，与配置文件中的默认路径一致
hf download BAAI/bge-small-zh-v1.5 --local-dir /app/education/models/bge-small-zh-v1.5

# 方式2: 使用默认位置下载
# 默认下载到: ~/.cache/huggingface/hub/
# 下载后需要配置 BGE_MODEL_PATH 环境变量指向实际路径
hf download BAAI/bge-small-zh-v1.5

# 安装Hugging Face CLI（如果未安装）
curl -LsSf https://hf.co/cli/install.sh | bash

# 创建模型目录
mkdir -p /opt/pangu

# 下载模型到指定目录
hf download FreedomIntelligence/openPangu-Embedded-7B-V1.1 --local-dir /opt/pangu/openPangu-Embedded-7B-V1.1

# 检查模型文件是否存在
ls -lh /opt/pangu/openPangu-Embedded-7B-V1.1/

# 应该包含模型权重文件（如 .bin, .safetensors 等）和配置文件（config.json, tokenizer.json 等）
# 可进一步参考盘古的说明，检查checksum，确保文件没有损坏

[
  {
    "题号": 1,
    "问题": "解方程 x^2 - 5x + 6 = 0",
    "答案": "x = 2 或 x = 3",
    "解析": "使用因式分解法...",
    "难度": 0.3,
    "知识点大类": "代数",
    "知识点小类": "一元二次方程"
  }
]

# 进入容器
docker exec -it docker_person_exam /bin/bash
cd /app

# 安装依赖（使用国内镜像源，速度更快）
# 由于torch torch-npu torchaudio torchvision vllm vllm-ascend这几个包已经在docker中存在，安装是可能造成版本冲突，故不在requirements.txt中申明
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 进入容器（如果还没进入）
docker exec -it docker_person_exam /bin/bash
cd /app/education

# 运行迁移脚本，初始化系统数据库
python migrate_to_database.py

# 进入运行中的容器
docker exec -it docker_person_exam /bin/bash
cd /app/education

# 设置环境变量（根据实际路径调整）
export PANGU_MODEL_PATH=/opt/pangu/openPangu-Embedded-7B-V1.1

# 启动系统
python main.py

# 模型配置
PANGU_MODEL_CONFIG = {
    "max_new_tokens": 32768,
    "temperature": 0.7,
    "top_p": 0.9,
    "device": "npu",
}

# 智能出题配置
SMART_QUESTION_CONFIG = {
    "default_question_count": 10,
    "weak_threshold": 0.4,  # 薄弱点阈值
    "weak_point_focus_ratio": 0.7,  # 薄弱点题目比例
    "rebuild_kg": False,  # 是否强制重建知识图谱
    "use_kg_rag": True,  # 是否使用知识图谱RAG
    "kg_rag_top_k": 5,  # 知识图谱RAG返回的候选题目数量
}

# UI配置
UI_CONFIG = {
    "port": 7860,
    "share": False,
    "server_name": "0.0.0.0"
}

# 日志配置
LOGGING_CONFIG = {
    "level": "INFO",
    "format": "%(asctime)s - %(name)s - %(levelname)s - %(message)s",
    "log_file": "logs/system.log"
}

export PANGU_MODEL_PATH="/path/to/pangu/model"
export BGE_MODEL_PATH="/path/to/bge/model"
export GRADIO_SERVER_PORT=7860  # 修改UI端口

PersonalExam/
├── education/                    # 主程序目录
│   ├── main.py                  # 程序入口（数据库版本，带登录功能）
│   ├── config.py                # 配置文件
│   ├── database.py              # 数据库管理器（SQLite）
│   ├── system_core.py           # 系统核心（JSON版本，已弃用）
│   ├── system_core_db.py        # 系统核心（数据库版本）
│   ├── bkt_database_adapter.py  # BKT算法数据库适配器
│   ├── enhanced_main_ui.py      # 增强UI（带登录注册系统）
│   ├── migrate_to_database.py   # 数据迁移脚本（JSON→数据库）
│   ├── visualize_knowledge_graph.py  # 知识图谱可视化脚本
│   ├── data/                    # 数据目录
│   │   ├── education_system.db  # SQLite数据库（用户、题目、记录）
│   │   ├── knowledge_graph.pkl  # 知识图谱缓存
│   │   ├── kg_hash.txt          # 知识图谱哈希（用于检测更新）
│   │   ├── question_database.json      # 题库（JSON格式，用于迁移到数据库）
│   │   └── student_states.json          # 学生状态（旧版，已迁移到数据库）
│   ├── models/                  # 模型模块
│   │   ├── llm_models.py        # 语言模型（盘古7B）
│   │   └── embedding_model.py   # 嵌入模型（BGE）
│   ├── data_management/         # 数据管理
│   │   └── question_db.py       # 题库数据库（旧版，已整合到database.py）
│   ├── knowledge_management/    # 知识管理
│   │   ├── kg_builder.py        # 知识图谱构建器
│   │   └── rag_engine.py        # RAG引擎（基于知识图谱）
│   ├── utils/                   # 工具模块
│   │   ├── bkt_algorithm.py     # BKT算法（基础实现）
│   │   ├── evaluator.py         # 评估器
│   │   └── question_generator.py # 题目生成器
│   ├── visualization/           # 可视化
│   │   ├── kg_visualizer.py     # 知识图谱可视化
│   │   └── radar_chart.py       # 雷达图可视化
│   ├── ui/                       # UI界面（旧版）
│   │   └── main_ui.py            # Gradio界面（已迁移到enhanced_main_ui.py）
│   └── logs/                     # 日志目录
│       └── system.log            # 系统日志
├── img/                          # 图片资源目录
│   └── *.png, *.jpg             # 文档和UI使用的图片
├── requirements.txt              # Python依赖
├── LICENSE                       # 项目许可证
├── NOTICE                        # 开源软件声明
└── README.md                     # 本文件

Wang, Y., Wei, T., Li, Q., & Zeng, L. (2026). Beyond Static Question Banks: Dynamic Knowledge Expansion via LLM-Automated Graph Construction and Adaptive Generation. arXiv preprint arXiv:2602.00020. https://doi.org/10.48550/arXiv.2602.00020

@article{wang2026beyond,
  title = {Beyond Static Question Banks: Dynamic Knowledge Expansion via LLM-Automated Graph Construction and Adaptive Generation},
  author = {Wang, Yingquan and Wei, Tianyu and Li, Qinsi and Zeng, Li},
  journal = {arXiv preprint arXiv:2602.00020},
  year = {2026},
  doi = {10.48550/arXiv.2602.00020},
  url = {https://arxiv.org/abs/2602.00020}
}

基于LLM和知识图谱协同的个性化出题系统. 
AI系统与应用课题组, 深圳市大数据研究院 (SRIBD), 2025.
https://github.com/sribdcn/PersonalExam

Personalized Question Generation System Based on LLM and Knowledge Graph Collaboration.
AI System and Application Research Group, Shenzhen Research Institute of Big Data (SRIBD), 2025.
https://github.com/sribdcn/PersonalExam

@software{personalexam2025,
  title = {基于LLM和知识图谱协同的个性化出题系统},
  author = {AI系统与应用课题组},
  organization = {深圳市大数据研究院 (SRIBD)},
  year = {2025},
  url = {https://github.com/sribdcn/PersonalExam}
}

@software{personalexam2025,
  title = {Personalized Question Generation System Based on LLM and Knowledge Graph Collaboration},
  author = {AI System and Application Research Group},
  organization = {Shenzhen Research Institute of Big Data (SRIBD)},
  year = {2025},
  url = {https://github.com/sribdcn/PersonalExam}
}

本研究/工作使用了"基于LLM和知识图谱协同的个性化出题系统"。
感谢深圳市大数据研究院 (SRIBD) 和 AI系统与应用课题组提供该项目。

This research/work uses the "Personalized Question Generation System Based on LLM and Knowledge Graph Collaboration".
We thank the Shenzhen Research Institute of Big Data (SRIBD) and the AI System and Application Research Group for providing this project.

docker run -dit --net=host \
  --name docker_person_exam \
  --device /dev/davinci2 \
  --device /dev/davinci_manager \
  --device /dev/devmm_svm \
  --device /dev/hisi_hdc \
  -v /usr/local/dcmi:/usr/local/dcmi \
  -v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \
  -v /usr/local/Ascend/driver/lib64/:/usr/local/Ascend/driver/lib64/ \
  -v /usr/local/Ascend/driver/version.info:/usr/local/Ascend/driver/version.info \
  -v /etc/ascend_install.info:/etc/ascend_install.info \
  -v /opt/pangu:/opt/pangu \
  -v /home:/home \
  quay.io/ascend/cann:pangu-8.1.rc1-910b-py3.11