AI错题本智能体搭建教程，从零构建个性化学习助手

xwhb 2026-10-14

在数字化学习时代，错题本是提升成绩的核心工具，但传统错题本存在整理耗时、分析低效、复习缺乏针对性等痛点，AI错题本智能体通过OCR识别、自然语言处理、知识图谱等技术，可实现错题自动收集、智能归因、个性化推荐，让学习效率倍增，本文将以“零代码基础友好”为原则,分步骤教你搭建一个功能完善的AI错题本智能体。

搭建前准备：明确需求与技术选型

核心功能定位

一个完整的AI错题本智能体至少需包含以下功能：

错题采集：支持拍照、上传图片/PDF，自动识别题目内容；
智能分析：提取知识点、标记错因（如“概念混淆”“计算错误”）；
个性化复习：基于艾宾浩斯遗忘曲线生成复习计划，推送同类型错题；
数据可视化：展示错题分布、薄弱知识点等学习报告。

技术栈选型（兼顾易用性与扩展性）

模块	技术选型	说明
错题识别	百度OCR/腾讯OCR（API）+ Tesseract（本地备选）	支持手写体、印刷体及公式识别，API服务稳定，本地部署可保护隐私
知识点提取	BERT微调模型（如`bert-base-chinese`）+ 关键词抽取（TF-IDF/TextRank）	预训练模型适配中文教育场景，结合规则优化知识点边界识别
错因分析	规则引擎（预设错因关键词库）+ ChatGLM（大模型辅助生成）	规则处理高频明确错因，大模型解决复杂主观题错因分析
后端服务	Python + FastAPI	轻量级框架，支持高并发，API文档自动生成
数据存储	SQLite（轻量级）/ MySQL（生产环境）+ Redis（缓存复习计划）	SQLite适合本地开发，MySQL支持多用户，Redis加速高频数据查询
前端界面	Streamlit（快速原型）/ Vue.js（专业开发）	Streamlit几行代码生成交互界面，Vue.js适合构建复杂UI

分步搭建教程：从0到1实现核心功能

步骤1：错题采集与预处理——让机器“看懂”题目

1 图片/PDF上传与OCR识别

以Python为例，使用requests调用百度OCR API（需提前申请API Key）：

import requests
import json
def ocr_image(image_path):
    """百度OCR图片识别"""
    access_token = "你的access_token"  # 通过API获取
    url = f"https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic?access_token={access_token}"
    headers = {"Content-Type": "application/x-www-form-urlencoded"}
    with open(image_path, "rb") as f:
        response = requests.post(url, headers=headers, data=f.read())
    return response.json()["words_result"]  # 返回识别文本

注意：若题目含公式，需调用“百度OCR公式识别”API或使用LaTeX公式解析库（如sympy）。

2 错题文本清洗与结构化

OCR识别可能存在冗余字符（如“第1题：”）、换行符干扰，需清洗并提取题目、选项、答案：

import re
def clean_question(text):
    """清洗文本并提取题目结构"""
    # 去除无关字符，保留题目核心内容
    text = re.sub(r"第\d+题：", "", text)  # 去除题号前缀
    text = re.sub(r"\s+", " ", text.strip())  # 合并空格
    # 分割题目与选项（假设选项为A/B/C/D格式）
    options = re.findall(r"([A-D])\s*([^A-D]+)", text)
    question = re.split(r"[A-D]\s*", text)[0]  # 题目主体
    return {
        "question": question,
        "options": {opt: ans.strip() for opt, ans in options},
        "answer": ""  # 若用户未标注，可后续补充
    }