RumiANS - Pro Exam System

下一代轻量级、智能化、纯本地的 Web 考试系统

English | 简体中文

---

RumiANS 是一个基于 Web Components 和 Material Design 3 设计构建的单文件考试系统。它集成了先进的项目反应理论 (IRT) 算法用于能力评估，并内置 Google Gemini AI 接口以提供智能题目解析。系统完全运行在浏览器端，无需后端服务器，确保了数据的绝对隐私与安全。

目录 (Table of Contents)

• 背景
• 核心特性
• 安装与使用
• 题库规范
• 配置说明
• 技术栈
• 贡献指南
• 开源许可

背景 (Background)

传统的在线考试系统往往依赖复杂的服务器部署，且数据存储在云端，存在隐私泄露风险。同时，大多数简易的刷题工具缺乏科学的评估算法，无法准确衡量用户的真实水平。

RumiANS 旨在解决以下痛点：

• 隐私安全：所有数据（题库、错题、进度）均存储在本地浏览器 (IndexedDB/LocalStorage)。
• 科学评估：引入计算机自适应测试 (CAT) 和 IRT 算法，而非简单的百分制。
• 智能辅助：利用生成式 AI (GenAI) 对错题进行实时、深度的解析。
• 极致便携：核心代码整合在一个 HTML 文件中，即开即用。

核心特性 (Features)

• 🎨 Material Design 3 界面：基于 MDUI 2 构建，支持深色模式 (Dark Mode) 自动切换，移动端原生体验。
• 🧠 智能 IRT 算法：内置 2-PL/3-PL 模型的高性能浮点数计算引擎，实时估算考生的能力值 ($\theta$)。
• 🤖 AI 深度解析：集成 Google Gemini API，为任意题目提供上下文感知的智能解析。
• 🔒 隐私优先：采用 LocalStorage + LZ-String 压缩存储，所有数据仅在本地处理。
• 📂 强大的文件管理：
  • 支持 Excel (.xlsx, .xls) 及 CSV 格式导入。
  • 自动识别题目中的括号 ( ) 并进行格式化渲染。
  • 支持多种文件编码 (UTF-8, GBK) 自动识别。

安装与使用 (Install & Usage)

由于 RumiANS 是单文件应用 (SPA)，无需复杂的构建过程。

快速开始

1. 下载最新版本的 index.html 文件。
2. 使用现代浏览器（Chrome, Edge, Safari, Firefox）直接打开该文件。
3. 在主页点击 "文件管理 (File Manager)" -> "导入 (Import)" 上传您的题库文件。

开发环境

如果您需要修改源码：

# 克隆仓库
git clone [https://github.com/lo3612/lite-exam-system.git](https://github.com/lo3612/lite-exam-system.git)

# 进入目录
cd lite-exam-system

# 推荐使用 Live Server 或类似工具运行，以避免本地文件系统的跨域限制
# 例如使用 npx http-server
npx http-server .

题库规范 (Data Format)

系统支持 .xlsx 或 .csv 格式。请确保您的表格包含以下表头（支持模糊匹配）：

列名 (Header)	说明 (Description)	示例
大题题干	题目内容，支持 Markdown 语法	摩擦式离合器主要由( )组成。
正确答案	选项的字母代号	B
选项A	选项 A 的内容	压紧机构
选项B	选项 B 的内容	从动盘
选项C	选项 C 的内容	飞轮
选项D	选项 D 的内容	扭转减震器

提示：您可以在系统内的“文件管理”中点击“下载模板”获取标准 Excel 模板。

配置说明 (Configuration)

点击主页右上角的 设置 (Settings) 图标进行配置：

• Google Gemini API Key：填入您的 API Key 以启用 AI 解析功能。
  • 申请地址：Google AI Studio
• 总题数 (Total Questions)：模拟考试模式下的题目数量。
• 判断题数量 (Judge Count)：控制生成试卷时判断题的比例（用于内容平衡算法）。

技术栈 (Tech Stack)

本项目主要依赖以下开源技术：

• MDUI 2 - 下一代 Material Design Web 组件库。
• SheetJS (xlsx) - 强大的电子表格解析库。
• Marked - 高性能 Markdown 解析器。
• LZ-String - 基于 LocalStorage 的字符串压缩库。
• Custom IRT Engine - 自研工业级高性能心理测量学引擎。
  • 核心模型：采用 3-PL (三参数逻辑斯蒂) 模型，精确评估题目区分度 ($a$)、难度 ($b$) 和猜测系数 ($c$)。
  • 评估与选题：基于 EAP (期望后验估计) 实时计算能力值 ($\theta$)，并利用 最大费雪信息量 (Fisher Information) 实现 CAT 自适应选题。
  • 极致性能：摒弃传统对象数组，采用 SoA (Struct of Arrays) 内存布局配合 Float32Array，结合预计算查表法，在移动端实现 <1ms 的毫秒级运算。
  • 数值稳定：全程在 对数域 (Log Domain) 进行计算，应用 Log-Sum-Exp 技巧防止浮点数溢出或下溢。

贡献指南 (Contributing)

非常欢迎社区贡献！请遵循以下步骤：

1. Fork 本仓库。
2. 创建一个新的分支 (git checkout -b feature/AmazingFeature)。
3. 提交您的更改 (git commit -m 'Add some AmazingFeature')。
4. 推送到分支 (git push origin feature/AmazingFeature)。
5. 开启一个 Pull Request。

请确保您的代码风格与现有代码保持一致。

开源许可 (License)

本项目采用 MIT 许可证。

部分引用的第三方库遵循其各自的许可证：

• MDUI 2: MIT
• SheetJS: Apache 2.0
• Marked: MIT
• LZ-String: MIT

---

Designed with Material Design 3
Made with ❤️ by lo3612