用户再遇“建设单位计划体系中…设计文件交付/设备交货/进场/水电道路接通日期…”这道曾做过笔记的题,历史笔记未带回。实测该题有两个身份:
is_duplicate=0、duplicate_of=None。GET /api/common/notes?question_id=qid 精确匹配,故 6597 查不到 5500 的笔记。方法层面已纠正:早期“在各资产层分别打等价补丁”治标,且“选项指纹单独等价”会误聚(审计 19 组,相似度低至 0.05)。已改为选项指纹必须过“题干≥0.90”闸门,并升级到身份层一次性根治。
聚类结果:511 组、涉及 1046 题;成员弱拆出 0、答案不一致 0、母题缺图 0。抽查十余组(含真题-真题、普通-真题)题干全部确认为同题,误报种子(3563/3298/3672)只返回自身——聚类零误聚。
| 资产表 | 更新指向 | 冗余删除 | 迁移后行数 | 守恒 / 去重口径 |
|---|---|---|---|---|
| notes 笔记 | 38 | 0 | 115 | 多条保留不合并,零删除 |
| question_answer_logs 答题日志 | 305 | 0 | 1449 | 历史明细全部保留 |
| question_collects 收藏 | 3 | 0 | 18 | UNIQUE(user,题),按用户去重 |
| question_tags 标签 | 348 | 32 | 935 | UNIQUE(user,题,tag) 去重 |
| question_flashcard_rel 闪卡关系 | 118 | 5 | 529 | 同卡+母题只留一条 |
| video_question_links 视频讲题 | 1519 | 286 | 4964 | 经核查 286 全部同 timestamp,零误删片段 |
| recognition_errors 识别纠错 | 20 | 0 | 89 | 宽松指向母题 |
| ai_explain_cache AI解析缓存 | 0 | 0 | 3 | UNIQUE(题),本次未涉及 |
| flash_cards.question_ids 闪卡多题串 | 159 | 0 | — | 文本内替换副本 id、去重保序 |
| qb_review_queue 复核队列 | 255 | 0 | 839 | question_id / related_ids 同步替换 |
| wrong_questions 错题本 | 77 | 12 | 724 | 同(user,母题)合并;wrong/review 总次数守恒 |
| questions 题目(不删题) | 974 | 0 | 3135 | 副本 is_duplicate=1,题保留可恢复 |
错题合并规则:wrong_count、review_count 累加(错误/复习事实不丢);仅当同组全部掌握才置 mastered;SRS(ease_factor/interval/next_review/mastery)取未掌握的最活跃主行;快照优先沿用母题原行。
以真题节点为锚点,358 个普通题成员中 163 个节点与锚点不一致(招标投标挂“工程项目管理”、偿债备付率挂第5章、进度平衡表挂“竣工阶段”)。
同一道题的无年份版与【2025】版节点跨枝、各有对错(如“最终结清14天”:2.1 错 / 6.5.1 对;“代位权”:2.4 对 / 2.2.2 错)。没有天然可信的节点来源。
node_matcher 用“整节原文单向量”,长文语义被稀释:36 个冲突组 top1/top2 margin 普遍仅 0.003~0.04,连“最终结清14天→6.5.1”“偿债备付率→4.2.1”等客观明确的题,正确节点都进不了 top3。
这些组未隐藏副本、保持现状可见,零风险;统一进入复核队列,待章节重定位后再归一。本次 475 个母题节点:450 已正确、25 同父子链安全细化、0 跨枝。
错标不止重复题、非重复题同样存在,需对全部 1768 道活跃题重定位到 189 个权威节点。建议方法(分块语义检索 + LLM 裁决 + 人工抽检):
已删除笔记 77(is_deleted=1,78 为其更新版)被 API 正常过滤,非缺陷。
backend/data/migration_backup/shuili_exam_before_normalize_20261002_153550.db/deduplication/restore(取消 is_duplicate、还原可见)。说明:本次所有数字均由磁盘数据库与备份实时计算,题组/节点结论可用 build_groups.py、node_resolve.py、verify_e2e.py 复算;运行态以 /api/common/health 实时核对。