一、录题人的噩梦，你经历过吗？
如果你是老师、教培从业者或是家长，一定曾被这个繁琐的任务所支配：
- Word里的题目：格式五花八门，有的嵌入了复杂的公式，有的夹杂着图片，排版混乱得像“天书”。
- 考试系统的要求：却往往是一板一眼的结构化Excel模板，要求题干、选项、答案各自成列。
传统的处理方法不外乎这几种，效率低下且容易出错：
- 手动复制粘贴：处理50道题后，手腕酸痛，眼花缭乱。
- 基于规则的正则提取：一旦出题老师少打一个序号或使用了非标准格式，规则立刻失效。
- 处理多媒体附件：遇到表格、图片和公式，只能逐一截图，再手动插入。
难道就没有一种方案，能够像人一样，“看一眼”文档就能自动将题目分门别类地提取出来吗？
二、 exam2x：它不只是提取，更是“理解”
针对上述痛点，我开发了 exam2x。它的核心设计理念很简单：放弃僵化的规则匹配，拥抱 AI 的语义理解能力。
为什么它能成为你的“智能录题助手”？
- 无惧格式“混战”：无论题目编号用的是
1.、(1) 还是 1、，AI 都能准确识别这是一道新题的开始。
- 公式图片“完美还原”：自动提取 Word 文档中的图片、Visio 图表，甚至是复杂的 Office Math 公式，并将它们规整地保存到指定文件夹或嵌入 Excel。
- 本地运行“安全私密”：支持完全离线运行（可对接本地部署的 Ollama 模型），你的数据无需上传至云端，杜绝泄露风险。
三、为什么市面上大多数工具都不好用？
在开发 exam2x 之前，我研究和验证了多种常见方案，发现它们各有局限：
- 纯手动：耗时耗力，不可持续。
- 基于固定特征拆分：对文档格式要求苛刻，遇到不规范的文档立刻失效。
- 强制使用固定Word模板：要求在录入前先按照特定模板整理文档，这相当于“为了省事而先费事”。
- 纯AI对话模型：将文档扔给豆包或 DeepSeek 等对话AI，它们确实能重新排版文本，但无法提取出其中嵌入的图片和公式对象，因为它们“只动脑，不动手”。
- AI智能体（如 manus、kimi）：虽然具备一定的“动手”能力，但其工作流（Agent）需要探索，效果不稳定，容易出现图片提取错误或文本识别错误，需要多轮调试迭代。
我的解决方案：软件工程 + 大模型切片
既然AI不擅长处理文件系统中的具体对象（如图片），那就让专业的脚本（Python）来负责提取媒体文件；既然大模型的上下文长度有限，那就将长文档进行智能“切片”处理，再通过算法去重合并结果。这种结合了传统软件工程方法与前沿 人工智能 理解的思路，构成了 exam2x 的坚实基石。
四、这种黑科技，怎么用？
别担心，虽然底层技术硬核，但操作流程对用户非常友好：
- 准备环境：下载安装包，并确保系统中已安装 Pandoc 和指定的浏览器驱动（用于渲染）。
- 配置模型：修改配置文件（
.env），根据你的情况选择接入本地模型或远程大模型API。
- 一键执行：在命令行中敲入一行简单的命令即可开始处理，例如：
exam2x.exe 我的试卷.docx
- 获取结果：稍等片刻，一个结构清晰、图文并茂的 Excel 文件就会出现在你的输出（
output）文件夹里。
五、关于大家关心的安全问题
“使用大模型会泄露我的试题吗？”
这是一个非常重要且合理的问题。对此，exam2x 提供了灵活的方案：
- 完美支持私有化部署：你可以选择完全断网，利用自己电脑的 CPU 运行 7B 等量级的本地模型（如通过 Ollama）。所有的文档解析、内容理解都在你的本地环境中完成，AI 只是你一个离线的“智能大脑”。
- 关于在线API的安全性：如果你的电脑配置不足以部署本地模型，也可以选择接入在线的推理平台。许多人担心这会否导致数据泄露。一个关键的事实是：目前主流的大模型在训练完成后，其内部“记忆”（模型权重）是固定的，不会从用户的日常调用中学习新知识。通过API输入的提示词和文档内容，通常不会“内化”到模型的权重中。因此，调用这些平台的推理接口，可以视为一种纯粹的“消费”行为，即利用模型已有的知识能力来处理你的输入，风险相对可控。
六、下载与获取
你可以通过以下方式获取 exam2x：
- 项目主页与文档:
https://exam2x.com/
- GitHub Releases 页面下载最新版本:
https://github.com/phil-cheng/Exam2X-Pages/releases
七、期待你的反馈
目前，exam2x 已经实现了核心的试卷解析与结构化输出功能，并在多个实际场景中通过了验证。但我们深知，现实世界中的试卷格式千变万化，需要更多真实、复杂的用例来打磨产品。
如果你也正在为手动录入海量试题而烦恼，欢迎下载试用 exam2x，并将你的使用体验或遇到的问题反馈给我们！ 你的每一条建议都可能帮助我们改进这个工具。你可以在项目主页或 云栈社区 的相关板块找到讨论区，与其他开发者或用户交流心得。 | 
发表于 1 小时前
|
查看: 1|
回复: 0
