QuickClass作业转换器

Convert learning materials (Word, PDF, images) into QuickClass quiz JSON format. Supports SINGLE_CHOICE, MULTIPLE_CHOICE, and TRUE_FALSE question types. Use when user wants to create QuickClass homework/quiz JSON from exam papers, worksheets, or teaching materials, or when user mentions QuickClass,

将 Word、PDF、图片等来源的试卷/练习题转换为 QuickClass 课堂作业 JSON 格式。

工作流程

第一步：提取题目

根据输入源类型，提取所有题目内容：

Word 文件: 使用 docx skill 读取文本，按题号解析。

PDF 文件: 使用 pdf skill 提取文本，按题号解析。若 PDF 为扫描件，使用 paddleocr-doc-parsing skill 进行 OCR。

图片文件: 使用 image_understanding 工具识别图片中的题目文字。

提取时需识别每道题的：

• 题目内容
• 题型（单选/多选/判断）
• 选项（选择题）
• 正确答案
• 难度（如可推断）
• 解析（如有）

第二步：生成中间 JSON

将提取结果整理为如下中间格式数组（保存到 .temp/ 目录）：

json

[
  {
    "type": "SINGLE_CHOICE",
    "content": "圆的半径和直径的关系是？",
    "options": {"A": "半径=直径", "B": "半径=直径/2", "C": "半径=直径×2", "D": "半径=直径×π"},
    "answer": "B",
    "difficulty": "BASIC",
    "score": 5,
    "explanation": "直径是半径的2倍，所以半径=直径÷2"
  }
]

字段规范：

• type: SINGLE_CHOICE | MULTIPLE_CHOICE | TRUE_FALSE
• options: 对象格式（脚本会自动转 JSON 字符串）；判断题为 {}
• answer: 单选="A"；多选="A,B,C"（逗号分隔）；判断="T" / "F"
• difficulty: BASIC | INTERMEDIATE | ADVANCED | EXPANDED
• score: 数字，课堂作业模式下可为 0
• explanation: 解析文本，无则为 null
• has_image: 布尔值，该题原文含图示时设为 true（可选字段，默认 false）

第三步：运行转换脚本

bash

python {SKILL_DIR}/scripts/convert_to_quickclass.py \
  --teacher "教师姓名" \
  --grade "三年级下学期" \
  --subject "数学" \
  --task-title "圆的认识" \
  --quiz-title "练习题" \
  --input .temp/questions.json \
  --output "教师_年级_学科_任务标题_课堂作业_测验标题.json"

SKILL_DIR 为本 skill 目录（即包含 SKILL.md 的目录）；在 WorkBuddy 中通常位于 ~/.workbuddy/skills/quickclass-quiz-converter。运行脚本前，请先将 SKILL_DIR 替换为该技能的实际绝对路径。

第四步：含图题目处理

当原始材料中某道题含有图示（几何图、函数图、实验装置等）时，使用两个脚本完成处理：

4a. 提取图片并映射题号

情况一：Word 文件（内嵌图片）

bash

python {SKILL_DIR}/scripts/extract_images.py \
  --input "原始试卷.docx" \
  --output-dir .temp/images \
  --mapping .temp/image_mapping.json

输出：

• --output-dir：提取的图片文件（image_1.png, image_2.png, ...）
• --mapping：题号映射 JSON，格式：

json

[
  {"image_file": "image_1.png", "question_number": 3, "page": 1, "context": "题干预览..."},
  {"image_file": "image_2.png", "question_number": 5, "page": 1, "context": "题干预览..."}
]

映射原理：脚本根据图片在文档中的位置（段落/页面），与最近的题号（"1."、"第2题"等格式）关联。映射后检查 question_number 为 0 的图片，用 image_understanding 工具人工确认题号。

情况二：扫描件 PDF（整页扫描图，无法提取内嵌图片）

对于扫描件 PDF，传统 extract_images.py 无法按位置就近匹配（整页图不具定位意义），需采用视觉模型精准裁剪方案：

1. 渲染整页为高清图片：

   bash

   python {SKILL_DIR}/scripts/extract_images.py \
     --input "扫描件试卷.pdf" \
     --output-dir .temp/page_images \
     --render-pages
   

   输出：page_1.png ~ page_N.png（每页一张高清渲染图）

2. 用视觉模型定位含图题目的图片位置： 对每页渲染图使用 image_understanding 工具，询问"第X题的配图在页面中的精确位置（百分比）"。视觉模型返回坐标，例如：

   text

   第9题流程图：左上X=15%, 左上Y=61%, 宽=37%, 高=16%
   

3. 构建含裁剪坐标的映射 JSON：

   json

   [
     {
       "image_file": "",
       "question_number": 9,
       "page": 2,
       "context": "题干预览...",
       "crop": {"x": 12, "y": 58, "width": 43, "height": 22},
       "source_page": "page_2.png"
     }
   ]
   

   • crop：裁剪坐标（百分比），留少量边距（±3%）
   • source_page：来源整页渲染图文件名

4. 生成图示说明 Word 时自动裁剪： 使用 generate_image_doc.py --pages-dir 参数，脚本自动从整页渲染图中裁剪子区域并插入 Word。

重要：扫描件场景不要使用位置就近匹配，因为：① 整页扫描图不具定位意义；② 答案/图示可能集中放置（如答案集中在最后几页），与题目不在同一页。必须用视觉模型逐页识别图片属于哪道题，再精准定位裁剪。

4b. 识别图片内容并补充文字描述

对每张含图题目，用 image_understanding 工具读取图片，在中间 JSON 的 content 中补充简短文字描述。

示例：原文 "如下图，求阴影面积" → 补充后 "如下图，直角三角形ABC中∠C=90°，AC=3cm，BC=4cm，求阴影面积"

同时在中间 JSON 中为该题设置 "has_image": true。

4c. 生成图示说明 Word 文档

独立图片模式（Word 内嵌图片）：

bash

python {SKILL_DIR}/scripts/generate_image_doc.py \
  --mapping .temp/image_mapping.json \
  --images-dir .temp/images \
  --output "{teacher}_{grade}_{subject}_{taskTitle}_课堂作业_{quizTitle}_图示说明.docx" \
  --title "圆的认识 图示说明"

裁剪模式（扫描件 PDF，映射 JSON 中含 crop 和 source_page 字段）：

bash

python {SKILL_DIR}/scripts/generate_image_doc.py \
  --mapping .temp/image_mapping.json \
  --images-dir .temp/page_images \
  --pages-dir .temp/page_images \
  --output "{teacher}_{grade}_{subject}_{taskTitle}_课堂作业_{quizTitle}_图示说明.docx" \
  --title "模拟试题 图示说明"

--pages-dir 指定整页渲染图所在目录。脚本检测到映射条目中有 crop + source_page 时，自动从整页渲染图中裁剪子区域；否则使用 --images-dir 中的独立图片文件。

生成的 Word 文档包含：

• 文档标题 + 深蓝色分隔线
• 说明文字：本文件为 QuickClass 课堂作业 JSON 的配套图示说明文档
• 每道题：【第X题图示】 标签 + 原图居中显示 + 题干预览
• 末尾说明文字

无图的题目不生成此文档。

第五步：输出文件命名

按 QuickClass 规范命名输出文件： {teacher}_{grade}_{subject}_{taskTitle}_课堂作业_{quizTitle}.json

示例：脸盆_三年级下学期_数学_圆的认识_课堂作业_圆的练习题.json

题型识别规则

从原始材料中识别题型：

特征	题型
题干含"选择"、"以下哪项"，有 A/B/C/D 选项，答案为单个字母	SINGLE_CHOICE
题干含"多选"、"哪些"，有 A/B/C/D 选项，答案为多个字母	MULTIPLE_CHOICE
题干含"判断"、"正确/错误"、"对/错"，选项为"正确/错误"	TRUE_FALSE

难度推断规则

特征	难度
直接记忆、定义识别、基础概念	BASIC
简单应用、一步推理、基本计算	INTERMEDIATE
综合应用、多步推理、跨知识点	ADVANCED
拓展延伸、开放性、超纲应用	EXPANDED

完整 Schema 参考

详见 references/quickclass_schema.md，包含所有字段定义、题型示例和注意事项。

常见问题

Q: 判断题的 options 字段为什么是 "{}"？ A: QuickClass 规范中判断题无需选项，固定传空 JSON 对象字符串。

Q: 多选题答案格式？ A: 逗号分隔且按字母序排列，如 "A,B,C"，不要加空格。

Q: id 字段怎么生成？ A: 使用脚本自动生成 CUID2 风格 ID，无需手动填写。

Q: score 为 0 是否正常？ A: 正常。QuickClass 课堂作业模式下，score 常设为 0，由系统另行计分。

Q: 原题有图片怎么办？ A: QuickClass JSON 不支持图片嵌入。当原题含图时，生成两个文件：JSON 中 content 补充文字描述，同时生成配套图示说明 Word 文档（原图+题号标注），学生对照查看。

Q: 扫描件 PDF 的图片怎么处理？ A: 扫描件每页是一整张扫描图，不能用传统的内嵌图片提取。需要：1) 将每页渲染为高清 PNG；2) 用视觉模型定位含图题目在页面中的精确位置（百分比坐标）；3) 在映射 JSON 中添加 crop 和 source_page 字段；4) 用 generate_image_doc.py --pages-dir 自动裁剪并生成图示说明。

Q: 为什么扫描件不能用位置就近匹配？ A: 扫描件的图片可能集中放置（如答案区域在最后几页），与题目不在同一页。位置就近匹配会导致图片被错误关联到其他题目。必须用视觉模型逐页识别图片属于哪道题。