AI 批改实验报告：最难的不是评分，是 Word

这个项目的目标说出来很轻巧：学生上传 Word 实验报告，AI 自动批改出分。合作方是浙大，场景是真实课堂，实验报告一批几十份，老师批不过来，希望机器先过一遍。

设想里的链路是：解析 Word、对齐模板章节、查重、评分、流式吐结果。评分和查重的部分，模型能力是够的。把工期吃掉的是第一步：把一个 .docx 变成模型能看懂的东西。这篇文章记这条路上的坑，从最经典的一个说起。

公式在 .text 里根本不存在

python-docx 是最顺手的起点，直到发现一个事实：paragraph.text 里没有公式。

Word 的公式存在 OOXML 的 m:oMath 节点里，python-docx 的文本提取只认 w:t。一份流体力学实验报告，正文里的伯努利方程、雷诺数表达式，在 .text 的输出里全部消失。章节文字都在，公式位置直接空洞。实验报告的核心就是公式，这已经不算细节缺失了。

所以公式提取得自己做：直接操作底层 XML，把 m:oMath 节点找出来，取 m:t 文本。到这里只解决了”有没有”，下一个坑紧跟而来。

拍平的公式，害模型扣了冤枉分

公式提出来之后，第一版做法很朴素：把节点里的文本顺序拼起来。分数 \frac{a}{b} 拼出来就是 ab，上下标的关系全部丢失。

测试的时候栽了个跟头。有一份真实的报告，学生公式写对了，模型却给了”公式表达混乱”的扣分。排查到喂给模型的文本才发现：一个结构清晰的分式，在拍平之后变成了无意义的一串符号。模型没批错，它看到的东西确实是乱的。

这件事之后我记下一条：模型误判，先查喂给它的东西。

修法是结构感知的渲染，递归处理 OMML 节点，分式渲染成 (分子)/(分母)，上下标带明确标记：

def _render_omml_node(el) -> str:
    # 分式：m:num / m:den 分别递归，保留结构
    n = _render_omml_children(el.find(_OMML_NS + "num"))
    d = _render_omml_children(el.find(_OMML_NS + "den"))
    if n or d:
        return f"({n})/({d})"
    e = _render_omml_children(el.find(_OMML_NS + "e"))
    ...

另外正文和公式要按文档顺序穿插拼接。OOXML 里段落的孩子节点既有 w:r（文字）也有 m:oMath（行内公式），先取完文字再取公式，会得到正文空洞、公式堆在段尾的畸形文本。顺序本身就是信息。

Symbol 字体的老古董

第三个坑更冷门。老版 Word 的公式编辑器（EQ 域那一代）把希腊字母和运算符存在 Symbol 字体的私有区码位上，直接取文本得到的是一串看不见的方块，校准系数 ξ 直接失踪。

解法是一张 Symbol 字体映射表，把私有区码位翻译回可读字符。这种东西没有任何文档会提醒你，只有真实文档扑上来才知道。

章节切开，和模板对齐

前面都是”取到内容”，还差”取对结构”。批改的前提是学生报告的”实验原理”对齐模板的”实验原理”，章节切分靠 Word 的编号定义（numbering.xml 里的多级编号）加启发式：编号层级变了、编号重启了、样式变了，都可能是章节边界。切出来的结果对齐模板章节，评分工作流才能按章节比对。

到这一步，一份 Word 才算真正”解析完成”。后面轮到模型上场。

查重：向量负责”像不像”，LLM 负责”哪里像”

查重分两级。

第一级是向量：每个章节正文过 embedding（Qwen3），存进 Milvus，检索相似章节。这里有个教训：reranker 重排匹配结果时，用章节正文，别用章节名。章节名毫无区分度，“实验原理""实验步骤”人人一样，按名重排约等于随机。代码里给无正文的匹配留了退回章节名的兜底，但那只是保底，日志会记警告。

第二级是 LLM 判定：向量检索说”这两节相似度 0.87”，但 0.87 意味着抄了、还是做了同一个实验的必然相似？这一步把两边的完整正文交给 LLM，让它判断是不是实质雷同，并输出具体匹配的文本片段。查重结论要能指着说”这两段一致”，老师才敢信。

评分与流式

评分主体是 Dify 工作流：查重分析一个流，内容评分一个流。内容评分的输出是结构化的扣分点列表，扣了什么、依据哪条标准、对应报告哪个位置，前端再渲染成批注。这一步的要点是让工作流输出可校验的结构，不能让它自由发挥写散文。

过程用 SSE 推给前端：解析中、查重中、评分中、每个章节的扣分点出来了……学生上传之后盯着页面，批改进度一段一段往外走，比对着 loading 转几十秒好受得多。

写在最后

这条链路做完，批改一份报告的全流程自动化跑通，两个智能体进了真实课堂。回头看工时的分布，模型调用相关的代码不到两成，八成在 DOCX 解析、章节对齐、坐标回标这些”脏活”上。项目交付之后很长一段时间，解析服务没有再为公式的事返过工。