🌟 智慧树自动答题助手

📝 项目简介

这是一个基于大语言模型（Large Language Models, LLM）的智慧树自动答题脚本，旨在帮助用户快速、准确地完成智慧树平台上的自动答题任务。本项目通过全自动答题的方式，无需题库，利用 LLM 的强大能力，多次生成答案以确保答案的准确性，能够极大地解放生产力。

🌈 项目展示

项目展示视频

答题过程：

answer_example

调用大模型生成答案过程：

def get_answer(question):
    prompt = f"""
请仔细阅读以下题目并思考分析，根据题目类型，严格按照以下要求作答：

选择题（单选）： 如果题目为单选题，请从选项中选择一个正确的答案，并仅输出该选项（A、B、C或D），不提供任何额外解释。
选择题（多选）： 如果题目为多选题，请选择所有正确的选项，并仅输出所有正确选项的字母，用','分隔（如A,C），按字母顺序排列，不提供任何额外解释。
判断题： 如果题目为判断题，请分析题目并仅输出 "对" 或 "错"，不提供任何额外解释。
请遵循以上规则直接给出你的答案。

题目：
{question}

你的答案："""
    answer_list = []
    index = 0
    while True:
        cur_answer = model.get_response([prompt])[0][0]
        print(f'大模型第{index+1}次输出：{cur_answer}')
        if cur_answer in answer_list:
            return cur_answer
        answer_list.append(cur_answer)
        index += 1

让大模型多次生成答案, 将最先出现两次的答案作为最终答案, 确保答案的准确性。(即使这样也无法保证百分百的准确性, 这是现有大模型本身的局限性, 作者用三个大模型来答题正确率也是一般般。如果可以拿到题库做数据集，然后用 RAG 可能会提高正确率。)

🚀 功能特点

全自动答题：无需人工干预，自动完成答题过程。
准确性保障：通过多次生成答案，提高答案的准确性。
代码鲁棒性: 当遇到弹出验证或者一些未知错误后，脚本会停止运行，等待用户处理完后输入回车键继续运行。
易于使用：只要你的电脑安装了 Python 环境，注册了对应大模型 API，并安装了必要的库，就可以直接运行脚本。
学习价值：对于想要学习 Python 爬虫或自动化脚本以及大模型使用的同学，这是一个极好的练手项目。

🐞 已知问题与优化方向

页面元素定位: ❗ 题目元素被“#shadow-root (closed)”包裹，导致无法获取，只能使用 OCR 识别题目；提交作业后弹出的对话框无法定位，只能手动确定后再继续。
OCR 识别：当前项目需要调用 OCR 库来识别题目，导致运行效率比较慢。计划使用更高效的 OCR 库，或者不用 OCR，直接用 Selenium 分析题目，以提高效率。
答题准确率：由于依赖大模型，答题准确率会受到限制。考虑调用多个大模型交叉验证，或者构建知识库做 RAG，以提高答题准确率。
增加支持的大模型: 目前项目只支持智谱大模型，计划增加其他大模型的支持。
流程优化：优化使用流程。

🛠️ 安装与使用

环境要求

确保你的电脑安装了 Python。
注册并获取 API-Key, 本项目目前只支持智谱大模型(新用户注册会送 token，项目默认使用glm-4-plus模型，如需切换模型请在GLM.py文件中修改)

安装步骤

克隆项目到本地：

git clone https://github.com/jason-king123/ZHIHUISHU-Auto-Answer-Assistant.git
cd ZHIHUISHU-Auto-Answer-Assistant

安装依赖库：
```
pip install -r requirements.txt
```

使用说明

注意：在运行代码之后需要输入 api_key 和对应的页面 url，打开网页之后需要自行登录，按回车键开始答题。每答完一个测试的题目需要点击提交，输入回车键后继续

运行脚本：

因为要加载 OCR 库，所以需要等待一段时间代码才会运行

1. 输入答题页面 url，一次完成单测试答题

python onepage.py

code_usage

2. 输入答题列表页面 url，顺序完成所有测试答题

python auto_answer_question.py