QuickClass 作业转换器

要解决的具体问题

日常教学里，题库系统往往已经标准化，但输入侧仍是杂乱的试卷文件：Word 文档、PDF 扫描件，甚至手机拍下来的题目图片。QuickClass 课堂作业要求一份固定 Schema 的 JSON，手工把每道题的题型、选项、答案、难度填进模板，既慢又容易出错——判断题忘了清空选项、多选题答案多了个空格、解析漏填成空字符串，这些细节问题在人工录入时几乎无法避免。

核心能力与工作流程

QuickClass 作业转换器解决的就是这条「原始文件 → 课堂作业 JSON」的转换链路。它按输入类型走不同通道：

• Word 文件：通过 docx skill 读出文本，按题号逐题解析
• PDF 文件：走 pdf skill 提取文本；若为扫描件，则调用 paddleocr-doc-parsing 做 OCR
• 图片文件：直接用 image_understanding 工具识别题面文字

每题提取五个关键字段：type（单选/多选/判断）、options、answer、difficulty、score，外加可选的 explanation 与 has_image。题型靠题干关键词和答案形态自动判定——比如题干含「多选」且答案为多个字母，就归入 MULTIPLE_CHOICE；难度按记忆型、一步推理、多步综合、拓展开放四档推断。

中间结果先落成数组存到 .temp/ 目录，再运行转换脚本生成符合命名规范的输出文件：

{teacher}_{grade}_{subject}_{taskTitle}_课堂作业_{quizTitle}.json

含图题目的处理细节

图片题是最容易被做坏的环节。QuickClass 的 JSON 不支持图片内嵌，所以技能采用「JSON 存文字描述 + 配套图示 Word」的双文件方案。

对 Word 内嵌图片，脚本按图片在文档中的位置就近匹配题号，输出图片文件和 question_number 映射表；映射结果为 0 的图片再用视觉模型人工确认。对扫描件 PDF 则完全换一套逻辑——整页扫描图没有定位意义，答案区和题目还可能分居不同页，按位置就近匹配会错配，必须逐页渲染高清 PNG，用视觉模型询问「第 X 题配图在页面中的百分比坐标」，把 crop 和 source_page 写进映射 JSON，最后由脚本从整页图中精准裁剪，生成带【第 X 题图示】标签的 Word 文档。

适用边界与注意点

这个技能有几个明确的使用前提：

• OCR 质量依赖源文件清晰度。识别结果出现大量乱码或缺字时，脚本只会提示更换扫描件，不会替你修图。
• 题型识别依赖题干模式。如果题目没有标准选项格式、答案符号不规范（比如判断题写「√」「×」而不是「T/F」），大概率会在输出校验阶段被打回重做。
• score 字段在课堂作业模式下常为 0，由系统另行计分，这不是 bug。
• 含图题目的映射不是全自动的。扫描件场景需要视觉模型逐页定位，耗时随页数线性增长，一份几十页的卷子会比纯文字版慢不少。

整体来说，它适合题干结构清晰、来源是常规试卷文件的场景；如果要处理排版混乱的手写卷、口语录音转题目，这套流程的自动判别能力还覆盖不到。