AI驱动题目照片处理协作流水线深度解析

在「**杯」信息通信建设工程安全生产知识竞赛的备战中，参赛者面临一个典型困境：多人拍照上传题目、OCR识别、查找答案、整理汇总——哪个环节不需要人工干预？耗时且易错是常态。Question-Photo-Workflow 正是奔着这个痛点来的。它将「照片→题目→答案→表格」这条长链路拆解为三个紧密耦合的阶段，同时内置四级答案查找优先级与题库自积累机制，依托 WorkBuddy AI 平台实现了端到端的自动化处理。

接下来，我们深入拆解这个技能的功能设计、技术架构、核心优势与现存局限，看看一个完备的 AI Agent 技能究竟应该怎么搭。

背景：**杯知识竞赛的挑战

「**杯」是通信建设领域的重要赛事，参赛者需要在短时内处理大量题目。但典型的工作流，至少有四个绕不开的瓶颈：

• 多人协作碎片化：多人分别拍照上传，题目次序七零八落，编号散乱，整合起来相当头大。
• 手动作答低效：每道题都得人工翻法规、搜题库，重复劳动特别多。
• 汇总整理繁琐：答案散落在聊天记录里，缺少统一的表格化输出和统计分析。
• 知识无法沉淀：做完一批题就随风消散，下次遇到同样的题还得重新翻。

核心洞察：这四个问题不是孤立的——它们本质上是同一条流水线上「断裂」的四个环节。Question-Photo-Workflow 的要义在于：把这四个环节焊接成一条端到端的自动化流水线。

功能全景：三阶段协作流水线

技能采用三阶段串行流水线架构，阶段之间通过结构化数据文件（JSON）传递信息，形成清晰的数据契约。

▶ 阶段1: 照片获取与上传 ──→ ▶ 阶段2: 题目文本提取 ──→ ▶ 阶段3: 答案查找与输出
多人拍照 → 本地存储      Vision OCR → questions.json  四级检索 → 表格 + HTML

阶段 1：照片获取与上传

支持多人拍照上传、URL下载、天翼云盘拉取、本地目录扫描四种来源。统一命名为 jianan_01.jpg 等有序文件名，存入 .workbuddy/photos/ 工作目录。

阶段 2：题目文本提取

利用 macOS 内置 Vision OCR 引擎（零下载、<1s/图）提取照片中的文字。自动识别题型（单选/多选/判断/填空）、拆分选项、统一题号，输出结构化 questions.json。

阶段 3：答案查找与输出

四级优先级检索（本地索引→知识库→Web→推理），输出 Markdown 答案表格 + HTML 预览页。完成后执行10步收尾清单，确保题库自积累、索引重建、统计汇总全部到位。

技术架构：文件体系与数据流

技能的设计遵循关注点分离原则，将配置、阶段指令、工作流、数据格式、HTML 模板分别存储在独立子目录中：

关键数据文件流转

设计哲学：每个阶段的输出都是明确的、结构化的文件——而不是内存中的临时变量。这使得整个流水线天然支持「中断-恢复」模式：即使会话中断，下一个会话可以直接从上一阶段的输出文件继续工作。

核心技术亮点：四级答案查找优先级

阶段3是整个流水线中最关键也最复杂的环节。技能设计了一套四级降级检索策略，在速度与准确性之间取得平衡：

性能飞跃：P0 索引将「Grep + Read 文件」的 ~1000ms 查找优化到「Read JSON + 内存哈希」的 ~5ms，提速 200 倍。随着题库积累，P0 命中率持续攀升，后续批次的处理速度呈指数级增长。

双库并行搜索策略

P1 知识库搜索不是简单的「搜一下」，而是设计了三轮递进式查询：未完待续...