知识点体系
知识点体系是按学科组织的树形知识结构，用于给题目打上知识点标签，并支撑 AI 的知识点推荐（RAG）。
结构
- 树形：通过
parent_id建立父子层级，可多级嵌套。 - 按学科：每个知识点属于某个学科。
- 唯一标识：
(subject_id, slug)组合唯一，slug 为 URL 友好标识。
字段：名称 name、标识 slug、父节点 parent_id、所属学科 subject_id、创建 / 更新人。
管理操作
- 查看某学科的完整知识点树
- 新建根节点或子节点
- 重命名 / 修改 slug
- 删除（级联删除子节点）
级联删除
删除一个知识点会连带删除其所有子节点，请谨慎操作。
与题目关联
题目与知识点是多对多关系，可在题目上关联一个或多个知识点，并用知识点作为题库筛选条件。
向量化与 RAG
知识点会被向量化写入 ChromaDB，用于语义检索：
- 在 AI 对话 中，AI 可检索相关知识点 / 题目作为上下文。
- 智能导入时，AI 可将推荐的知识点映射到你的标准体系。
当在 系统参数 中更新 Embedding 模型（AI_EMBEDDING_MODEL_ID）后，已有知识点的向量不会自动重建。此时知识点树顶部会出现"重建向量索引"提示，点击即可按新模型重新向量化。
需要 Embedding 模型
RAG 依赖 Embedding 模型。请在 AI 供应商与模型 中添加并激活一个用于向量化的模型。
延迟向量化
未配置 Embedding 模型时，新增 / 修改知识点不会触发向量更新（也不会报错）。待你配置好模型后，再到知识点树点击 重建向量索引 一键补齐即可。
批量导入
管理员可在知识点树界面下载 Excel 模板、填写后批量导入，无需命令行。
操作步骤
- 打开知识点管理页面，选择目标学科。
- 点击 批量导入 → 在对话框中点击 下载 Excel 模板。
- 按模板填写：
学科名称（必填）、一级目录（必填）、二级~八级目录（可选）。同一行从左到右构成一条父子链，空白的中间层级会自动跳过。 - 上传填好的
.xlsx文件（≤ 5MB），选择导入模式并确认。
两种导入模式
| 模式 | 行为 | 对题目关联的影响 |
|---|---|---|
| 增量新增（推荐） | 已存在的知识点（相同学科、父节点、名称）跳过，仅创建新节点 | ✅ 不影响已有题目的知识点关联 |
| 清空重建 | 先删除文件涉及学科的全部知识点，再导入 | ⚠️ 关联题目会失去知识点标签（题目本身保留），需输入学科名二次确认 |
幂等性
增量新增可安全地多次导入同一份文件：重复节点会被跳过，不会产生重复数据。
清空重建不可撤销
清空重建会级联删除子节点并解除题目关联，操作前对话框会显示受影响的知识点与题目数量，请谨慎确认。
导入完成后，若已配置 Embedding 模型，新知识点会自动向量化；否则可稍后在知识点树点击 重建向量索引 补齐。
命令行脚本（可选）
仓库仍保留脚本用于开发 / 部署侧的批量操作：scripts/import_math_knowledge_points.py、scripts/sync_knowledge_points.py，服务器版可通过 docker compose exec backend uv run python scripts/<脚本名>.py 运行。