Phase 0-2: Schema cleanup, typed relations, event-driven automation

- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd)
- Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py)
- Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks
- Fix .gitignore to track tools/ and .githooks/
- Fix git remote URL (remove plaintext token)
- New wiki pages: 504 pages, 34 raw sources
This commit is contained in:
hehaiguang1123
2026-07-01 08:05:43 +08:00
parent e544d6e04a
commit a6f05ab2d5
1067 changed files with 522992 additions and 819 deletions
@@ -0,0 +1,387 @@
---
title: "质量检查清单"
tags: [模板, 质量控制, 检查清单, 教育AI]
created: 2026-03-31
updated: 2026-03-31
type: template
description: 教育AI研究项目的质量控制标准文件
version: v1.0
---
# 质量检查清单
## 📋 概述
本文档为"教育AI研究项目"的质量控制标准文件,定义了所有产出物的质量要求和检查流程。
## 🎯 质量目标
### 总体质量目标
1. **准确性**:信息准确率 ≥ 95%
2. **完整性**:关键信息覆盖率 ≥ 90%
3. **时效性**:信息更新延迟 ≤ 1个月
4. **一致性**:格式规范统一度 ≥ 95%
5. **实用性**:可操作建议比例 ≥ 80%
### 分级质量目标
| 质量等级 | 准确性 | 完整性 | 时效性 | 适用场景 |
|----------|--------|--------|--------|----------|
| **P0(关键)** | ≥98% | ≥95% | ≤1周 | 核心概念、基础框架 |
| **P1(重要)** | ≥95% | ≥90% | ≤2周 | 技术细节、机构信息 |
| **P2(一般)** | ≥90% | ≥85% | ≤1月 | 扩展信息、背景资料 |
## 🔍 检查流程
### 检查节点
1. **实时检查**:生成过程中的格式和基本要求检查
2. **环节检查**:每个研究环节完成后的专项检查
3. **阶段检查**:每周结束前的综合检查
4. **月度审核**:每月末的系统性质量审核
### 检查责任人
- **自动检查**:脚本和工具(基础格式、必填项)
- **AI辅助检查**:模型交叉验证(逻辑一致性、信息完整性)
- **人工抽查**:项目负责人(关键信息、主观判断)
## 📝 具体检查清单
### A. 研究框架设计质量检查
#### 格式检查
- [ ] 使用标准Markdown格式
- [ ] 标题层级清晰(H1-H4
- [ ] 列表格式统一
- [ ] 段落间距合理
#### 内容检查
- [ ] 研究目标具体可衡量
- [ ] 研究范围界定清晰
- [ ] 方法论描述具体可行
- [ ] 时间安排合理可行
- [ ] 资源预算符合实际
- [ ] 风险评估全面充分
#### 逻辑检查
- [ ] 目标与方法的逻辑一致性
- [ ] 时间安排的合理递进性
- [ ] 风险评估的针对性
- [ ] 产出物定义的明确性
### B. 文献调研质量检查
#### 文献选择质量
- [ ] 文献来源权威性(核心期刊、重要会议)
- [ ] 文献时效性(近2年为主)
- [ ] 文献相关性(与主题紧密相关)
- [ ] 文献多样性(不同类型、不同作者)
#### 信息提取质量
- [ ] 基础信息完整准确
- [ ] 核心内容概括精炼
- [ ] 实验设计描述清晰
- [ ] 结果数据准确无误
- [ ] 创新点识别准确
#### 分析质量
- [ ] 分类组织逻辑清晰
- [ ] 技术路线描述准确
- [ ] 趋势分析有依据
- [ ] 研究缺口识别合理
### C. 机构分析质量检查
#### 机构选择质量
- [ ] 代表性充分(覆盖不同类型)
- [ ] 重要性合理(按影响力排序)
- [ ] 地域分布均衡(如有需要)
- [ ] 更新及时性(动态信息及时更新)
#### 信息质量
- [ ] 基本信息准确完整
- [ ] 研究方向描述具体
- [ ] 成果列举代表性充分
- [ ] 团队信息准确可信
- [ ] 资源平台信息详实
#### 分析深度
- [ ] 技术路线对比深入
- [ ] 合作网络分析清晰
- [ ] 影响力评估客观
- [ ] 发展趋势判断合理
### D. 周报生成质量检查
#### 结构完整性
- [ ] 封面信息完整准确
- [ ] 各部分结构完整
- [ ] 逻辑层次清晰
- [ ] 前后呼应一致
#### 内容质量
- [ ] 执行摘要概括全面
- [ ] 研究发现分析深入
- [ ] 数据统计准确完整
- [ ] 趋势预测有逻辑依据
- [ ] 建议具体可行
#### 表达质量
- [ ] 语言简洁明了
- [ ] 专业术语使用准确
- [ ] 图表描述清晰
- [ ] 重点突出明确
### E. 知识卡片质量检查
#### 模板符合度
- [ ] 严格按照模板结构
- [ ] 所有必填字段完整
- [ ] 标签选择准确
- [ ] 元数据填写规范
#### 内容质量
- [ ] 定义清晰无歧义
- [ ] 技术原理描述准确
- [ ] 发展历程脉络清晰
- [ ] 应用场景分析具体
- [ ] 限制挑战分析全面
#### 信息可靠性
- [ ] 引用来源明确可信
- [ ] 交叉验证充分
- [ ] 存疑信息明确标注
- [ ] 更新时间记录准确
## 📊 量化评估指标
### 准确性指标
| 指标 | 计算方法 | 目标值 |
|------|----------|--------|
| **信息准确率** | 正确信息条数 / 总信息条数 | ≥95% |
| **来源可信度** | 权威来源数量 / 总来源数量 | ≥80% |
| **交叉验证率** | 经过验证的信息比例 | ≥70% |
### 完整性指标
| 指标 | 计算方法 | 目标值 |
|------|----------|--------|
| **必填项完成率** | 完成的必填项 / 总必填项 | 100% |
| **关键信息覆盖率** | 覆盖的关键信息点 / 总关键信息点 | ≥90% |
| **结构完整性** | 完成的章节 / 总章节 | ≥95% |
### 时效性指标
| 指标 | 计算方法 | 目标值 |
|------|----------|--------|
| **信息新鲜度** | 近1年信息比例 | ≥60% |
| **更新及时性** | 信息更新延迟天数 | ≤15天 |
| **动态跟踪率** | 持续跟踪的信息比例 | ≥80% |
### 一致性指标
| 指标 | 计算方法 | 目标值 |
|------|----------|--------|
| **格式统一度** | 符合格式要求的内容比例 | ≥95% |
| **术语一致性** | 统一术语使用比例 | ≥90% |
| **风格一致性** | 风格统一的段落比例 | ≥85% |
## 🔧 检查工具与方法
### 自动检查工具
1. **格式检查脚本**
```python
# 检查Markdown格式规范
python scripts/check_format.py --file "path/to/file.md"
```
2. **必填项检查**
```python
# 检查模板必填项
python scripts/check_required_fields.py --template "template_name" --file "target_file"
```
3. **链接有效性检查**
```python
# 检查所有链接的有效性
python scripts/check_links.py --file "path/to/file.md"
```
### AI辅助检查
1. **逻辑一致性检查**
- 使用DeepSeek检查前后逻辑一致性
- 识别矛盾或冲突信息
2. **信息完整性检查**
- 使用GLM评估信息覆盖完整性
- 识别缺失的关键信息
3. **质量评分生成**
- 基于多项指标生成综合质量分
- 提供具体的改进建议
### 人工检查要点
1. **主观判断内容**
- 分析深度是否足够
- 洞察是否有价值
- 建议是否切实可行
2. **专业准确性**
- 技术细节是否准确
- 专业术语使用是否恰当
- 引用是否规范
3. **整体评价**
- 产出物的整体质量
- 相对于预期的完成度
- 改进的优先级建议
## 📈 质量改进流程
### 问题识别
1. **自动检测问题**:工具识别出的格式、必填项等问题
2. **AI识别问题**:模型检测到的逻辑、一致性等问题
3. **人工发现问题**:检查人员发现的质量问题
### 问题分类
| 严重程度 | 定义 | 处理时限 |
|----------|------|----------|
| **P0(严重)** | 影响核心功能,必须立即修复 | 24小时内 |
| **P1(重要)** | 影响使用体验,需要尽快修复 | 3天内 |
| **P2(一般)** | 优化改进类问题,可计划修复 | 1周内 |
| **P3(建议)** | 增强功能类建议,可后续考虑 | 酌情处理 |
### 修复流程
1. **问题记录**:详细记录问题描述、位置、严重程度
2. **原因分析**:分析问题产生的根本原因
3. **修复方案**:制定具体的修复方案
4. **实施修复**:执行修复并验证效果
5. **防止复发**:更新流程或模板防止类似问题
### 质量趋势分析
1. **周度质量报告**:每周产出质量分析报告
2. **问题类型分布**:分析各类问题的占比和趋势
3. **改进效果评估**:评估质量改进措施的效果
4. **最佳实践总结**:总结高质量产出的经验
## 📋 检查记录表模板
### 单个文件检查记录
```
文件:{{file_path}}
检查时间:{{check_time}}
检查人:{{checker}}
## 检查结果
- 整体质量评分:{{overall_score}}/100
- 严重问题数量:{{p0_count}}
- 重要问题数量:{{p1_count}}
- 一般问题数量:{{p2_count}}
## 详细问题列表
### P0问题
1. 问题描述:...
位置:...
修复建议:...
### P1问题
1. 问题描述:...
位置:...
修复建议:...
## 改进建议
1. 立即修复:...
2. 短期改进:...
3. 长期优化:...
## 检查结论
- [ ] 通过(无P0问题,P1问题≤3个)
- [ ] 有条件通过(有P0问题但已修复)
- [ ] 不通过(有未修复的P0问题)
```
### 周度质量汇总
```
周期:{{week_number}}
检查文件数:{{file_count}}
总体质量分:{{average_score}}
## 问题分布
- P0问题:{{p0_total}}个
- P1问题:{{p1_total}}个
- P2问题:{{p2_total}}个
## 质量趋势
- 本周 vs 上周:{{trend_indicator}}
- 主要进步:...
- 仍需改进:...
## 本周质量亮点
1. ...
2. ...
## 下周质量重点
1. ...
2. ...
```
## 🚀 质量文化建设
### 质量意识培养
1. **质量第一原则**:在所有工作中优先考虑质量
2. **预防优于修复**:通过良好设计和流程防止问题
3. **持续改进心态**:不断寻求质量提升的机会
4. **全员质量参与**:每个人都对质量负责
### 质量激励机制
1. **质量奖励**:对高质量产出给予认可
2. **质量分享**:定期分享质量改进经验
3. **质量竞赛**:开展质量相关的竞赛活动
4. **质量培训**:提供质量相关的培训资源
### 质量工具支持
1. **自动化工具**:减少人工检查的负担
2. **模板和指南**:提供标准化的质量参考
3. **检查清单**:确保检查的全面性
4. **质量仪表盘**:实时展示质量状况
---
**版本信息**
- **版本**v1.0
- **创建时间**2026年3月31日
- **最后更新**2026年3月31日
- **维护责任人**:狗剩(AI助手)
> 注意:本清单将根据实际使用情况持续更新和完善。