学情诊断三步流水线

它要解决什么

老师批改一张理科试卷后，往往还要整理错题、判断薄弱知识点、再找对应训练题。exam-diagnosis-pipeline 把这个过程拆成三步：先识别作业图片并评分，再输出可视化诊断，最后根据薄弱点生成练习材料。它面向的是初中数学、物理、化学等科目中“从一张试卷到一份可执行学情材料”的分析链路。

核心工作方式

技能按数据依赖执行，关键输入是作业或试卷图片：

• Step 1 作业批改：识别题目、学生答案、题型与错误类型，输出 student_data.json 等结构化结果。
• Step 2 诊断报告：基于批改结果生成 HTML 报告，可使用 ECharts 呈现得分、题型、错误类型、知识掌握度等，也可输出 PDF。
• Step 3 训练题生成：读取 questions_data.json 或自动生成的题目数据，按薄弱知识点生成带答案和解析的 Word/HTML 练习。

它更像一条脚本化流水线：图片进入，结构化 JSON 中间态贯穿，报告与练习题从中间态生成。这样方便排查某一步失败，也方便人工调整 student_data.json 或 questions_data.json 后再重跑。

适用边界与注意点

该技能依赖 Agent 图像识别能力，图片清晰度会直接影响题目、答案和错误类型判断。PDF/Word 输出需要中文字体支持，Linux 环境可能需要额外安装。移动端报告宽度按竖屏设计，打印或屏幕分享时需要确认排版。若训练题需要更贴合学生情况，可先检查或修改题目数据，而不是直接依赖一次生成结果。