SubQuiz Docs

SubQuiz功能概述

有关学科、备课组、知识点、题目类型、题目、测试、用户、权限、推荐、判卷等功能的详细说明已在SubQuiz 部署文档中介绍。在此不再赘述。建议在阅读SubQuiz 部署文档阅读该文档。

以下是SubQuiz中部署文档未涉及的部分的简要介绍。

AI答疑相关功能

附带题目上下文

如果想要将题库中的某道题目附带给AI，仅需在对应的题目右下角，点击「AI」图标，就可将题目附带给AI，无需再描述题目。

工具调用

AI答疑的多数功能都依赖工具调用实现，因此在选择模型的时候尽可能选择支持工具调用的模型。对于不支持工具调用的模型，见非工具调用模型支持。

在SubQuiz中，将工具分为工具组，每个工具组中包含多个工具。 工具组中的工具可以根据上下文或模型特性选择性开启或关闭。同时整个工具组也可以选择性开启或关闭。

以下是SubQuiz中现有的15个工具组的介绍。

工具组：知识库搜索

该工具组主要为基于RAG的知识库搜索工具。目前该工具组下包括4个工具：

• 搜索北大附中资料：所有置于北大附中知识库文件夹下的markdown文件会进行索引组成知识库，该工具基于传统的向量数据库进行搜索，再重排序后返回给AI。
• 搜索教科书：教科书每一页会分别保存为图片并识别文字，文字经由RAG，供模型搜索读取。将返回搜索的页码和搜索结果。
• 读取教科书：考虑到教科书中一个长的文章等，可能横跨数页，因此搜索教科书往往难以获得完整内容。再加之有读取指定页码的需求，因此提供一个读取教科书的工具。该工具可指定教材和页码，读取指定页码的教科书内容。以便在搜索教科书大致定位后，允许模型进一步查阅前后页码。或通过指定的页码读取内容。
• 搜索用户提供的资料：用户可以上传自己的资料，这些资料会进行索引，供AI搜索。

该工具组会要求模型添加对应的教科书页码、北大附中资料或用户资料的tool data标识。同时该工具组将注册名为user、lib、book的tool data。 另见信息来源标识。

工具组：CodeRunner

该工具组主要功能是提供一个docker环境给大模型，允许大模型通过工具调用的方式控制docker。

该工具组主要包括3个工具：

• 运行代码：传入一段python代码，执行，并返回执行结果。
• 执行命令：传入一个命令，将在bash中执行，并返回执行结果。
• 上传文件：制定一个docker中的路径，上传给用户。

该工具组目前的功能主要在于，一方面在解数学题时，提供python运行环境，辅助解题。另一方面，该工具组提供了沙盒环境，可以让大模型实现简单的项目开发和测试。

工具组：GetUserInfo

仅提供一个工具，用于获得用户的ID、昵称、实名、学号/工号等信息。

工具组：GlobalMemory

仅提供一个工具，调用该工具可以写入全局记忆，全局记忆将作为系统提示词的一部分给大模型。实现跨对话的记忆。

工具组：ImageGeneration

仅提供一个工具，调用该工具可以生成图片。会根据是否提供图片分别调用T2I、I2I模型。

工具组：Math

该工具组提供了两个工具。

• 绘制函数图像：传入一个函数/方程，像用户展示函数图像。
• 学习绘制函数图像，该工具无参数，调用后会返回关于绘制函数图像的使用方法描述。会强制模型先于绘制函数图像调用该工具，以确保模型能够正确使用该工具。该工具设计逻辑见用工具调用优化提示词和强制工具调用相对顺序。

工具组：MCP

该工具组提供任意多个工具（可能是0个），取决于配置文件。可在配置文件中配置MCP服务器，支持SSE、STDIO、WEBSOCKET。该工具组将这些MCP服务器转为工具提供给大模型。

工具组：MindMap

该工具组提供一个工具，调用该工具接受一个markdown格式的文本，生成思维导图呈现给用户。

工具组：PPT

该工具组提供3个工具：

• 创建PPT：传入一个ppt的名称，将返回新创建的ppt的id，用于后续操作。同时返回制作ppt的提示词，引导模型制作ppt（见用工具调用优化提示词）。
• 添加页面：传入一个ppt的id、页码、html内容，将html内容添加到指定页码。
• 打包PPT：传入一个ppt的id，打包PPT文件，供用户下载。

工具组：Quiz

提供一个工具，用于在题库中搜索题目。

工具组：ReadImage

提供一个工具，该工具仅在当前模型无视觉支持时启用。

该工具允许模型传入一个图片/PDF文件的url（也支持传入CodeRunner工具组中的docker中的文件路径，及系统内的其他文件引用格式），以及一段提示词。将把图片/PDF文件和提示词给VLM，将VLM的返回内容给到模型。该工具旨在让无视觉支持的模型能够读取图片/PDF文件。

工具组：ShowHtml

两个工具，分别支持传入一段svg或html，将html或svg展示给用户。

工具组：ShowQuestion

提供一个工具，大模型可以调用该工具出题，将题目展示给用户。

工具组：VideoGeneration

提供一个工具，调用该工具可以生成视频。会根据是否提供图片，分别调用T2V、I2V模型。

工具组：WebSearch

提供3个工具：

• 搜索：传入一个关键词，返回搜索结果。
• 读取网页：传入一个url，返回网页内容。
• 爬取网页：传入一个base url，在base url下递归的爬取网页内容。

该工具会要求模型添加对应的网页url的tool data标识。同时该工具组将注册名为web的tool data。另见信息来源标识。

信息来源标识

当模型调用信息获得类的工具时，工具会要求模型添加信息来源标识。模型将在回答中用特定格式引用信息来源。这些标识将被渲染，并允许用户点击查看信息来源。

具体表现为，模型在基于信息回答时，回答后会添加对应的角标。形如：

兼容性措施

非工具调用模型支持

SubQuiz答疑中大量功能基于工具调用，因此不支持工具调用是致命的。

对于非工具调用模型支持，在SubQuiz中，将通过提示词，引导模型在需要工具调用时，输出：

<|tool_call|>
<|tool_name|> xxxxx <|tool_name|>
<|tool_args|>
{
  ....
}
<|tool_args|>

这种特殊输出格式的内容将被SubQuiz识别为工具调用。工具调用返回结果将以role为user的message返回。这是一种勉强的非工具调用模型支持方式。一般情况下，尽可能不要使用这种方式。模型未在训练中训练工具调用能力，即使添加了提示词引导他调用工具，仍然不能很好的在需要时调用工具，对于交叉思考更是无能为力。

非视觉模型支持

若模型支持视觉，图片将直接给到模型。若模型不支持视觉：

• 对于附带的题目中的图片，将由VLM描述后给模型。
• 对于用户上传的图片和PDF，将通过ReadImage工具组，运行模型让vlm描述图片。

对于有时间能力的模型，pdf将逐页截图，作为图片传递给模型。

内容审查

为保证内容的正确，同时避免大模型的回答涉及政治、宗教、色情、暴力等敏感话题，SubQuiz将对大模型的回答进行审查。具体审查逻辑为，边输出边审查，当输出没满400字后请求一次小的llm，对内容的合规性进行判断。若不合规，将中止回答，并撤回已经输出的全部内容。