pj0235-eai_agentplatform/docs/对比分析_pj0231_vs_pj006-zhilianyuan2.md

pj0231-eai_agentplatforming 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：eai_agentplatform_app/backend-go/internal/model/（11 张表）
• 检索：eai_agentplatform_app/backend-go/internal/ai/retrieve.go（混合检索）
• 考试：eai_agentplatform_app/backend-go/internal/api/exam.go（组卷 / 判分 / 存档）
• AI 聊天：eai_agentplatform_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。