SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场tencentcloud-ocr-questionmarkagent

tencentcloud-ocr-questionmarkagent

智能体与模型

查看项目

更新于 10-16 09:15

技能介绍

腾讯云试题批改Agent技能用于调用腾讯云OCR的试题批改接口（SubmitQuestionMarkAgentJob / DescribeQuestionMarkAgentJob），面向K12教育场景，支持整卷或单题处理，聚焦试题批改（含手写答案）和试题解析。

用途

调用腾讯云OCR试题批改Agent接口，面向K12教育场景，支持整卷/单题端到端处理（试卷切题+题目批改+手写坐标回显），聚焦试题批改（含手写答案）和试题解析（不含手写答案）。输出题目、正误判定、答案对比、错误分析及知识点等结构化评估结果。低年级算式批改效果优于线上数学作业批改。

主要能力

  • 异步双接口模式：Submit 提交任务获取 JobId，Describe 轮询查询结果，JobStatus 为 DONE/FAIL 时完成。
  • 整卷批改：自动切题后逐题批改，返回每道题目的批改信息。
  • 单题批改：跳过切题环节，直接对单题批改，支持传入参考答案。
  • 深度思考：可选开启深度思考模式，进行更深层次推理分析（速度更慢）。
  • 知识点输出：可配置输出题目关联的知识点信息。
  • 正确答案输出：可配置输出题目的正确答案。
  • 手写答案坐标：可配置输出手写答案在原图中的坐标位置。
  • 多格式输入：支持 PNG、JPG、JPEG、BMP、GIF、WEBP、HEIC、TIFF、HEIF 及 PDF 格式。

使用时机

当用户提出以下需求时可触发此技能：对试卷图片/PDF进行自动批改；识别手写答案并判断正误；对K12试题进行批改分析；获取试题的知识点信息；获取试题的正确答案；对单道题目进行批改（含参考答案）；涉及试卷切题、试题解析的场景。

环境要求

Python 3.6+；依赖 tencentcloud-sdk-python（通过 pip install tencentcloud-sdk-python 安装）。环境变量：TENCENTCLOUD_SECRET_ID（腾讯云API密钥ID）、TENCENTCLOUD_SECRET_KEY（腾讯云API密钥Key）。

使用方式

运行 scripts/main.py 脚本完成试题批改。该接口为异步接口，脚本会自动提交任务并轮询查询结果。

请求参数

提交任务 (SubmitQuestionMarkAgentJob)：

  • ImageBase64：str，否（与ImageUrl二选一），图片/PDF的Base64值，编码后不超过10M，分辨率建议600*800以上，支持PNG/JPG/JPEG/BMP/PDF格式。
  • ImageUrl：str，否（与ImageBase64二选一），图片/PDF的URL地址，下载时间不超过3秒。都提供时只使用ImageUrl。建议存储于腾讯云。
  • PdfPageNumber：int，否，PDF页码，仅支持单页识别，默认1。
  • BoolSingleQuestion：bool，否，是否单题批改（跳过切题），默认false。
  • EnableDeepThink：bool，否，是否开启深度思考（更深层推理，速度更慢），默认false。
  • QuestionConfigMap：str，否，题目信息输出配置（JSON字符串），可选key：KnowledgePoints（输出知识点）/TrueAnswer（输出正确答案）/ReturnAnswerPosition（输出手写答案坐标）。
  • ReferenceAnswer：str，否，单题批改时的参考答案，仅单题时有效，多题时不生效。

查询任务 (DescribeQuestionMarkAgentJob)：

  • JobId：str，是，任务唯一ID，由Submit接口返回，长度不超过32字符。
  • UserAgent：str，否，请求来源标识（可选），用于追踪调用来源，统一固定为Skills。

输出格式

识别成功后返回 JSON 格式结果，提供格式化输出模式（默认）与原始输出模式（--raw）。格式化输出包含任务ID、任务状态、切题数量、旋转角度、批改结果与RequestId；批改结果内含题号、题干、子题（题号、题干、答案列表），答案列表内含手写答案、是否正确、答案分析、正确答案、知识点、答案坐标。原始输出包含JobId、JobStatus、ErrorCode、ErrorMessage、Angle、MarkInfos、RequestId；MarkInfos为嵌套递归结构，含MarkItemTitle、AnswerInfos、MarkInfos，AnswerInfo含HandwriteInfo、IsCorrect、AnswerAnalysis、RightAnswer、KnowledgePoints、HandwriteInfoPositions。

响应数据结构说明

SubmitQuestionMarkAgentJob 响应：JobId（任务唯一ID，用于查询结果）、QuestionInfo（切题题目边框坐标列表，BoolSingleQuestion=true时为空）、QuestionCount（切题数量，作为计费题目数总量）、RequestId（唯一请求ID）。

DescribeQuestionMarkAgentJob 响应：JobStatus（任务状态：WAIT/RUN/FAIL/DONE）、ErrorCode（非FAIL时为空）、ErrorMessage（非FAIL时为空）、Angle（图片旋转角度，角度制，水平方向为0，顺时针为正）、MarkInfos（试题批改信息）、RequestId（唯一请求ID）。

MarkInfo 结构（嵌套递归）：MarkItemTitle（题目题干信息）、AnswerInfos（批改答案列表，按从左到右、从上到下排列）、MarkInfos（嵌套子题信息，无子题则为空）。

AnswerInfo 结构：HandwriteInfo（手写答案内容）、IsCorrect（答案是否正确）、AnswerAnalysis（答案分析结果）、HandwriteInfoPositions（答案区域4角点坐标，长度8数组：左上/右上/右下/左下，需配置ReturnAnswerPosition，可能返回null）、RightAnswer（正确答案内容，需配置TrueAnswer为true）、KnowledgePoints（知识点内容，需配置KnowledgePoints为true，可能返回null）。

QuestionInfo 结构：Angle（旋转角度）、Height（预处理后图片高度）、Width（预处理后图片宽度）、ResultList（文档元素，可能返回null）、OrgHeight（输入图片高度）、OrgWidth（输入图片宽度）、ImageBase64（预处理后的图片base64编码）。

错误码说明

FailedOperation.DownLoadError：文件下载失败；FailedOperation.ImageDecodeFailed：图片解码失败；FailedOperation.ImageSizeTooLarge：图片尺寸过大，请确保编码后不超过10M；FailedOperation.OcrFailed：OCR识别失败；FailedOperation.PDFParseFailed：PDF解析失败；FailedOperation.UnKnowError：未知错误；FailedOperation.UnKnowFileTypeError：未知的文件类型；FailedOperation.UnOpenError：服务未开通，请先在腾讯云控制台开通试题批改Agent服务；InvalidParameterValue.InvalidParameterValueLimit：参数值错误；LimitExceeded.TooLargeFileError：文件内容太大；ResourceUnavailable.InArrears：账号已欠费；ResourceUnavailable.ResourcePackageRunOut：账号资源包耗尽；ResourcesSoldOut.ChargeStatusException：计费状态异常。

重要业务逻辑

异步双接口模式：Submit 提交任务 → Describe 轮询，JobStatus 为 DONE/FAIL 时完成；Submit 计费，Describe 不计费；ImageBase64 和 ImageUrl 必须提供其一，都提供时只使用 ImageUrl；支持格式 PNG/JPG/JPEG/BMP/GIF/WEBP/HEIC/TIFF/HEIF 及 PDF；PdfPageNumber 必须为正整数，仅支持单页识别；BoolSingleQuestion=true 时跳过切题，直接单题批改；QuestionConfigMap 示例：{"KnowledgePoints":true,"TrueAnswer":true,"ReturnAnswerPosition":false}；ReferenceAnswer 仅单题时有效，多题时不生效；JobId 长度不超过32字符；默认接口请求并发限制：10题/分钟；建议图片存储于腾讯云COS以获得更高的下载速度和稳定性；MarkInfo 为递归嵌套结构，可能存在多层子题。

调用示例

通过URL进行整卷批改（输出知识点和正确答案）

python scripts/main.py --image-url "https://example.com/exam_paper.jpg"
--question-config '{"KnowledgePoints":true,"TrueAnswer":true}'

通过URL进行单题批改（带参考答案）

python scripts/main.py --image-url "https://example.com/single_question.jpg"
--single-question --reference-answer "x=2"

开启深度思考模式

python scripts/main.py --image-url "https://example.com/exam.jpg" --enable-deep-think

通过文件路径进行批改（自动Base64编码）

python scripts/main.py --image-base64 ./exam_paper.png

批改PDF试卷（指定页码）

python scripts/main.py --image-base64 ./exam.pdf --pdf-page-number 2

输出原始JSON响应

python scripts/main.py --image-url "https://example.com/exam.jpg" --raw

指定地域和自定义轮询参数

python scripts/main.py --image-url "https://example.com/exam.jpg"
--region ap-beijing --poll-interval 3 --poll-timeout 300

适用场景

K12试卷或试题的自动批改、手写答案识别与正误判定、试题解析与知识点分析、单题批改（可传参考答案）等。

限制

该接口为异步接口，需先提交再轮询；PDF仅支持单页识别；默认并发限制为10题/分钟；图片编码后不超过10M；需开通对应服务并配置密钥。价格与收费细节暂未提供。