# pj0231-eaisalestraining vs pj006-zhilianyuan2 能力对比分析

> 生成日期：2026-08-16
> 范围：知识库能力、考试能力、测试/自测能力、岗位与知识对应能力
> 原则：以**实际代码**为准（本项目 PRD 文档存在过时，见 §0）
>
> **注：** 本文基于 2026-08-16 代码快照（后端 Go + Gin + GORM，检索为 brute-force 余弦 + bge-m3）；数据库与向量栈已决策迁移至 **MySQL 8.0 + FAISS**，见 `docs/db_schema.md` / `docs/deploy.md`。

---

## 0. 一句话结论

两个项目**不是同一量级**：

- **pj0231** 是一个**极简单租户、内部专属的培训平台**——Go 后端约 4,900 行，11 张表，2 个角色，聚焦「看资料 → AI 答疑 → 考试验收」的窄闭环。
- **pj006** 是一个**多租户、多角色、带完整 AI 对练 / 岗位能力模型的通用销售培训平台（智练猿）**——Python 后端约 1.7 万行 + 独立 engine 库，23 版 schema、40+ 张表，4 个前端，具备岗位洋葱模型、知识工厂、AI 角色扮演道场、能力对标等。

在本文对比的四个维度上，pj006 全部**能力更全、更深**；但 pj0231 在个别点上有「更实」的实现（见 §6）。

> ⚠️ **重要前提：pj0231 的 PRD 文档已过时。**
> `docs/PRD.md` 写「FastAPI + MySQL + 不做向量检索」，但实际代码是 **Go + Gin + GORM + SQLite**，且检索已实现**向量（brute-force 余弦 + bge-m3 embedding）**。本报告以实际代码为准。

---

## 1. 系统定位与技术架构对照

| 维度 | pj0231 | pj006 |
|---|---|---|
| 定位 | 博昇内部培训（单企业） | 通用 AI 销售培训平台（多企业 SaaS） |
| 后端 | Go + Gin + GORM + SQLite | Python 3.10 + FastAPI + SQLite（per-org 分库） |
| 前端 | 1 个：Vue3 + Vite + Element Plus | 4 个：app / orgadmin / admin / platformadmin |
| 角色 | 2（employee / admin） | 多级（学员 / 组织管理员 oadmin / 平台管理员 padmin / 教练 trainer） |
| 租户 | 单租户 | 多租户（`orgs` 注册表 + 每 org 一个 `<org>.db`，路由键 `org_code_id`） |
| 代码量 | ~4,900 行 Go | ~17,200 行 Python + `zlylibs/engine` 引擎库 |
| 数据表 | 11 张 | 40+ 张（schema 版本 v23） |
| AI 底座 | 内网 OpenAI 兼容接口（Ollama LLM + bge-m3 embedding） | OpenAI 兼容路由（trainee/coach/eval 三 slot，可配多模型） |
| 交付 | 单二进制 + systemd + Clonezilla | 多服务 + 多端 |

---

## 2. 知识库能力对比

| 能力 | pj0231 | pj006 |
|---|---|---|
| **素材摄入** | ✅ 上传→审批→转换→切片（真实跑通） | ⚠️ 知识工厂骨架完备，但 Phase 1 解析抽取**「不真跑、停 pending」**（见 `schema.py` 中 `kb_asset_tasks` 注释） |
| 文档转换 | LibreOffice + pdftotext，切片入 `knowledge_chunk` | 设计了 parse / structured / extraction_blocks 多阶段管线，但未实跑 |
| 审批流 | ✅ 三层 `pending / approved / rejected`，审批前置 | ✅ 更细：`working_knowledge_points` 待复核 + `kb_publish_records` 发布链 |
| **知识组织** | 扁平 `knowledge_chunk`（段落切片）+ `knowledge_source`（markdown 知识源） | 多层：`knowledge_points` → `knowledge_meta`（语料）→ `knowledge_units`（统一主干，含 domain/section/dimension/sub_dimension/role/position/level/kind）→ `knowledge_chunks`（带 `embedding_status`） |
| 术语 / 规则 | ❌ 无 | ✅ `knowledge_terms`（别名/禁用词）、`industry_rules` |
| **检索** | ✅ **混合检索**：向量（brute-force 余弦，bge-m3）+ 关键词兜底，去重合并 topK | ⚠️ **实跑的是 jieba 分词 + SQLite LIKE 关键词检索**；向量（ChromaDB/Neo4j）仅文档宣称，`embedding_status` 字段预留 |
| **自动出题** | ❌ 无 | ✅ 设计：`working_questions` 从知识块自动生成题目（待复核） |
| 知识-题目/场景关联 | 仅题目挂 `course_id` | ✅ `question_knowledge_units`、`scene_knowledge_units`、`knowledge_unit_links` 三张桥接表 |

**小结**：pj0231 的「文档→文本→检索」链路**真实端到端跑通**（且检索更强，含向量）；pj006 的知识模型**层级深、可扩展强**（知识主干 + 术语 + 规则 + 自动出题 + 发布链），但知识工厂的自动解析在 Phase 1 尚未实跑。

---

## 3. 考试能力对比

| 能力 | pj0231 | pj006 |
|---|---|---|
| 题型 | 单选 / 多选 / 判断 | 单选 / 多选 / 判断 / **简答 essay** |
| 简答题评分 | ❌ 无 | ✅ LLM 按 rubric 评分（`engine.eval.grade_short_answer`），得分率持久化 `exam_session_grades` |
| **组卷** | ✅ 按知识域 + 随机抽题（`randomize`、`domain` 逗号分隔） | ⚠️ 实际是**固定 `question_ids` 列表**（手动组卷）；蓝图组卷（`position_exam_blueprints`）已落表+CRUD，但考试服务未接蓝图抽题 |
| 考试次数 | 正式考**只允许一次**（重考即 409） | ✅ `max_attempts`（最多考 N 次）、`deadline` 截止 |
| 自测模式 | ✅ 自测（不限次、即时对错、**不存记录**） | ✅ 练习走独立 `practice` 模块（见 §4） |
| 判分 | 确定性比对（`isCorrect`） | 选择题确定性 + 简答 LLM；总分 = Σ得分率/题数×100 |
| **成绩分析** | 仅存记录：得分 / 正确率 / 答题明细 | ✅ **维度能力分析**（`competency_breakdown`：weak<70% / ok / strong≥90%）、薄弱题、改进建议 |
| 错题联动 | ❌ 无 | ✅ 交卷错题自动写入 `mistake_records`（错题本） |
| 成绩档案 | `exam_record`（永久存档） | `exam_sessions` + 报告回溯（`review_exam`） |

**小结**：pj006 考试在**题型（简答）、评分（LLM）、维度分析、错题联动、考试次数控制**上全面领先；pj0231 仅在**自动随机抽题组卷**这一点上更「自动化」（pj006 实际为手动固定组卷）。

---

## 4. 测试 / 自测 / 评估能力对比

### 4.1 面向学员的自测与评估（产品能力）

| 能力 | pj0231 | pj006 |
|---|---|---|
| 自测练习 | ✅ 自测（即时对错，不存记录） | ✅ 每日一练 `practice`（**游戏化**：段位/星/连击/经验/积分 `practice_profile`） |
| 错题本 | ❌ 无 | ✅ `mistake_records`（练习+考试两来源聚合，可标记已掌握） |
| 学习笔记 / 收藏 | ❌ 无 | ✅ `study_notes` + 收藏（`study_progress.favorited`） |
| 学习档案 / 学情 | ❌ **明确禁止**（PRD 第 7 节） | ✅ 学习档案 dashboard：学习天数、**能力对标**（来自对练复盘评分）、AI 对练摘要 |
| **AI 对练复盘评分** | ❌ 无（仅快捷动作「扮演销售」的文本生成） | ✅ `dialogue_review_scores` + `ReviewScoreService`：维度评分、整体等级、趋势、强项/风险维度、复发问题、改进建议 |

### 4.2 面向软件工程的自动化测试（工程能力）

| 维度 | pj0231 | pj006 |
|---|---|---|
| 后端测试 | ❌ **0 个 `_test.go`** | ✅ 31 个 pytest 文件（exam/eval/position/profile/dojo/dialogue/review/kb/…） |
| 引擎测试 | 无 engine 层 | ✅ `zlylibs/engine/tests` 约 20 个（HEP 8层、DSRP loader、UPP、KB、eval、e2e smoke） |
| 测试策略文档 | ❌ 无 | ✅ `docs/12_Test_Strategy`（可见点击测试、完整旅程 E2E 测试计划、legacy prompt） |
| CI / 依赖管理 | 无 | ✅ pyproject `[dependency-groups] dev = pytest` |

**小结**：这是**差距最大**的一项。pj006 有完整的 pytest 测试体系 + 测试策略文档 + E2E 测试计划；pj0231 **一行测试都没有**。

---

## 5. 岗位与知识对应能力对比（差距最大的维度）

这是 pj0231 的**结构性缺失**——PRD 明确「不做能力档案、不做复杂权限」，代码里用户只有 `role` 字段，**完全没有岗位概念**。

| 能力 | pj0231 | pj006 |
|---|---|---|
| 岗位表 | ❌ 无 | ✅ `positions`（code/name/description，按 org 隔离） |
| 岗位↔用户绑定 | ❌ 无 | ✅ `user_positions` |
| **岗位能力模型（洋葱模型）** | ❌ 无 | ✅ `competency_layers`（C1知识技能/C2能力素质/C3职业素养）+ `competency_levels`（**L1-L4**）+ `competency_details` |
| 能力模型自动生成 | ❌ 无 | ✅ `generate_competency_model`（自动生成三层 + L1-L4 初稿，可人工保存） |
| **岗位↔知识映射** | ❌ 无 | ✅ `position_knowledge_units`（required_level / weight / is_mandatory），`auto_match_knowledge_units` 自动匹配 + 人工修正 |
| **岗位考试蓝图** | ❌ 无 | ✅ `position_exam_blueprints`（维度/级别/题型/题量/权重） |
| 标准岗位 / 职级代码 | ❌ 无 | ✅ `SD01_Standard_Job_Codes`（JobFunction + JobRank 双正交编码）+ `SD06_PROFILE_CODE_ENUM.json` |
| 岗位驱动学练考 | ❌ 无 | ✅ 设计文档 `DA00_07`（A11 学习分发 / A12 练习分发 / A13 考试蓝图组卷） |
| 用户身份 / 角色分级 | 2 角色 | 学员/教练/组织管理员/平台管理员 + NPC 人格（`UPP`） |

**小结**：pj006 把岗位从「一个标签」升级成了「知识分发与能力成长的**主控制器**」——岗位决定学什么（知识单元映射）、练什么（薄弱维度反查）、考什么（考试蓝图）。pj0231 完全没有这条能力链，这也是两项目最本质的定位差异。

---

## 6. 反向差异：pj0231 有、pj006 反而没有 / 较弱的点

诚实地讲，pj0231 并非全面落后，有几个点它反而更「实」：

1. **向量检索是真实现**：pj0231 的混合检索（向量余弦 + 关键词）端到端可用；pj006 实际跑的是 jieba 关键词，向量仅停在文档与字段预留层。
2. **随机 + 按知识域自动抽题组卷**：pj0231 支持；pj006 考试实际为固定题目列表（蓝图组卷未接）。
3. **文档→文本→检索链路真实跑通**：pj0231 的 LibreOffice / pdftotext 切片入库是完整的；pj006 的知识工厂「解析抽取」在 Phase 1 未实跑（仅表结构 + 状态机）。
4. **AI 算力点计费 + 审计日志**：pj0231 有 `ai_call_log`（按用户扣点、按能力计费、延迟/错误审计）；pj006 未见同等的算力计费。

---

## 7. 关键文件索引（证据）

**pj0231**（本项，实际代码为准）：
- 数据模型：`eaisalestrain_app/backend-go/internal/model/`（11 张表）
- 检索：`eaisalestrain_app/backend-go/internal/ai/retrieve.go`（混合检索）
- 考试：`eaisalestrain_app/backend-go/internal/api/exam.go`（组卷 / 判分 / 存档）
- AI 聊天：`eaisalestrain_app/backend-go/internal/api/ai_chat.go`（PathCoach + 3 快捷动作）

**pj006**（对比项）：
- 数据模型：`zlyapp/backend/app/db/schema.py`（v23，40+ 表，含 `orgs` 多租户根）
- 考试：`zlyapp/backend/app/exam/service.py`（简答 LLM 评分、维度分析、错题联动）
- 评估：`zlyapp/backend/app/eval/service.py`（学习档案、错题本、对练摘要）
- 岗位：`zlyapp/backend/app/position/service.py`（洋葱模型生成、岗位知识自动匹配、考试蓝图）
- 检索：`zlyapp/backend/app/kb/sqlite_retriever.py`（jieba + LIKE）
- 引擎：`zlylibs/engine/`（HEP 8层、DSRP、UPP、KB、eval）+ 约 20 测试
- 岗位洋葱设计：`docs/07_Data_Assets/DA00_07_Position_Onion_Model.md`
- 测试策略：`docs/12_Test_Strategy/`

---

## 8. 给下一步的建议（不改代码，仅判断）

若目标是让 pj0231 **向 pj006 对齐**，优先级建议（按 ROI）：

1. **补岗位模型 + 岗位-知识映射**（`positions` / `user_positions` / `position_knowledge_units`）——这是两项目最本质的差距，也是「岗位与知识对应」这一诉求的核心。
2. **补错题本 + 学习档案**（`mistake_records`、维度能力分析）——pj0231 考试目前「考完就结束」，无闭环。
3. **补简答题题型 + LLM 评分**——已有 LLM 底座，复用成本低。
4. **补自动化测试**——当前 0 测试是工程隐患。

不建议盲目引入的：多租户分库、NPC 人格 / HEP 引擎、KPI 模块——这些与 pj0231「极简内网单企业」定位冲突，ROI 低。