cn-math-taxonomy 走红背后:中文垂直知识体系开源正在迎来春天

原创2026-10-20 12:49:153,978 阅读
文章标签:知识图谱教育前端

cn-math-taxonomy 走红背后:中文垂直知识体系开源正在迎来春天

2026 年 10 月,一个名为 cn-math-taxonomy 的仓库出现在 GitHub 日榜趋势的报道里,被当作当天的开源亮点之一。与常见的 Star 收割机不同,它既没有炫酷的 README 封面图,也没有密密麻麻的功能清单,而是把一个极其朴素、却极其稀缺的东西开源了出来:中小学数学的完整知识结构。

把《义务教育数学课程标准(2022 年版)》与人教版一至九年级教材"翻译"成机器可读的形态,是 531 个知识点、909 条先修边、2271 道诊断题、230 条课标条目,外加一个纯前端、可离线运行的自适应诊断工具。最抓人的演示是:答错一道九年级的"配方法",系统会沿先修链一路回溯到一年级的"1到5各数的认识"。这个"回溯到根"的体验,让一个数据仓库拥有了产品级的传播力。

本文回到源码层面拆解这个仓库:它到底做成了什么、工程上怎么保证可信、以及为什么说它预示着中文垂直知识体系开源正在迎来春天。

一、它把"教材+课标"变成了一张可计算的知识图谱

仓库的核心资产全部在 data/ 目录下,四个 JSON 文件构成完整的知识底座:

文件 内容
data/topics.json 531 个知识点节点(小学 216 + 初中 315)
data/dependencies.json 909 条先修边(hard 788 / soft 121)
data/cn-curriculum-standards.json 230 条课标【内容要求】(小学 73 + 初中 157)
data/questions.json 2271 道诊断题(小学 864 + 初中 1407)

节点的 schema 设计得干净且克制,一个知识点带 id / name / domain / grade / semester / chapter / type / description / mastery_criteria / diagnostic_question / standards,其中 standards 把每个知识点显式挂到课标条款上,并标注 exact(课标直接点名)或 inferred(前提、特例或延伸,必须写 note)。边只有一种形态:

{"topicId": "A", "prerequisiteId": "B", "strength": "hard", "reason": "一句中文理由"}

全图只有一个根:cnm_p001「1到5各数的认识」,root_reason 写的是"一年级认数从 1 到 5 开始,前面没有更早的小学知识点"。从根往上(严格说是往下游),data/dependencies.json 里保存的是做过传递约简的直接先修关系:hard 边只有在存在另一条全 hard 路径时才删除,soft 边在存在任何其他路径时即删除——这让 909 条边既稀疏又信息完整,避免了图谱常见的冗余膨胀。

最值得玩味的是它的领域切分:小学"数与代数"142 点、初中 142 点,统计与概率初中 43 点、小学只有 9 点,综合与实践则用 modeling 类型承载教材主题活动。这不是随便分的——它严格跟随课标"数与代数 / 图形与几何 / 统计与概率 / 综合与实践"四大领域的官方框架。

二、回溯式诊断:把知识图谱变成学习产品

数据本身是静态的,让仓库走红的是 diagnose/ 目录下的自适应诊断工具。它完全没有后端,index.html + engine.js + app.js + style.css 四个文件,通过 fetch 读数据文件即可运行,连 CDN 都不依赖。

诊断的核心在 diagnose/engine.js,是一组浏览器与 Node 通用的纯函数:

  • buildGraph(topics, deps, questions):把三个 JSON 合成一张带题库的图,先修按 hard 在前、soft 在后排序;
  • createSession / nextItem / applyAnswer:维护出题栈,驱动整场诊断;
  • pickQuestion:用 mulberry32 伪随机数按 (seed, 知识点, 第几题) 决定选题,同一种子、同样作答,出题完全一致,会话可重放;
  • summarize:计算薄弱根因、不稳点、学习路径和 SVG 路径图。

诊断策略是这套系统的灵魂,规则写在 diagnose/README.md 里,值得原样引用:

  • 第一题答对 → 该点及全部祖先记为"掌握(推断)",不再问;
  • 第一题答错 → 同一知识点再出第二题(优先 basic);
  • 第二题也错 → 判为薄弱,深度优先向先修回溯(hard 先于 soft);
  • 第二题答对 → 判为不稳,放进学习路径但不回溯。

这套"两题判定"在判断逻辑上非常克制——它把"一次对一次错"解释为粗心或不牢,不轻易向上追溯,避免了过度诊断。加上可种子化随机、localStorage 存档、?target=cnm_221&demo=1 这类 URL 参数化入口,整个工具既适合真实使用,也适合演示和分享。

诊断结果示例:目标薄弱、先修薄弱与不稳点同时呈现

更难得的是判题器的实现。数值题的判题走"全角转半角 → 去空白 → 统一中文标点 → BigInt 有理数精确比较"的管线,1/2 与 0.5 与 50% 在语义上等价,1/3 与 0.333 则严格不等——不用浮点数糊弄。选择题比字母也接受选项文字,多答案题按 unordered 字段决定是否顺序无关。这套规范化逻辑单独抽成了 scripts/engine_norm.py,被核验脚本复用。

诊断结果页的 SVG 先修路径图:先修在上、目标在下

三、可信度工程:AI 生成内容如何"自我证明"

仓库在 README 开头就放了一句话:"状态声明:这是 AI 生成的初稿,未经任何教师审核。"这句话既是免责,也是整个项目的性格——它把"AI 生成"当作一个待弥补的风险敞口,而不是藏着掖着的秘密,并为此配套了一整套机器核验流水线:

第一层:受限表达式自动核验。 scripts/verify_questions.py 用 Python ast 白名单构造了一个沙箱(只允许四则运算、比较、推导式、下标和少数统计函数,禁止属性访问、import、赋值),对带 verify 表达式的 numeric / choice 题做受限求值并与答案比对。全库结果:auto_verified 1739,mismatch 0。

第二层:独立第二遍复核。 scripts/second_pass.py 把题目去掉答案、解析、verify 后分块盲发给没看过答案的独立解题者重解:A 轮 19 位解题者盲解全部 1401 道 numeric/choice/short 题,B 轮 16 位解题者对 752 道"风险题"(无 verify 的题加全部 advanced)更仔细地再解一遍。A 轮发现的 3 处不一致逐条重算裁决后,全部是解题者算错,题库答案正确;B 轮 0 处不一致。整个过程连解题者的原始作答和推导都保留在 data/_second_pass/ 里,可审计。

第三层:格式与图结构校验。 scripts/validate.py 检查 JSON 合法性、id 唯一、字段枚举、边的两端存在、无自环、无重复边、无环、无孤立节点,全部通过输出 VALIDATION PASSED。

这套"生成 → 受限求值 → 盲解复核 → 结构校验"的流水线,是中文知识类开源项目里罕见的工程化示范。对"AI 生成数据"这个争议话题,它给出的回答不是拍胸脯,而是把验证过程本身开源。

四、从数学到其他学科:可复制的模板正在成形

cn-math-taxonomy 不是凭空造的数据格式。README 明确写了数据格式参考 Marble 的 os-taxonomy(topics + dependencies 两件套),其中文分支 os-taxonomy-beijing 也已存在。也就是说,这个仓库天然承认并延续了一条格式谱系,而它自己在格式之上补完了三样此前缺失的东西:

  1. 课标锚点:每个知识点通过 standards 字段挂到 2022 版课标条款,使图谱有了官方政策坐标系;
  2. 诊断闭环:知识点不只描述"是什么",还带 mastery_criteria(掌握标准)和 diagnostic_question(诊断题),让图谱能驱动产品逻辑;
  3. 流水线开源:生成脚本(scripts/build_primary.py、primary_g12.py…primary_qgen.py)、核验脚本、复核脚本全部在仓库里,别人可以照着重跑一遍。

这三点合起来,就是一个可复制到其他学科的模板。中国的义务教育阶段,每一门学科都有国家课程标准,每一科都有统一的教材体系——物理、化学、语文、英语的知识图谱,理论上都能复用同一套 schema:topics 放知识点节点,dependencies 放先修边,standards 挂课标,questions 配诊断题,diagnose/ 的引擎是纯函数、与学科无关,连 UI 都不用换。数学这一仗打通的,其实是"课标 → 图谱 → 诊断"的整条方法论。

五、中文知识体系项目的共同热度规律

cn-math-taxonomy 的走红不是孤例,把它放回中文开源知识类项目的语境里,能提炼出几条反复出现的热度规律:

政策锚点是第一推动力。 2022 年版新课标落地后,教材体系正在经历一轮大改版(README 里甚至详细考证了人教版 2024 版初中教材的章目变动,比如概率从九上移到九下、新增"随机事件的概率")。新旧衔接期恰恰是结构化知识需求最旺盛的窗口——所有 AI 教育产品、教研系统都在急着重建自己的知识底座,而这个仓库直接给出了课标级别的答案。

中文结构化数据是稀缺资产。 互联网上中文"自然语言知识"海量,但"机器可读的结构化知识"极其稀缺。531 个带层级、带先修、带课标映射的知识点节点,本身就是难以复刻的数据资产,这也是为什么社区里类似"Awesome 系列"资源清单、知识整理类项目总有稳定流量——中文用户对"被整理过的知识"有长期饥渴,CSDN 上的日榜速报当天就把这类项目推上了趋势位。

可演示性决定传播半径。 静态页面 + URL 参数 + 本地存档,让"答错配方法一路回溯到一年级"这个场景可以被任何人一键复现、截图、分享。一个数据仓库一旦有了"产品级演示",它的传播效率会远超纯文档项目。

坦率治理反而建立信任。 项目没有假装权威。"AI 生成、未经教师审核""九下目录非官方、待核""小学各册目录没有官网全文目录"这些坦白写在 README 和 docs/standards-mapping.md 里,甚至把"仍待核的部分"逐条列出。在 AI 内容信任危机的背景下,这种自我披露比空洞的"高质量保证"更有效——它告诉潜在使用者:风险点在哪、怎么参与修正、边界在哪里。

六、社区生态:谁在消费、谁在贡献、谁在二创

从仓库的设计可以清楚看到三类角色的生态位:

消费者是学生和家长(用诊断工具找薄弱根因)、教师(拿图谱和题库当备课/出题素材)、教育科技团队(把 531 个节点和 2271 道题作为自有产品的数据底座)、研究者(standards 映射与课标覆盖率的统计是现成的教研数据)。

贡献者的入口是精心设计的。 README 直接提供了「题目纠错」「功能建议」两种 Issue 模板,把"如何参与"的门槛降到最低。更重要的是,第二遍复核流程本身就证明了项目欢迎外部审查——它甚至把"出题者自己写的 verify 可能和答案同源"这种核验盲区都写在 docs/questions.md 里。对教师而言,参与纠错不是义务劳动,而是对自己学科知识的一次数字化再版。

二创的空间同样明确。 数据格式可以平移到其他学科;诊断引擎是纯函数,可以被任意前端框架复用;页面支持 ?target=、?chapter=、?seed=、?limit= 等 URL 参数,方便第三方站点嵌入;结果页可以导出 JSON、打印成 PDF——从数据层到交互层都留了接口。这种"格式即协议"的克制设计,是二创生态最需要的土壤。

七、这一波潮水的天花板与泡沫点

把掌声收一收,仓库自己列出的"已知局限"其实比任何批评都更清醒:

天花板是真实的。

  • 审核缺位是最大瓶颈:先修关系的 hard/soft 判定、诊断题的难度与干扰项设计,全部缺少数师与学生数据的检验。一个未经一线教师审过的知识图谱,教学价值会打折扣,这正是仓库把"审核"列为第一后续建议的原因。
  • 规模仍小:2271 道题、每个知识点 4–5 题、一次诊断最多 16 题、每个知识点最多问 2 题——诊断结果官方定位只是"线索"而非"结论",选择题还有 25%–33% 的蒙对概率。
  • 版本风险:图谱按 2024 版初中教材编序,课标是 2022 年版;九下 2024 版目录至今无官方来源,多个小学册次目录标着"非官方、待核"——数据链条里有明显的"待补证"环节。
  • 许可的双刃剑:CC BY-NC 4.0 非商业许可保护了公益属性,但也意味着教育科技公司不能合法地把这份数据装进付费产品,生态的商业化闭环可能因此放慢。

泡沫点同样值得警惕。 最容易的误读是"AI 生成的知识体系 = 可信的知识体系"。cn-math-taxonomy 用严谨的核验流水线证明了工程上的诚实,但数学学科的特殊性在于:先修关系本质上是一个教学判断,而不是一个事实判断。"用频率估计概率"到底算不算"用小数比较大小"的 hard 先修,这种问题只有一线教师能回答,任何机器流水线都替代不了。如果这类项目在社区里被不加分辨地当成权威教材使用,AI 生成的内容就会成为新的错误信息源。另外,知识图谱 ≠ 教学法:节点和边描述的是"知识的逻辑位置",而真实学习还涉及认知负荷、遗忘曲线、错题归因——图谱只是底座,不是答案。

结语

cn-math-taxonomy 的走红,标志着一个更深的趋势:中文开源正在从"造工具"走向"造知识"。当一批人开始认真地把中国的课程标准、教材体系、学科结构沉淀成开放、可验证、可复用的数据资产时,AI 教育的底层就不再是几家公司闭源的题库,而是由社区共同维护的知识公地。

这张图谱的下一站在哪,取决于教师愿不愿意进来把它审一遍,也取决于社区愿不愿意把"课标 → 图谱 → 诊断"这套模板搬到物理、化学、语文里去。春天确实是来了——但庄稼,还得靠教师来种。

登录后查看全文
cn-math-taxonomy