题库系统如何批量自动生成几何题图？从手动到流水线的实践指南

如果你在做题库系统，大概率遇到过这个问题：

文字题录入可以批量，选择题答案可以自动处理，但一旦涉及几何图——必须有人打开画图软件，一道一道手动画。

这个环节的效率，往往是整个内容生产链路里最慢的一环。

这篇文章从题库平台的角度，拆解一套可以落地的几何图批量自动化方案，基于大角几何开放平台 HTTP API 实现。

---

一、现状：人工配图的三个典型瓶颈

1. 速度慢

一位熟练的配图员，画一道中等复杂度的几何题图，大约需要 10-20 分钟（包括打开软件、绘图、标注、导出）。如果题库有 10,000 道几何题，这是一个人 6 个月的满负荷工作量。

2. 成本高

外包给专业配图团队，单价从几元到几十元不等，取决于题目复杂度和交付标准。对于中大规模题库，这是一笔持续的内容生产成本。

3. 风格不一致

多个配图员同时工作时，图形大小、标注风格、线条粗细、字体选择往往不统一，影响整体内容品质。到了需要品牌化时，整体翻修代价很高。

---

二、方案：服务端批量调用 API

大角几何 HTTP API 提供两类接口，配合起来可以覆盖完整的批量配图需求：

• Agent API（智能生图）：输入题目文字描述，AI 生成可交互几何工程文件（.algeo）
• Render API（图形渲染）：将 .algeo 转换为 PNG / SVG / TikZ，同步返回文件 URL

整体工作流如下：

题库录入新题目
    ↓
提取题目文字描述（或题目中的几何信息字段）
    ↓
批量提交 Agent API 任务（支持并发）
    ↓
轮询各任务状态，收集完成的 .algeo 文件
    ↓
调用 Render API 批量导出 PNG
    ↓
图片 URL 写回题库系统，与题目关联存储

这套流程完全运行在服务端，不需要人工介入，也不依赖任何前端画板操作。

---

三、关键实现细节

3.1 批量提交与并发控制

Agent API 支持并发提交多个任务。实际操作中，建议：

• 每批次提交 10-20 个任务（视接口速率限制调整）
• 每个任务独立维护 taskId 和状态
• 用队列管理未完成任务的轮询（前 30s 每 2s，之后每 5s）

import asyncio
import httpx

async def submit_tasks(descriptions, api_key, model="dinogeo-1"):
    async with httpx.AsyncClient() as client:
        tasks = []
        for desc in descriptions:
            resp = await client.post(
                "https://open.dajiaoai.com/api/agent/run",
                headers={"Authorization": f"Bearer {api_key}"},
                json={"model": model, "content": desc}
            )
            tasks.append(resp.json()["taskId"])
        return tasks

3.2 质量分层策略

不是所有题目都需要用最高质量的模型。建议按题型分层：

题型	推荐模型	原因
普通初中几何题	dinogeo-1	92% 通过率，成本低，速度快
高中复杂综合题	dinogeo-1-pro	89% 复杂题通过率，质量更稳
竞赛题、证明题	dinogeo-1-pro	几何约束关系复杂，专业版更准
图片参考还原	dinogeo-1-pro	图片还原准确度 93%

先用 dinogeo-1 跑完批量，对结果抽检（可以设置 5%-10% 的人工审核比例），再决定哪些题型需要升级到 dinogeo-1-pro 重跑。

3.3 输出格式选择

场景	推荐格式	接口
网页展示、App 内嵌	PNG	POST /api/render
高清打印、响应式 Web	SVG	POST /api/render-svg
试卷排版（Word/PDF）	PNG（高分辨率）	POST /api/render，pixelRatio: 2
学术教材 LaTeX 排版	TikZ	POST /api/render-tikz

---

四、生产实践中的几个注意点

描述要具体，结果更稳定

API 的输入是自然语言，描述越精确，生成质量越高。建议题库系统在录入时，除了题目原文，还单独维护一个"几何图描述"字段，专门用于配图生成。

示例对比：

// 模糊描述（效果不稳定）
"三角形 ABC，AB 上有高"

// 精确描述（推荐）
"三角形 ABC，∠C = 90°，AC = 3，BC = 4，
 从顶点 C 向斜边 AB 作垂线，垂足为 D，
 标注各顶点，标出直角符号。"

建立失败重试机制

少数任务可能因为描述歧义或模型理解偏差而返回错误，建议：

• 对 error 状态的任务自动重试 1-2 次
• 超过重试次数后，进入人工审核队列，而不是直接丢弃

图片存储与 CDN

API 返回的是大角几何平台的图片 URL，建议下载后存入自己的对象存储（OSS / S3），避免依赖外部 URL 的稳定性。

---

五、成本怎么算？

API 按次计费（具体定价见控制台），成本结构简单：

• 生图费用：提交 Agent 任务，成功执行后按模型计费
• 渲染费用：每次 Render API 调用按"render"类型计费
• 失败不计费：任务报错不扣费

相比外包单价，对于高频批量场景，API 路线的经济性通常更好，且边际成本随量递减（不存在人工的边际成本上升问题）。具体 ROI 需要结合自身题库规模和外包单价测算。

---

结语

几何图批量配图的瓶颈，本质上是"有结构的信息，却只能用人工逐个处理"。

API 把这个过程变成了可以被代码描述和执行的标准流程。题库规模越大，自动化的收益越显著。

接口文档：open.dajiaoai.com/api
申请 API Key：open.dajiaoai.com