AITeachMe伴读问答实战:基于RAG的课程内对话、划选提问与引用溯源是怎么实现的

原创2026-11-16 12:31:371,656 阅读

AITeachMe伴读问答实战:基于RAG的课程内对话、划选提问与引用溯源是怎么实现的

AITeachMe 是一款把资料变成"真正会教你的课程"的 AI 教学项目。它的伴读问答功能支持课程内对话、知识文档划选提问,并基于 RAG(检索增强生成)为每个回答保留可追溯的引用溯源:回答不是模型凭空生成,而是先从你的课程知识库中检索证据,再让模型基于证据作答。本文带你用最小代价读懂这条链路的实现思路。

AITeachMe 课程内 AI 伴读对话界面

为什么伴读问答必须依赖 RAG?

普通聊天机器人回答学习问题时,只能依赖模型"脑子里"的通用知识,容易出现三个问题:

  • 答非所问:不知道你正在读哪一门课、哪一章;
  • 幻觉严重:编造资料里不存在的公式、定理和出处;
  • 无法追责:回答错了也不知道依据来自哪里。

AITeachMe 的解法是典型的 RAG 思路:先用检索找到课程资料中的证据片段,再把证据和教学规则一起交给大模型,只允许它在证据范围内作答。配套的用户指南见 chat.mdx,跨模块事实页见 interact-engine.md。

伴读问答主链路:一条 9 节点的流水线

整个伴读问答由 LangGraph 工作流驱动,入口是 stream_chat_workflow,图定义在 graph.py。一次提问会依次经过 9 个节点:

顺序 节点 做什么
1 解析或创建会话 确认本轮写入哪个 ChatSession,缺省则新建并通过 SSE 返回会话 ID
2 读取对话状态 拉取近期消息、课程信息、薄弱知识点、近期错题
3 检索学习上下文 RAG 检索:知识图谱优先,向量检索兜底
4 选择教学策略 判断该讲解、引导、复盘、规划还是出练习
5 选择执行模式 直接回答,还是允许受控工具(如 search_kb)
6 组装伴读提示词 按优先级拼装最终 messages
7 流式生成回答 逐 token 推 SSE,客户端断开即停止
8 保存对话轮次 用户/助手消息成对落库,关联同一 turn_id
9 更新会话元信息 更新时间戳、自动生成短标题

每个节点都带中文显示名和输入/输出契约(见 NODE_TRACE_DETAILS),排查问题时可以直接对照节点看状态变化。

三种问答入口,一套链路

前端有 3 个"看起来都一样"的入口,但默认上下文完全不同,判断逻辑集中在 intent.py 的 resolve_prompt_scene:

入口 典型场景 默认上下文
全局对话 目标未定、临时咨询 当前对话 + 主动选择的资料
课程对话 围绕整门课程追问 课程、知识文档、学习记录
正文划选问答 某句话、公式看不懂 当前课程 + 选中文本 + 所在章节

三种入口都进入同一条 chat 主链路,source、anchor_id、selected_context 只作为触发元数据,不另开平行链路——这是它架构上很克制的一点。普通闲聊还会被意图识别拦截:没有学习意图的对话会跳过课程资料检索(should_use_course_grounding 返回 False),避免"聊天气也被塞课程资料"。

划选提问:把"这句"变成结构化上下文

在知识文档里选中一句话提问,是伴读体验最"惊艳"的入口。

AITeachMe 知识文档划选问答阅读界面

它的关键在于:前端提交的不只是选中的文字,而是一份结构化的 ChatSelectionContext,包含:

  • selected_text:精确选中文本;
  • anchor_id / anchor_title:最近标题锚点;
  • heading_path:从文档根到划选位置的标题路径;
  • before_text / after_text:划选前后的小窗口文本;
  • section_title / section_excerpt:更宽的章节摘录。

有了这份"定位包",模型才知道"这个 / 上面 / 看不懂"具体指哪。检索节点会把它和问题合成检索 query(问题 + 划选内容前 1200 字),提示词模板则明确要求:"这个/这里"默认指本轮主证据,而不是历史消息或近期错题。

RAG 检索策略:知识图谱优先,向量兜底

检索实现位于 retrieval.py 的 retrieve_context,顺序是精心设计的四层漏斗:

  1. 匹配 KnowledgeUnit(知识点单元):把 query 拆成中文短语和英文术语,在知识点的名称、摘要、正文上做关键词匹配并按重合度打分;
  2. 沿知识图谱边扩展:取前 1~3 个中心知识点,通过知识图谱边(KnowledgeEdge)拉入相关知识点,分数按边权衰减,并记录关系路径(如 A -[相关]-> B);
  3. 回溯证据原文:每个选中知识点通过 evidence 记录回溯到原始 chunk 和引用句,保证"证据可展示";
  4. 向量检索兜底:只有图谱没命中(或结果不足/低相关)时,才走向量检索(带 rerank),并与图谱结果按"强图谱 > 向量 > 弱图谱"的顺序去重合并。

一个细节很实用:排序时会参考你在该知识点上的掌握度(mastery_score),没掌握的内容会被优先排进上下文——检索结果天然带个性化。

AITeachMe 课程知识图谱界面

引用溯源:证据链是如何落到数据库的

"引用溯源"不是前端渲染层面的花活,而是数据链路的一等公民:

  • 检索结果先转成 ChatContextItem,每条引用携带 chunk_id、file_id、标题、章节路径、相关度分数、关联知识点名称、图谱关系路径、证据引用句和检索来源(knowledge_unit / vector);
  • 流式回答完成后,persist_turn 节点(persist.py)调用 create_message_pair,把用户消息和助手消息成对写入同一个 turn_id,引用上下文序列化后存在助手消息的 contexts_json 上;
  • 划选定位字段(anchor_id、selected_text、source_chunk_id)同样随消息保存,之后随时可以点开某轮回答,看它当时基于哪些证据作答。

这样既能在 UI 上展示"本回答引用了哪些片段",也方便事后审计模型是否"跑题"。官方文档也提醒:引用来源只能说明回答使用了哪段上下文,不能自动证明结论正确——涉及公式和答案仍要回到资料核对。

教学策略与流式输出

回答之前还有一个轻量决策:strategies.py 用关键词规则(不额外调 LLM)选择教学策略——

  • 提到"错题/复盘" → 复盘模式:先定位错因,再给检查清单;
  • 提到"一步步/别直接告诉我" → 苏格拉底引导模式:追问 + 少量提示;
  • 提到"学习计划/先学什么" → 规划模式;
  • 提到"出题/小测" → 练习模式;
  • 有划选内容 → 默认引导模式;其余走讲解模式。

流式输出由 SSEEventEmitter 完成:节点把 token 事件放进队列,响应侧边监听队列边检查客户端连接,客户端断开时直接取消工作流任务,避免继续生成和写库浪费算力。

小结:值得借鉴的 3 个设计

  1. 单一主链路 + 元数据区分入口:课程对话、划选提问、题目答疑共用一条流水线,入口差异只体现在 scene/source 元数据里,维护成本低;
  2. 图谱优先、向量兜底的混合检索:结构化知识提供"为什么相关"的解释(关系路径),向量检索保证召回下限,引用天然可溯源;
  3. 引用作为数据契约:ChatContextItem 从检索到落库全程结构化,"回答 + 证据"成对持久化,引用溯源是数据能力而不是展示能力。

更多工作流细节可阅读 interact/chat/README.md,整体引擎说明见 interact-engine.md。

登录后查看全文
AITeachMe