pj0235-eai_agentplatform/docs/完整分析_pj0231_vs_pj006-zhilianyuan2.md

# pj0231-eai_agentplatforming 完整分析报告（对比 + 差距 + 路线图 + 设计稿）

> 版本：V1.0 | 日期：2026-08-16
> 对比对象：pj006-zhilianyuan2（智练猿）
> 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 §1.3）
>
> **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`。

---

## 目录

- Part A —— 现状对比
- Part B —— 差距汇总与反向差异
- Part C —— 改进路线图
- Part D —— 设计稿：岗位与知识对应能力（核心）
- Part E —— 设计要点：其余改进项
- Part F —— 待拍板决策点与下一步

---

# Part A —— 现状对比

## A1. 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**——Python 后端约 1.7 万行 + 独立 engine 库，23 版 schema、40+ 张表，4 个前端。

在四个对比维度上，pj006 全部**能力更全、更深**；但 pj0231 在个别点上有「更实」的实现（见 §B3）。

## A2. 系统定位与技术架构

| 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`） |
| 代码量 | ~4,900 行 Go | ~17,200 行 Python + `zlylibs/engine` |
| 数据表 | 11 张 | 40+ 张（schema v23） |
| AI 底座 | 内网 OpenAI 兼容接口（Ollama LLM + bge-m3） | OpenAI 兼容路由（trainee/coach/eval 三 slot） |

## A3. 重要前提：pj0231 文档已过时

- `docs/PRD.md` 写「FastAPI + MySQL + 不做向量检索」；实际代码是 **Go + Gin + GORM + SQLite**，检索已实现**向量（brute-force 余弦 + bge-m3）**。
- 本项目权威信息以 `eai_agentplatform/CLAUDE.md` 与**实际代码**为准。

---

## A4. 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，Phase 1 解析抽取「不真跑、停 pending」 |
| 文档转换 | LibreOffice + pdftotext，切片入 `knowledge_chunk` | 设计 parse/structured/extraction_blocks 多阶段管线，未实跑 |
| 审批流 | ✅ `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` + `knowledge_source` | 多层：`knowledge_points` → `knowledge_meta` → `knowledge_units`（统一主干）→ `knowledge_chunks`（带 `embedding_status`） |
| 术语/规则 | ❌ 无 | ✅ `knowledge_terms`、`industry_rules` |
| 检索 | ✅ **混合检索**（向量余弦 + 关键词兜底） | ⚠️ 实跑 jieba 分词 + LIKE；向量仅文档宣称 |
| 自动出题 | ❌ 无 | ✅ 设计：`working_questions` 自动生成（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` |

## A5. 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** |
| 简答评分 | ❌ 无 | ✅ LLM 按 rubric 评分，得分率持久化 `exam_session_grades` |
| 组卷 | ✅ 按知识域 + 随机抽题 | ⚠️ 固定 `question_ids` 列表；蓝图组卷未接考试服务 |
| 考试次数 | 正式考只允许一次 | ✅ `max_attempts` + `deadline` |
| 自测 | ✅ 自测（即时对错、不存记录） | ✅ 练习走独立 `practice` 模块 |
| 判分 | 确定性比对 | 选择题确定性 + 简答 LLM |
| 成绩分析 | 仅存得分/正确率/明细 | ✅ 维度能力分析（weak/ok/strong）+ 薄弱题 + 改进建议 |
| 错题联动 | ❌ 无 | ✅ 交卷错题自动入 `mistake_records` |

## A6. 测试 / 自测 / 评估能力对比

### A6.1 面向学员（产品能力）

| 能力 | pj0231 | pj006 |
|---|---|---|
| 自测练习 | ✅ 自测（不存记录） | ✅ 每日一练 `practice`（游戏化：段位/星/连击/经验/积分） |
| 错题本 | ❌ 无 | ✅ `mistake_records`（练习+考试聚合） |
| 笔记/收藏 | ❌ 无 | ✅ `study_notes` + 收藏 |
| 学习档案/学情 | ❌ **PRD 明确禁止** | ✅ 学习档案 dashboard + 能力对标 |
| AI 对练复盘评分 | ❌ 无 | ✅ `dialogue_review_scores` + `ReviewScoreService` |

### A6.2 面向软件工程（自动化测试）

| 维度 | pj0231 | pj006 |
|---|---|---|
| 后端测试 | ❌ **0 个 `_test.go`** | ✅ 31 个 pytest 文件 |
| 引擎测试 | 无 engine 层 | ✅ `zlylibs/engine/tests` 约 20 个 |
| 测试策略文档 | ❌ 无 | ✅ `docs/12_Test_Strategy` |
| CI/依赖管理 | 无 | ✅ pyproject dev deps |

## A7. 岗位与知识对应能力（差距最大维度）

pj0231 是**结构性缺失**：用户只有 `role`，完全没有岗位概念，也没有岗位→知识→考试的能力链。

| 能力 | pj0231 | pj006 |
|---|---|---|
| 岗位表 | ❌ 无 | ✅ `positions` |
| 岗位↔用户绑定 | ❌ 无 | ✅ `user_positions` |
| 岗位能力模型（洋葱） | ❌ 无 | ✅ `competency_layers` + `competency_levels`（L1-L4）+ `competency_details` |
| 能力模型自动生成 | ❌ 无 | ✅ `generate_competency_model` |
| 岗位↔知识映射 | ❌ 无 | ✅ `position_knowledge_units` + `auto_match` |
| 岗位考试蓝图 | ❌ 无 | ✅ `position_exam_blueprints` |
| 标准岗位/职级代码 | ❌ 无 | ✅ `SD01_Standard_Job_Codes` |
| 岗位驱动学练考 | ❌ 无 | ✅ A11 学习 / A12 练习 / A13 蓝图组卷 |

---

# Part B —— 差距汇总与反向差异

## B1. 差距严重度总表

| 维度 | pj0231 现状 | 差距严重度 | 是否 pj0231 定位内该补 |
|---|---|---|---|
| 岗位与知识对应 | 完全缺失 | 🔴 高 | ✅ 是（本次核心诉求） |
| 错题本 / 学习闭环 | 完全缺失 | 🟠 中高 | ✅ 是（考试「考完即止」无闭环） |
| 简答题 + LLM 评分 | 缺失 | 🟠 中 | ✅ 是（LLM 底座已有，成本低） |
| 自动化测试 | 0 测试 | 🟠 中高（工程风险） | ✅ 是 |
| 多租户 / NPC 人格 / KPI | 缺失 | 🔵 低 | ❌ 否（与「极简内网单企业」冲突） |
| 向量检索 | ✅ 已实现 | — | —（反而领先 pj006） |
| 随机 + 按域组卷 | ✅ 已实现 | — | —（反而领先 pj006） |

## B2. 反向差异：pj0231 反而更「实」的点

1. **向量检索是真实现**：pj0231 混合检索端到端可用；pj006 实跑 jieba 关键词，向量仅字段预留。
2. **随机 + 按知识域自动抽题组卷**：pj0231 支持；pj006 考试为固定题目列表。
3. **文档→文本→检索链路真实跑通**：pj0231 LibreOffice/pdftotext 切片入库完整；pj006 知识工厂 Phase 1 未实跑。
4. **AI 算力点计费 + 审计日志**：pj0231 有 `ai_call_log`；pj006 未见同等计费。

---

# Part C —— 改进路线图

## C1. 优先级（按 ROI）

| 优先级 | 项 | 理由 |
|---|---|---|
| P0 | 岗位模型 + 岗位-知识映射 + 岗位驱动考试 | 最本质差距，本次核心诉求 |
| P1 | 学员「我的岗位应学清单」+ 成绩按岗位聚合 | P0 的自然延伸 |
| P2 | 错题本 + 轻量成绩档案 | 补考试闭环 |
| P2 | 简答题 + LLM 评分 | 复用 LLM 底座，成本低 |
| P2 | 后端自动化测试 | 消除 0 测试隐患 |
| 不做 | 多租户 / NPC 人格 / HEP 引擎 / KPI | 与极简定位冲突 |

## C2. 分阶段总览

```
P0（本次落地）：岗位 + 映射 + 岗位驱动考试组卷
   ↓
P1：我的岗位应学清单 · 成绩按岗位聚合 · 岗位考试蓝图
   ↓
P2：错题本 · 简答题 LLM 评分 · 自动化测试
```

---

# Part D —— 设计稿：岗位与知识对应能力（核心）

> 完整设计见《设计稿_岗位与知识对应能力.md》，此处为完整版正文。

## D1. 目标与原则

**目标**：落地最小岗位驱动闭环 —— `岗位 → 用户绑定 → 岗位知识映射 → 岗位驱动考试组卷`。

**原则**：保持极简；复用现有 `AutoMigrate` / `RequireAdmin` / `pickQuestions`；级别词汇对齐 pj006 L1-L4 但**不建独立级别表**；单岗位优先。

## D2. 改动点清单

| 现有资产 | 位置 | 改动 |
|---|---|---|
| `User` | `internal/model/user.go` | 加列 `PositionID *uint`（可空） |
| `ExamPaper` | `internal/model/exam_paper.go` | 加列 `PositionID *uint`（可空） |
| 迁移 | `internal/store/db.go` | AutoMigrate 追加 2 张新表 |
| 路由 | `internal/api/router.go` | 新增岗位端点（admin 组） |
| 抽题 | `internal/api/exam.go` `pickQuestions` | 增加岗位知识映射过滤分支 |
| 种子 | `internal/store/seed.go` | 可选预置默认岗位 |

## D3. 数据模型

### 3.1 `position`（岗位表）

```go
type Position struct {
	ID          uint      `gorm:"primaryKey" json:"id"`
	Code        string    `gorm:"size:32;uniqueIndex;not null" json:"code"`
	Name        string    `gorm:"size:64;not null" json:"name"`
	Description string    `gorm:"type:text" json:"description"`
	Status      string    `gorm:"size:16;not null;default:active;index" json:"status"` // active / inactive
	CreatedAt   time.Time `json:"created_at"`
	UpdatedAt   time.Time `json:"updated_at"`
}
func (Position) TableName() string { return "position" }
```

### 3.2 `position_knowledge`（岗位知识映射，核心）

```go
type PositionKnowledge struct {
	ID            uint      `gorm:"primaryKey" json:"id"`
	PositionID    uint      `gorm:"not null;index" json:"position_id"`
	Domain        string    `gorm:"size:16;not null;index" json:"domain"`            // company / product / sales
	CourseID      *uint     `gorm:"index" json:"course_id"`                          // 可空
	ProductID     *uint     `gorm:"index" json:"product_id"`                         // 可空
	RequiredLevel string    `gorm:"size:16;not null;default:L1" json:"required_level"` // L1/L2/L3/L4
	Weight        float64   `gorm:"not null;default:1" json:"weight"`
	IsMandatory   bool      `gorm:"not null;default:true" json:"is_mandatory"`
	CreatedAt     time.Time `json:"created_at"`
	UpdatedAt     time.Time `json:"updated_at"`
}
func (PositionKnowledge) TableName() string { return "position_knowledge" }
```

### 3.3 级别常量

```go
const (
	LevelL1 = "L1" // 入门级
	LevelL2 = "L2" // 稳定执行级
	LevelL3 = "L3" // 复杂处理级
	LevelL4 = "L4" // 体系策略级
)
var validLevels = map[string]bool{LevelL1: true, LevelL2: true, LevelL3: true, LevelL4: true}
```

## D4. API 设计

| 方法 | 路径 | 权限 | 说明 |
|---|---|---|---|
| GET | `/api/positions` | admin | 岗位列表 |
| POST | `/api/positions` | admin | 新建岗位 |
| PUT | `/api/positions/:id` | admin | 编辑岗位 |
| DELETE | `/api/positions/:id` | admin | 停用（软删） |
| GET | `/api/positions/:id/knowledge` | admin | 岗位知识映射列表 |
| PUT | `/api/positions/:id/knowledge` | admin | 保存映射（整表覆盖） |
| PUT | `/api/users/:id/position` | admin | 设置/清除用户岗位 |
| GET | `/api/my/position` | 员工 | 我的岗位 + 应学范围（P1） |

## D5. 岗位驱动考试组卷（核心算法改动）

修改 `pickQuestions`，在 `PositionID != nil` 时按岗位知识映射圈定题池，否则回退原 `domain` 抽题：

```go
func pickQuestions(p model.ExamPaper) ([]model.Question, error) {
	pool := store.DB.Where("status = ?", "active")

	if p.PositionID != nil {
		var pks []model.PositionKnowledge
		if err := store.DB.Where("position_id = ?", *p.PositionID).Find(&pks).Error; err != nil {
			return nil, err
		}
		domains := make([]string, 0, len(pks))
		courseIDs := make([]uint, 0, len(pks))
		for _, pk := range pks {
			domains = append(domains, pk.Domain)
			if pk.CourseID != nil {
				courseIDs = append(courseIDs, *pk.CourseID)
			}
		}
		domains = dedupe(domains)
		if len(domains) > 0 {
			pool = pool.Where("domain IN ?", domains)
		}
		if len(courseIDs) > 0 {
			pool = pool.Where("course_id IN ? OR course_id IS NULL", courseIDs)
		}
	} else {
		domains := splitDomains(p.Domain)
		if len(domains) > 0 {
			pool = pool.Where("domain IN ?", domains)
		}
	}

	var qs []model.Question
	if err := pool.Order("id ASC").Find(&qs).Error; err != nil {
		return nil, err
	}
	if len(qs) < p.QuestionCount {
		return nil, fmt.Errorf("题库题目不足：需要 %d，可用 %d", p.QuestionCount, len(qs))
	}
	if p.Randomize {
		rand.Shuffle(len(qs), func(i, j int) { qs[i], qs[j] = qs[j], qs[i] })
	}
	return qs[:p.QuestionCount], nil
}
```

配套：`CreatePaper` / `UpdatePaper` 追加校验——岗位考试必须已配置至少一条知识映射，否则拒绝。

## D6. 前端设计

- 导航：管理员「系统管理」下拉新增 **「岗位管理」**。
- 页面：岗位列表（CRUD）+ 岗位知识映射编辑面板（domain 下拉 + 课程/产品下拉 + L1-L4 + 权重 + 必学开关）。
- 改造：用户管理页加「岗位」下拉；考试配置表单加「关联岗位」下拉。

## D7. 分阶段

- **P0**：表 + API + 岗位 CRUD + 用户设岗 + 岗位驱动组卷 + 前端岗位管理页。
- **P1**：学员「我的岗位应学清单」+ 成绩按岗位聚合 + 岗位考试蓝图。
- **P2**：见 Part E。

## D8. 明确不做

❌ 不建洋葱三层模型；❌ 不引入多租户；❌ 不做 LLM 自动生成能力模型；❌ 不做多岗位绑定；❌ 不做学情分析。

---

# Part E —— 设计要点：其余改进项

## E1. 错题本 + 轻量成绩档案（P2）

> ⚠️ 与 PRD 冲突需先拍板：PRD 第 7 节「无学情分析」。**错题本**是学员自助工具（不做管理层分析），可不冲突；**学习档案/能力雷达**属「学情分析」范畴，需产品重新确认是否放开。

### 数据模型

```go
// MistakeRecord 错题本
type MistakeRecord struct {
	ID            uint      `gorm:"primaryKey" json:"id"`
	UserID        uint      `gorm:"not null;index" json:"user_id"`
	QuestionID    uint      `gorm:"not null;index" json:"question_id"`
	Source        string    `gorm:"size:16;not null" json:"source"` // self_test / formal
	UserAnswer    string    `gorm:"type:text" json:"user_answer"`
	CorrectAnswer string    `gorm:"type:text" json:"correct_answer"`
	Resolved      bool      `gorm:"not null;default:false;index" json:"resolved"`
	CreatedAt     time.Time `json:"created_at"`
	UpdatedAt     time.Time `json:"updated_at"`
}
func (MistakeRecord) TableName() string { return "mistake_record" }
```

### 联动点

- 正式考 `ExamSubmit` 判分循环里，错题 `INSERT` 进 `mistake_record`（`source=formal`）；自测可选不写。
- 学员端「我的错题本」页：列表 + 「已掌握」标记（`resolved=true`）。

## E2. 简答题 + LLM 评分（P2）

### 数据模型改动

- `question.type` 增加 `essay`；`answer` 存 rubric 评分要点文本；`options` 空。
- `exam_record.detail_json` 已存答题明细，可直接承载简答文本。

### 评分流程

- 复用 `internal/ai/llm.go`，新增「评分」能力路由（或在 `ai_call_log.capability` 加 `essay_grade`）。
- 交卷时对 `essay` 题调 LLM 按 rubric 打分（0~1 得分率），持久化到 `detail_json`。
- 选择题仍确定性判分；总分 = Σ得分率/题数×100（对齐 pj006 算法）。

## E3. 自动化测试（P2）

- **后端**：新增 `_test.go`，优先覆盖纯逻辑函数：`isCorrect`（判分）、`splitDomains`、`pickQuestions`（组卷）、`ai.Retrieve` 的 `splitTerms`/`cosine`。
- **命令**：`go test ./...`；接入 `start_dev` 或 CI 脚本。
- **前端**：可选，暂缓。

---

# Part F —— 待拍板决策点与下一步

## F1. 需产品/技术拍板

1. **岗位考试课程过滤语义**（D5）：岗位绑定具体课程时，抽题用 `course_id IN ?`（严格）还是 `course_id IN ? OR course_id IS NULL`（宽松含域匹配）？
2. **错题本 vs 学情分析边界**（E1）：PRD 禁止「学情分析」，错题本是否属于允许范围？
3. **岗位知识映射去重**（D3.2）：是否加唯一约束防重复？
4. **简答题是否本期做**：P0 还是 P2？

## F2. 建议的下一步

1. 确认 F1 四个决策点；
2. 进入 P0 编码（改动文件已列于 D2，共 6 处）；
3. P0 完成后补 `isCorrect`/`pickQuestions` 单测（借 P0 一并补测试债）。

---

> 本文件为整合版：Part A/B/C 来自《对比分析_pj0231_vs_pj006-zhilianyuan2.md》，Part D 整合自《设计稿_岗位与知识对应能力.md》，Part E 为新增其余改进项设计要点。