VeriChalk

面向小学数学教师的可验证命题 Agent。 用一句话或一张练习册照片说清需求，几十秒内得到答案经核验、不超纲、有新意的题目或整份试卷；在线微调，一键导出 PDF / Word / Markdown / LaTeX。

课程知识（北师大版 1～6 年级：知识图谱、题型、能力边界、情境）来自 ChalkBase。

状态：可小范围试用，尚未达到公开发布的全部门槛。 理解 / 生成 / 编辑 / 整卷 / 拍照 / 导出、用户端与调试台均已完成并通过端到端测试；出题的答案正确率与超纲率两项闸门还没过（A2(a) 0.944 对 0.99，A3 0.048 对 0.02），详见下面的"评测结果"。路线图见 docs/roadmap.md。

它能做什么

设计要点

• 知识库是上下文，不是模板。 教材题告诉 Agent"学生学过什么"，新题由知识图谱串联多个知识点、在新情境里生成，而不是改教材原题。用户明确要求优先。
• 答案可核验，且诚实标注。 求解程序与独立盲解两路一致才标"已核验"；超纲由课时级能力边界校验；对不上的题宁可丢弃，也不放行。
• 确定性优先。 能用规则或算法完成的不交给模型；模型只用在需要语义理解 / 生成的地方，每次调用都在 trace 里可查。
• 一切可观测。 每次运行是一棵 span 树；用户的进度条、开发者的调试台、指标与评测读的是同一份事件日志。
• 评测先行。 指标分北极星 / 闸门 / 目标 / 护栏 / 诊断五层（docs/metrics.md），badcase 闭环到回归集；模型调用可录制回放，回归测试无网络、无密钥、零成本。

评测结果（test 划分，2026-10-06）

对照朴素直出（同一个模型一次生成、无核验）；完整报告见 eval/reports/release_m8.md 与 eval/specs/e2e.md §5。

核验换来的是正确率、不超纲和不重复；代价是更慢、更贵，且有 42 道题因反复核验不过被丢弃。未过闸门的两项：已核验题答案正确率 0.944（要求 ≥ 0.99）、超纲率 0.048（要求 ≤ 0.02），属于下一轮质量优化。其余闸门（运行成功率、trace 完整、导出、重启恢复、提示注入）均已通过。

本地运行

需要环境变量 DASHSCOPE_API_KEY / DASHSCOPE_BASE_URL（国内）或 DASHSCOPE_INTL_API_KEY / DASHSCOPE_INTL_BASE_URL（新加坡），以及 VERICHALK_PROFILE=cn|intl。Python ≥ 3.11、Node ≥ 20。

pip install -e "backend[dev]"        # 后端（依赖 chalkbase）
cd frontend && npm install && npm run build && cd ..
python scripts/dev.py run            # http://localhost:8000：用户端 /，调试台 /debug（本机未配置令牌时直接可进）

前端开发：cd frontend && npm run dev（Vite，/api 代理到 8000）。完整命令见 CLAUDE.md §8。

部署

单容器、同源托管，步骤与环境变量见 deploy/README.md（Zeabur 推荐步骤、持久卷、调试台令牌、上线前必读）。没有访问控制与配额，建议先只把链接发给小范围的人。

文档

许可

MIT