中学物理教材知识库

概述

这是什么

本 skill 将 GitHub 公开仓库 TapXWorld/ChinaTextbook（"所有小初高、大学 PDF 教材"，80k+ stars，约 41.5GB）中全部物理学科 PDF 教材蒸馏为一个可离线检索的学科知识库。

• 数据来源：TapXWorld/ChinaTextbook 仓库 初中/物理、初中(五四学制)/物理、高中/物理 目录。
• 覆盖范围：初中物理 22 本 + 初中五四学制物理 4 本 + 高中物理 36 本，共 62 本。每本均为独立教材、完整保留；去重仅剔除完全相同的重复条目（本清单 62 本全部唯一，故全部收录）。
• 大学段说明：该仓库"大学"目录仅含 概率论/离散数学/线性代数/高等数学，无大学物理教材，故本库不含大学物理（如后续上游补充可重跑流水线补全）。

蒸馏方式

• 文本型 PDF（绝大多数）：用 pdftotext 直接高保真抽取（比 OCR 更准确），再做中文归一化（去除逐字定位产生的字间距）、目录/章节抽取、按章节切块。
• 扫描型 PDF（少数，如北师大版、教科版部分册）：逐页 pdftoppm 渲染 + tesseract（chi_sim+eng）OCR，4~8 线程并行。扫描件 OCR 文本可能含少量识别噪点，但正文语义可用于检索。
• 每本教材均保留原始下载地址（ghproxy 国内镜像 / github 直连 / raw 规范地址），用户可随时取真实链接下载原 PDF。

知识库内容

• physics_corpus.json：每本教材的结构化元数据 + 目录(TOC) + 按章节切块的正文 + 三套下载地址。
• fulltext/：每本教材的完整抽取文本（按学段分目录）。
• search.py：检索入口。

如何使用

方式一：直接对 workbuddy 提问（推荐）

向 workbuddy 提出物理学习/备课类问题即可，例如：

• "初中物理里浮力是怎么讲的？找人教版的内容。"
• "高中物理 必修一 关于牛顿第二定律的章节在哪一页附近？"
• "帮我找高中物理里讲楞次定律的教材原文片段。"

workbuddy 会调用本 skill 的检索器定位相关教材与章节，并基于原文作答/摘录。

方式二：直接运行检索器

# 关键词检索（自动按学段/年级/版本匹配章节切块）
python3 search.py "牛顿第二定律"
python3 search.py "浮力" --segment 初中
python3 search.py "光的折射" --limit 5
python3 search.py "" --segment 高中 --stats        # 统计某学段教材
python3 search.py --list --segment 高中            # 列出该学段全部教材
python3 search.py --full <book_id>                # 输出某本教材全文（若随包附带）

检索说明

• 中文采用 2~3 字 n-gram + 词面匹配；标题命中权重高于正文。
• 返回结果含：学段 / 年级 / 版本 / 书名 / 命中章节 / 原文摘录 / 国内镜像下载链接。

更新与重蒸馏

上游仓库若在 master 分支增删教材，重新运行蒸馏流水线即可刷新：

cd <本库蒸馏工作区> && python3 pipeline/distill.py

（流水线会复用已抽取文本、仅对新增/扫描书重新处理。）

数据版权

教材 PDF 版权归原出版社所有，本 skill 仅做索引与文本抽取用于学习与检索，不重新分发 PDF 文件本身；用户下载请通过给出的官方仓库链接，并遵守相关版权与开源协议。