1. 背景

大模型提供的信息，因为幻觉问题，会出现“一本正经胡说八道”的情况，对于非研发人员，不知道大模型幻觉特性，很容易被误导。带着这个问题，我们今天来提升AI 回答数学问题的准确性，让学生获得更加准确的答案及解题方法。

2. 环境准备

智能知识库MaxKB，前文已经介绍部署过程
https://blog.csdn.net/qq_36918149/article/details/153527187?spm=1001.2014.3001.5501

3. 实战

Step1： 准备数学试题

先去拍一点，你娃或别人家娃的数学作业试题

Step2： AI 解析题目

用DeepSeek 将图片转换为文本，数据的格式推荐使用 MarkDown，原因有两点，一是 MarkDown 可以显示数学公式，二是做文档切分时，如果选择按标题等级区分，会比较容易。

生成的markdown 文档

# 数学题目汇总

## 一、单项选择题

**1.** 下列哪个是正确的乘法运算？  
A. \( 3 + 4 = 12 \)  
B. \( 2 \times 5 = 10 \)  
C. \( 6 - 2 = 8 \)  
D. \( 4 \div 2 = 2 \)  

**2.** 在100米赛跑中，小明用了15秒，小华用了12秒，谁跑得更快？  
A. 小明  
B. 小华  
C. 一样快  
D. 无法确定  
答案：B  

**4.** 如果今天是小明生日，他过了生日后，年龄会变成15岁，那么小明过生日前的年龄是多少岁？  
A. 14岁  
B. 15岁  
C. 16岁  
D. 13岁  
答案：A  

**5.** 下列哪个是正确的分数表示？  
A. \(1/2\)  
B. \(2/1\)  
C. \(1/0\)  
D. \(0/1\)  
答案：A  

**7.** 下列哪个是正确的减法运算？  
A. \( 5 - 3 = 8 \)  
B. \( 7 - 2 = 5 \)  
C. \( 9 - 4 = 5 \)  
D. \( 6 - 1 = 7 \)  
答案：B  

**10.** 如果一个苹果重200克，三个苹果重多少克？  
A. 400克  
B. 600克  
C. 800克  
D. 1000克  
答案：B  

Step3： AI 格式数学试题

将文档中的所有数学公式，用markdown inline math 表示

# 数学题目汇总

## 一、单项选择题

**1.** 下列哪个是正确的乘法运算？  
A. $3 + 4 = 12$  
B. $2 \times 5 = 10$  
C. $6 - 2 = 8$  
D. $4 \div 2 = 2$  

**2.** 在100米赛跑中，小明用了15秒，小华用了12秒，谁跑得更快？  
A. 小明  
B. 小华  
C. 一样快  
D. 无法确定  
答案：B  

**4.** 如果今天是小明生日，他过了生日后，年龄会变成15岁，那么小明过生日前的年龄是多少岁？  
A. 14岁  
B. 15岁  
C. 16岁  
D. 13岁  
答案：A  

**5.** 下列哪个是正确的分数表示？  
A. $1/2$  
B. $2/1$  
C. $1/0$  
D. $0/1$  
答案：A  

**7.** 下列哪个是正确的减法运算？  
A. $5 - 3 = 8$  
B. $7 - 2 = 5$  
C. $9 - 4 = 5$  
D. $6 - 1 = 7$  
答案：B  

**10.** 如果一个苹果重200克，三个苹果重多少克？  
A. 400克  
B. 600克  
C. 800克  
D. 1000克  
答案：B  

Step4： 创建知识库

数据清洗完毕后，我们就可以建立知识库，并导入文档了。点击创建知识库，填入名称、描述、向量模型等信息，之后点击创建。

Step5： 上传资料

然后选择上传文档（上传 DeepSeek 帮我们整理过格式的版本）

Step6： 分段

用智能分段，看一下效果

可以看到，其实分得并不理想。期待的效果是每一道题分一段，这样会匹配的非常准确，但现实是多道选择题挤到了一段里。这时我们就可以点击高级分段，看看能不能自己调整一下分段规则，达成想要的效果。我将文档中加入“----------”用于分段切割

这时候点击开始导入，系统就会自动对这些分段进行向量化和存入向量数据库

Step7： 命中测试

文档向量化后，我们可以通过左侧的命中测试，调节不同的参数，来测试文档搜索的效果

• 向量搜索：将 query 向量化后做匹配
• 全文搜索：是用的传统的 ElasticSearch 数据库，也就是说文档切片后一边会向量化进入到向量数据库，而另一边则存入ElasticSearch，供全文检索使用。这个检索过程类似百度搜索，就是返回的包含关键词最多的文档片段。
• 混合检索：则是既进行向量搜索，又进行全文搜索，之后对两边搜索到的结果，用算法做一个重新排名，最终得到一个相似片段的排名。
• 相似度高于：默认是 0.6，两个向量越相似，分值就越高。设置相似度阈值，是为了过滤掉我们认为相似度不高的检索结果。

我们把一个题目稍微换换说法，做一下命中测试，比较一下几种检索方式返回的效果。

原来题目：如果一个苹果重200克，三个苹果重多少克？  

修改后题目：如果一个苹果重800克，5个苹果重多少克？  

向量搜索，结果：

全文搜索，结果

混合检索，结果

Step8： 创建知识库助手应用

Step8： 关联知识库

Step8： 设置检索类型

Step9： 效果验证

4. 总结

1）验证后发现，召回的结果，准确率确实高了很多，而且通过大模型推理，给出了解题的详细步骤
2）本打算只回答，知识库有的内容，但大模型会，回答其它的，比如这个问题（没有关联到知识库的知识点），下次我们再来解决这个问题：