从零搭建自建知识库AI考试系统：基于txt知识库+大模型API实现逐题智能出题

本文完整项目详见https://download.csdn.net/download/nmdbbzcl/93119959

一、前言：为什么要自建知识库考试系统？

在日常学习和备考过程中，我们经常会遇到这样的痛点：

1. 市面上的刷题App题目固定——题库内容陈旧，无法覆盖最新知识点
2. 想针对特定资料出题——手头有教材笔记、课程讲义、技术文档，但没法自动转为练习题
3. 逐题作答体验差——大部分在线考试系统一次性展示所有题目，无法专注单题，做完也不显示解析
4. AI出题不可控——直接问AI出题，它可能偏离你的学习资料，自己编造超出范围的内容

这套系统就是为解决以上痛点而生：把你的 txt 知识库文件丢进去，AI 严格基于知识库内容生成题目，逐题作答、即时显示解析，手动控制进度。

核心思路：System Prompt 中直接注入完整知识库文本，约束 AI 只能在知识库范围内出题，从根本上杜绝超纲问题。

二、项目架构总览

2.1 技术选型

2.2 项目结构

quiz_system/ ├── index.html # 前端单页应用（全部逻辑在此） ├── server.py # 后端服务器（API代理 + 知识库文件管理） └── knowledge_base/ # 知识库文件夹，放你的 .txt 文件 ├── 数据结构与算法.txt └── 计算机网络.txt

设计原则：极简、零依赖。后端只用 Python 标准库，前端不引入任何框架或 CDN，整个项目就是一个 HTML + 一个 Python 文件。

2.3 核心数据流

用户选择知识库 → 点击开始考试 ↓ 前端读取知识库内容 → 构建 System Prompt（注入完整知识库文本） ↓ 调用 AI API → 流式/一次性获取 JSON 格式题目 ↓ 解析 JSON → 验证字段 → 答案均衡算法 ↓ 逐题渲染 → 用户作答 → 即时显示解析 → 点"下一题" ↓ 考试完成 → 统计正确率 → 错题自动入错题本

三、后端服务器详解（server.py）

3.1 功能设计

这个后端虽然只有 173 行代码，但承担了三个重要职责：

1. 静态文件服务器——托管 index.html
2. API 代理——解决浏览器跨域限制，转发请求到 AI 接口
3. 知识库文件管理——提供读取和列出 txt 文件的 REST API

3.2 核心代码解析

1. API 代理实现（解决 CORS 痛点）

浏览器直接调用第三方 API 会遇到跨域限制，通过同源代理完美解决：

def_proxy_api(self,body):"""将请求转发到AI API"""data=json.loads(body)api_key=data.get("api_key","")path=data.get("path","chat/completions")api_body=data.get("body",{})url=f"{API_BASE}/{path}"headers={"Content-Type":"application/json","Authorization":f"Bearer{api_key}",}req=urllib.request.Request(url,data=json.dumps(api_body).encode("utf-8"),headers=headers,method="POST")response=urllib.request.urlopen(req,timeout=120)self.wfile.write(response.read())

关键设计点：

• 120 秒超时——大模型生成题目耗时较长
• 完整的错误处理链——HTTPError、URLError、JSONDecodeError、timeout 全覆盖
• 前端传什么就透传什么，不对模型名做任何限制，灵活适配任何 API

2. 知识库安全读取（防止路径穿越）

def_read_knowledge_file(self,filename):# 安全校验：防止路径穿越filename=os.path.basename(filename)filepath=os.path.join(KNOWLEDGE_DIR,filename)ifnotfilepath.startswith(KNOWLEDGE_DIR):self._send_json({"error":"非法路径"},403)return

为什么需要 basename？防止恶意请求/api/knowledge/read/../../etc/passwd读取敏感文件。

3.3 启动方式

cdquiz_system python server.py

启动后在浏览器访问http://localhost:8080即可。

如果不想启动服务器，也可以直接双击打开 index.html 使用直连模式——前端将直接调用 AI API，内置了两个默认知识库。

四、前端核心实现（index.html）

前端是整个系统的精华所在，虽然只有一个 HTML 文件，但包含了完整的交互逻辑。

4.1 全局状态管理

varSTATE={questions:[],// 所有题目answers:[],// 正确答案userAnswers:[],// 用户选择answeredStatus:[],// true/false 是否已作答currentIndex:0,// 当前题目索引examGenerated:false,// 是否已生成试题quizFinished:false,// 是否完成了所有题目wrongBook:JSON.parse(localStorage.getItem('quiz_wrong_book')||'[]'),};

所有状态集中管理，不分散在 DOM 中，逻辑清晰易维护。

4.2 知识库选择与内容注入

functionselectKB(name){// 高亮选中varitems=document.querySelectorAll('#kbList .kb-item');for(vari=0;i<items.length;i++)items[i].classList.remove('active');vartarget=document.querySelector('#kbList .kb-item[data-name="..."]');if(target)target.classList.add('active');// 通过API获取文件内容fetch('/api/knowledge/read/'+encodeURIComponent(name)).then(function(r){returnr.json();}).then(function(data){// 保存到 dataset 供后续出题使用varactive=document.querySelector('#kbList .kb-item.active');if(active)active.dataset.content=data.content;});}

知识点：使用dataset属性将文件内容缓存在 DOM 元素上，避免重复请求。出题时直接从dataset.content读取。

4.3 核心出题逻辑

这是最关键的部分——如何基于知识库让 AI 出题？

varsystemPrompt='你是一个专业的考试出题专家。'+'请根据以下知识库内容，生成 '+qcount+' 道单项选择题。\n\n'+'=== 知识库内容 ===\n'+kbContent+'\n\n'+'=== 出题要求 ===\n'+'1. 每道题必须严格基于知识库内容出题，不得超出知识库范围\n'+'2. 每道题包含题干和 A、B、C、D 四个选项，以及正确答案和详细解析\n'+'3. 正确答案必须在 A/B/C/D 中均匀分布\n'+'4. 解析必须详细，解释为什么选这个答案以及每个选项为什么对/错\n'+'5. 输出格式必须是严格的 JSON 数组';

Prompt 工程的核心技巧：

1. 角色设定——“你是一个专业的考试出题专家”，让 AI 进入专业模式
2. 知识隔离——“严格基于知识库内容出题，不得超出知识库范围”，这是约束出题范围的关键
3. 答案均衡——强制要求正确答案均匀分布，避免 AI 倾向选 C 的偏置
4. 格式约束——明确要求 JSON 数组格式，便于解析
5. 解析要求——要求对每个选项都做解释，提升学习效果

4.4 答案均衡算法

AI 在出题时天然倾向于让正确答案出现在特定位置，因此需要后处理均衡：

functionbalanceAnswers(questions,targetCount){// 洗牌打乱for(vari=questions.length-1;i>0;i--){varj=Math.floor(Math.random()*(i+1));vartmp=questions[i];questions[i]=questions[j];questions[j]=tmp;}varresult=[];varcounts={A:0,B:0,C:0,D:0};varlimit=Math.floor(targetCount/4)+1;// 两轮筛选确保每个选项出现次数接近 targetCount/4for(vari=0;i<questions.length;i++){varans=questions[i].answer;if(counts[ans]<limit){result.push(questions[i]);counts[ans]++;if(result.length>=targetCount)break;}}// 如果题目不够，复制并修改答案来填充while(result.length<targetCount){// ... 均衡填充逻辑}returnresult;}

这个算法在不改变题目本身质量的前提下，通过选择 + 补充两轮策略，确保 A/B/C/D 四个选项的分布尽可能均匀。

4.5 逐题模式渲染

functionshowQuestion(idx){// ...更新进度条和统计varhtml='<div class="question-card">';html+='<div class="q-number">';html+='<span>📝 第 '+(idx+1)+' 题</span>';html+='<span class="q-progress">'+(answered?'✅/❌':'请选择答案')+'</span>';html+='</div>';html+='<div class="q-text">'+escHtml(q.question)+'</div>';html+='<div class="q-options">';// 渲染 A/B/C/D 四个选项for(varli=0;li<4;li++){varcls='q-option';// 已作答时标记正确/错误状态和正确答案if(answered){if(letter===q.answer)cls+=' show-correct';if(userAns===letter)cls+=userAns===q.answer?' correct':' wrong';}html+='<div class="'+cls+'" onclick="selectOption(...)">...</div>';}// 解析区域if(answered){html+='<div class="explanation-box show">';html+='<div class="exp-answer">正确答案：'+q.answer+'</div>';html+='<div class="exp-text">'+escHtml(q.explanation)+'</div>';html+='</div>';}}

交互流程：

1. 展示单题 → 用户点击选项 → 触发selectOption()
2. selectOption记录答案 → 设置answeredStatus[idx] = true→ 重新调用showQuestion(idx)
3. 重新渲染时，答案区标记正确/错误 + 解析区域以动画展开
4. 用户看完解析，手动点击「下一题」按钮

4.6 错题本机制

错题自动收录，使用localStorage持久化：

functionaddToWrongBook(q,userAnswer){// 检查是否已存在（同题合并，增加错误次数）for(vari=0;i<STATE.wrongBook.length;i++){if(STATE.wrongBook[i].question===q.question){STATE.wrongBook[i].wrong_count++;STATE.wrongBook[i].last_wrong=newDate().toLocaleString();saveWrongBook();return;}}// 新错题STATE.wrongBook.push({question:q.question,option_a:q.option_a,option_b:q.option_b,option_c:q.option_c,option_d:q.option_d,answer:q.answer,explanation:q.explanation,user_answer:userAnswer,wrong_count:1,last_wrong:newDate().toLocaleString(),});saveWrongBook();}

设计亮点：

• 同题合并——同一道题错多次只累加wrong_count，不重复存储
• 记录用户错误答案——复习时可针对性看自己错在哪

4.7 直连模式 vs 代理模式

前端在初始化时自动判断运行环境：

varuseProxy=(window.location.port==='8080'||window.location.port==='8000')&&window.location.hostname==='localhost';if(useProxy){refreshKnowledgeList();// 通过服务器API获取知识库文件}else{loadBuiltinKnowledge();// 使用内置默认知识库}

这个设计让系统有两种运行模式：

• 服务器模式（推荐）：python server.py启动，支持自定义知识库文件
• 直连模式：直接双击index.html打开，不需要服务器，使用内置知识库

五、UI/UX 设计亮点

5.1 三种视觉状态

每个选项卡片有清晰的视觉反馈：

• 待作答：灰色边框，鼠标悬停变蓝色
• 选中：蓝边 + 蓝色背景
• 正确答案：绿边 + 绿色背景（无论用户选没选对）
• 错误答案：红边 + 红色背景（用户选错的选项）

这样设计的好处是：一屏就能看清"正确答案是什么"和"我选错了什么"。

5.2 进度与统计联动

顶部进度条实时反映答题进度，左侧面板实时更新正确率。用户随时可以查看自己的整体表现。

六、知识库文件的制作技巧

6.1 格式建议

知识库文件是 txt 格式，建议以下结构：

一、章节标题 1. 知识点1：详细描述 2. 知识点2：详细描述 3. 涉及公式、定义、概念 二、章节标题 1. 知识点...

几个原则：

• 结构化分层——AI 更容易理解知识体系
• 关键点明确——概念定义、公式、特点、区别等要写清楚
• 中长度段落——太短缺乏上下文，太长超出 token 限制

6.2 出题数量建议

出题数建议控制在 5~20 题之间。过少达不到练习效果，过多会给 AI 产出质量带来压力。

6.3 温度参数

推荐温度设置在 0.7 左右（系统默认值）。温度太高 AI 可能胡编乱造，太低则题目过于死板。

七、模型兼容性

系统使用 OpenAI 兼容 API，支持市面上几乎所有大模型 API。目前已内置：

• GPT-5.6-Luna（默认）
• GLM-5.2
• DeepSeek-V4-Flash
• DeepSeek-V4
• Gemma-4-26B-A4B-IT
• Kimi-K2.6

如果要使用其他模型，在index.html的<select>中新增选项即可，无需修改其他代码。

八、完整使用流程

Step 1：准备知识库文件

cdquiz_system/knowledge_base/# 放入你的 .txt 文件，如：高等数学.txt、考研政治.txt、Java面试题.txt

Step 2：启动服务

cdquiz_system python server.py# 输出: [OK] 考试系统服务器已启动# 本地访问: http://localhost:8080

Step 3：浏览器打开

• 打开http://localhost:8080
• 左侧选择知识库文件
• 填入 API 密钥
• 点击「开始考试」

Step 4：逐题作答

• 每道题做完立即显示解析
• 点击「下一题」继续
• 全部完成后查看成绩和错题本

Step 5：巩固复习

• 错题自动收录到错题本
• 可导出试卷为 txt 文件

九、实战效果演示

以一个「数据结构与算法」知识库为例，AI 生成的典型题目：

可以看到题目完全基于知识库内容，解析详尽且覆盖了考点推导过程。

十、总结与展望

10.1 这套系统的优势

1. 零成本部署——一个 Python 文件 + 一个 HTML 文件，不需要数据库、不需要服务器环境
2. 知识库自由——任何 txt 格式的学习资料都能直接使用
3. 出题质量可控——Prompt 约束 + 答案均衡算法，双保险
4. 学习体验好——逐题作答即时解析，符合深度学习原理
5. 数据持久化——错题本自动保存，下次打开还在

10.2 可扩展方向

1. 多题型支持——增加判断题、填空题、多选题
2. 随机选题——从大型知识库中随机抽取知识点出题
3. 难度分级——支持选择出题难度（易/中/难）
4. 考试计时——增加倒计时功能
5. 知识库更新——通过页面直接上传 txt 文件
6. 多人共用——添加简单的账户系统
7. 导出格式扩展——支持导出为 Anki 卡片格式
8. 本地 LLM 支持——接入 Ollama 等本地推理引擎

10.3 写在最后

这个项目的核心思想是：用 AI 作为出题引擎，用知识库作为数据源，用逐题模式提升学习体验。

不是为了做一个"花哨"的系统，而是真正解决"我想基于自己的学习资料做练习"这个实际问题。代码虽然不多，但每个模块都经过实战检验。

如果你也在备考某个考试，或者想基于自己的笔记生成练习题，不妨试试这套系统。所有代码都在 GitHub 开源，欢迎 star 和 PR。

项目地址：quiz_system/
技术栈：Python + HTML/CSS/JavaScript
依赖：零外部依赖
运行方式：python server.py→ 浏览器访问http://localhost:8080