本地AI备考实战 · 第 2 篇
748页教材喂给AI之后
我又把1486道真题喂给了它
零买题库钱 · 零API费 · 一台2019年的旧笔记本
上一篇
《我用一台2019年的旧笔记本，把748页软考教材喂给了本地AI》
讲的是怎么让AI能查——输入一个考点，3秒定位到教材页码。
但真正备考过的人都懂：能查只是开始，能练才是命门。
查得到"挣值管理的公式"，不代表你做对挣值管理的题。就像熟读交规不代表科目一能过——考的是做题，是题感，是一遍遍把错题碾过去。
于是我干了第二件事：把《章节分类练习与解析》里1486道真题全部识别、结构化，做成一套自动判分、自动复盘、自动定位回教材页码的刷题系统。
图 1 · 高项刷题工具答题界面首页
图 2 · 高项刷题工具刷题界面
零买题库钱。这篇讲清楚三件事：怎么做的，踩了什么坑，你能不能复刻。
先看成果：一张"体检报告"
系统给我的第一份"体检报告"长这样——32道题做下来，对7错25，正确率21.9%。
哪一节拉的胯、哪个知识点反复错、应该先回教材第几页补——全部列成了清单。说实话，比我自己刷一个月题更早看清了自己的真实水平。这就是数据化刷题和纸质题册的区别：它不会陪你演戏。
新问题：纸质的题册，天然没法复盘
为什么要自己造轮子？因为纸质章节练习册有三个死穴：
三个死穴指向同一个解法：题目必须变成结构化数据，每道题带着章节、节号、书内序号、页码、答案来源，才能被程序统计、排序、复盘。
技术方案：四步流水线
剥掉术语，这条流水线就四步，每步一个类比：
图 3 · 题库构建四步流水线
第一步，OCR识别（眼睛）。用GLM-OCR把整本练习册的每一页转成文字。上一篇文章说过：它给748页教材干过同样的活，识别置信度0.9981——这次是同一套基础设施的复用，这也是本地知识库的一次挂机、多重复用。
第二步，顺序扫描切题（分拣员）。程序从头到尾扫一遍文字流，按"章标题→节标题→试题编号"的事件序列切出一道道题。关键设计：不按"章+题号"对齐，按文档流出现顺序给每道题编号（book_order）——书里第几道就是第几道，从根上杜绝覆盖。
第三步，严格解析四要素（质检员）。每道题解析出题干、选项、答案、解析。选项必须满足A→B→C→D的序列约束，防止把题干里的"A、B两个开发人员"误判成选项——我要求选项起点前至少有4个字的题干，才认。
第四步，答案校验链（审计员）。每道题的答案从四个来源兜底，每个答案的来源都记录在案、可追溯：
| 1107 | |||
| 59 | |||
| 195 | |||
| 131 |
图 4 · 四级答案兜底链构成（总 1,492 题，每题来源可追溯）
四级兜底之后，1,492题答案齐全。其中13道"极性表述"题（解析只说"X错误"没说选谁）逐题人工审计过——AI判断不是黑箱，每一个答案都有出处，错了能查到根。
意外收获：程序替我做了一次知识时效性审查
构建管线跑完，我顺手加了一条规则：题干、选项、来源标签里命中"十四五/第十四五/2035年远景"关键词的题，自动标记排除。
结果排掉了6道题——全是考"十四五"规划内容的题。我的备考决策是第4版教材+2027年考期，这些题的知识点已经更新换代，做它们等于背过期地图。
你的行业资料、考试大纲、内部规范，有没有同类的"过期存货"在污染你的学习？值得用同样的思路扫一遍。
拆解事故：360道题是怎么丢的
技术方案听起来顺，但第一版翻车翻得很典型——值得单独拆给你看。
现象：第一版题库跑完，我核对总数：1,492题只识别出1,132，丢了360道。更诡异的是第3章3.1节——目录写明26题，题库里只剩6题。
图 3 · V1 / V2 主键设计对比：360 道题的丢失与找回
排查：dump出原始识别数据逐行比对，发现题号是"每节重新计数"——3.1的试题1和3.2的试题1在"章+题号"主键下是同一条记录，后写入的把先写入的覆盖了。丢的360道题，全是这样被自己人"吃"掉的。
修复：主键从"章+题号"改成"章+文档流偏移量"——不关心书里怎么编号，只关心它出现在文档流的第几位。重建后1,492题一题不丢，且天然严格书序。
用起来：从错题到改进计划的自动闭环
题库只是原料，真正值钱的是这套复盘闭环：
掌握度三级分级长这样：
这套闭环跑下来，我的第一份复盘报告里最有价值的一行不是正确率，而是："2.1 信息技术及其发展：5题5错，严重薄弱"——纸质题册永远不会替你把这行字写出来。
图 5 · 答题情况历史回溯复盘功能界面（支持导出）
你适合做吗？三个判断标准
满足任意一条，就值得：
1. 你在备考一本大部头——软考、法考、CPA、考编，题量大、周期长、错题规律值得被统计；
2. 你有错题本但从不回看——程序替你自动收集、自动分级、自动生成重练计划，比手抄错题本省一个数量级的精力；
3. 你受不了"刷了但不知道薄弱在哪"——数据化的意义就是把模糊的自我感觉，变成可执行的补强顺序。
技术门槛比你想的低。核心难点不在代码（AI辅助写代码，你描述需求就行），而在两件事：一是数据对齐设计（上文360题事故就是反例），二是答案可靠性验证（四级兜底链就是干这个的）。这两件事想清楚了，剩下的都是体力活。
复刻路径就三步：
1. 先拿电子版题册——有文字层的PDF最好，扫描版就挂机OCR；
2. 设计好数据结构再动手——每题必带：章节/节号/文档流序号/页码/答案来源字段。宁可开始前多想半小时，不要重建三次；
3. 先用免费题源验证流程——拿一本习题册的电子版跑通全流程，确认判分、复盘、页码定位都正常，再上你自己的备考材料。
写在最后
「时间地理」· 本地AI备考实战系列 · 第 2 篇
系列第 1 篇：
