Agent 3 面试题与答案

每道题分三部分：一句话（先抛结论）→ 详细回答（被追问时展开）→ 可能的追问。
数字来自 agent3.md 和 google_docs_assisant/benchmarks/reports/agent3_test.md。

先看：口径统一（这份最重要）

⚠️ 1. 我做的不是「实体-三元组知识图谱」

这套题是按传统知识图谱出的（实体、关系类型、三元组、实体消歧）。你做的是「知识树 + 关联边」：

每道题先用一句话把题目「翻译」到你的设计上，再回答。不要顺着说「我做了实体抽取」，一追问就露馅。面试时说「知识树 + 关联边」，少说「知识图谱」。

2. 其他口径

关键数字速查（37 篇测试文档）

「—」：当时用的是有向依赖的定义，和现在的无向「相关」不可比。

模块一：项目架构与设计思路

Q1：请介绍 Agent 3 的核心任务、输入输出和完整工作流程。它与 Agent 2 的关系是什么？

一句话

Agent 3 把 Agent 2 切好的块逐块抽成「主题 → 问答」，再用「程序找候选、模型判断、程序合并」的方式去重、连无向的相关边，建成一篇文档的知识树，最后并入用户已有的知识库；Agent 2 负责把文本修干净、切成 Agent 3 一次读得下的块。

详细回答

输入：Agent 2 的块（每块 ≤ 4096 token、话题完整、格式干净）。

输出：一棵两级知识树 + 关联边

1
2
3
4
5
6
7
8

文档：GRPO 论文
├── 主题：组内相对优势
│     ├── 问：GRPO 的相对优势怎么计算？
│     │   答：对同一提示采样 G 个回答，奖励减去组内均值再除以标准差。
│     │   证据：「the advantage of each response is computed by ...」
│     └── 问：GRPO 为什么不需要价值模型？
└── 主题：训练稳定性
      └── 问：PPO 截断系数一般取多少？ ──相关── 「GRPO 的相对优势怎么计算？」

树负责分类，边负责关联。

每条问答的三个要求：

1. 问题自足：脱离原文也能看懂（不写「本文」「该方法」）
2. 答案忠实原文：不补充、不编造，用原文的语言
3. 带原文证据：原样摘录一句，方便核对

完整流程：

1
2
3
4
5
6
7
8
9
10
11

Agent 2 的块
  │ ① 逐块抽取：6 块并行，每块输出主题 + 问答（抽取 LoRA）
  │ ② 程序整理：补字段、没主题的问答放进兜底主题、LaTeX 反斜杠转义
  │ ③ 合并：
  │     找候选对（向量相似度前 3 + RefD 引用检查前 3）
  │     关系判断 LoRA 逐对判 same / related / none
  │     same 用并查集合并去重；related 存成无向边；主题也同样合并
  │     建成「文档 → 主题 → 问答」的树
  │ ④ 并入知识库：和已有问答同样判断、去重、连跨文档的边
  ▼
个人知识库

和 Agent 2 的关系：

• Agent 2 切块是为了 Agent 3：一篇论文几万 token 一次放不下，太长也会漏抽中间内容
• 4096 的上限由 Agent 3 的预算倒推：输入 4096 + 提示词 + 输出上限 12000，正好放进 20480 的上下文
• Agent 2 必须「只修格式不改内容」：Agent 3 照着它的输出抽问答，Agent 2 改错一个数字，错误就进了知识库
• 跨块的关联不靠 Agent 2 的重叠，而是由 Agent 3 的合并步骤处理

Q2：为什么要将文档转换成知识图谱？相比直接使用文本块进行检索或问答，知识图谱能解决什么问题？

一句话

先纠正一下：我做的是「知识树 + 关联边」，不是实体三元组图谱；它解决的不是检索，而是复习：把一篇文档变成去重后、分好类、互相关联的知识点，用户能像看思维导图一样系统地复习，而文本块只能被动地等人搜索。

详细回答

产品定位：个人知识库，用户上传文档后得到思维导图式的知识整理，用来学习和复习。

直接用文本块（检索增强）的问题：

为什么是「树 + 边」，不是纯图谱：

• 只有一串问答：一篇论文一两百条平铺，没法复习
• 树解决分类：每条问答只属于一个主题，对应思维导图的分支
• 边解决跨分类的关联：比如「PPO 的截断」和「GRPO 的相对优势」在不同分支，但值得一起看

为什么不做实体三元组：用户要复习的是「概念、原理、方法步骤、结论、关键数据」这类知识点，一个三元组（GRPO，使用，组内优势）承载不了「怎么算、为什么」。问答形式更接近复习的使用方式。

可能的追问

• 那能不能也支持检索问答？ 可以，问答本身就带向量，天然适合做检索；而且检索结果已经去重、带证据，比原始文本块更干净。

模块二：实体与关系抽取（对应：问答抽取与关系判断）

Q3：如何从文本块中抽取实体和实体之间的关系？你的抽取流程是什么？

一句话

在我的设计里，「实体」对应主题和问答，「关系」对应 same / related；抽取分两段：抽取 LoRA 逐块生成主题和问答，关系不在抽取时定，而是合并阶段由程序找候选对、关系判断 LoRA 逐对判断。

详细回答

第一段：逐块抽取问答（agents/knowledge/extract.py）

模型看到的输入：

1
2
3
4

文档标题：DeepSeekMath: ...
全文目录（共 7 块）：1. Introduction  2. Math Pre-Training ... 7. Conclusion
本块：第 4 块
----- 本块正文 -----

• 加目录是为了让主题名起得具体（「GRPO 的优势估计」而不是「方法」）
• 目录只是每块标题的前 40 字，不含其他块内容，所以还能并行

输出：

1
2
3

{"topics": [{"id": "t1", "name": "GRPO 的优势估计"}],
 "qas": [{"id": "q1", "topic": "t1", "question": "...", "answer": "...", "evidence": "原文摘录"}],
 "relations": [...]}

第二段：关系判断（agents/knowledge/merge.py）

1
2
3
4
5
6

所有问答（例如 180 条）
  │ ① 程序找候选对：每条取向量最像的 3 条（相似度 ≥ 0.6）+ RefD 引用最多的 3 条
  │ ② 关系判断 LoRA 逐对输出 {"relation": "same" / "related" / "none"}
  │ ③ 程序：same 用并查集合并；related 存成无向边
  │ ④ 主题同样处理（主题名 + 下面前 5 个问题做向量）
  ▼ ⑤ 建树

为什么关系不在抽取时定：

• 抽取时每块只看得到自己，跨块的关系它根本看不到
• 两两比较 200 条问答约 2 万对，太贵，所以先用便宜的方法筛候选
• 一个有意思的发现：抽取输出里的 relations 最终不使用，但提示词里要求标关系的那段不能删。删掉后召回率从 0.60 掉到 0.41。推测是要求标关系时，模型会更仔细地拆分知识点

为什么分成两个 LoRA：抽取输出几千 token，关系判断只输出约 8 个 token。混在一起训练时 loss 按 token 平均，判断样本只能分到约 1% 的训练信号。

Q4：如何定义实体类型和关系类型？如何避免大模型生成不符合要求的实体或关系？

一句话

「实体」只有两类（主题、问答），关系只有三类（same、related、none），类型刻意定得很少；关系类型最初设计成有向的「前置依赖」，但连教师都只有 0.32～0.65 的正确率，查文献发现方向需要外部信号，于是改成无向的「相关」；不合规的输出靠提示词规则、程序整理和训练数据清洗三层把关。

详细回答

类型定义：

拿不准就选 none：连错一条边比漏连一条更糟，会误导用户。

最重要的决策：从「有向依赖」改成「无向相关」

原设计：有向的「前置依赖」（要懂 A 必须先懂 B），可以生成学习路径。

问题：连教师的依赖边正确率都只有 0.32～0.65。试过四种办法：

查概念前置关系学习的文献（RefD、基于教材顺序的方法、LectureBank）后确认：方向需要外部信号（教材章节顺序、课程大纲、引用结构），语义相似度是对称的，只能说「有关系」，说不出谁是谁的前提。数据也印证：真正有依赖的对，平均相似度反而比「看起来像但无关」的对还低。

决定：先做无向的「相关」，以后有外部信号再加回有向依赖。不是放弃，是推迟。

⚠️「0.25 → 0.90」要讲清楚：两个数不是同一个标准，0.25 是有向依赖（方向也要对），0.90 是无向相关。如果被问「是不是换了道简单题刷指标」：

对，这两个数不在同一个标准下。它说明的是有向依赖在没有外部信号时本身就做不好，连教师都只有 0.32 到 0.65。为了证明不是在刷指标，我同时看了「不连正确」：把最像但没连的对拿出来检查是不是真的无关，这一项是 0.77。如果模型只连最有把握的几条，这一项就会掉。

怎么避免不符合要求的输出（三层）：

Q5：如果文本中存在代词、省略、同名实体或者隐含关系，你如何处理？

一句话

代词和省略靠「问题自足」的硬要求解决：问题里必须写出具体对象，不许写「该方法」；同名靠「问答内容」而不是「名字」判断是否合并；隐含关系靠 RefD 引用检查补充候选，因为真正相关的对往往字面并不像。

详细回答

RefD 的具体做法：

1. 找每条问答问题里在本文档中有区分度的词（英文单词、中文二字词、公式符号）
2. 超过 30% 的问答都出现的词不算（比如方法名「GRPO」）
3. 统计 A 的答案里出现了多少 B 的关键概念
4. 每条问答再加上引用最多的 3 条作为候选

可能的追问

• 跨句的代词消解做了吗？ 没有单独做共指消解，而是让模型在生成问题时直接写出具体对象，评测「问题自足」来检查。

模块三：知识图谱构建与融合（对应：合并建树与知识库融合）

Q6：你如何将抽取结果转换成知识图谱？节点、边及其属性分别如何设计？

一句话

节点有三层：文档、主题、问答，用一个 parent 字典组织成两级树；边只有一种：问答之间的无向「相关」边，按 id 排序存储，同一对只存一次；所有数据存在一个 JSON 文件里。

详细回答

数据结构（agents/knowledge/types.py）：

1
2
3
4
5
6
7

KnowledgeDocument / KnowledgeBase
├── docs       文档：id（内容哈希）→ 标题
├── topics     主题：id、名称
├── qas        问答：id、问题、答案、证据、所属主题、来自哪一块、merged_from
├── relations  边：两条问答的 id、类型（related）、范围（document / kb）
├── parent     树结构：问答 → 主题，主题 → 无（顶层）
└── trace      每块的抽取记录、每次合并判断的记录（给 Agent 4 归因用）

节点属性：

边的设计：

• 只有一种类型：无向 related
• 存储时两个端点按 id 排序，同一对只存一次
• 无向边不存在成环问题，不需要去环
• scope 区分文档内的边和跨文档的边

为什么不用图数据库：这是个人知识库，几十到几百篇文档，问答最多几万条，一个 JSON 文件足够，也方便查看和调试。规模变大再换（见 Q14）。

Q7：不同文本块可能抽取出同一个实体，你如何进行实体对齐、去重和消歧？

一句话

程序先用向量相似度和 RefD 筛候选对，关系判断 LoRA 逐对判断是不是同一个知识点，再用并查集处理传递合并，保留最先出现的那条；主题也按同样流程合并，消歧靠「看内容不看名字」。

详细回答

为什么需要：

• 同一文档内：引言提一次、方法讲一次、结论又总结一次
• 主题重复：「GRPO 的优势估计」和「组内相对优势」其实是一回事
• 跨文档：GRPO 论文和一篇 RLHF 综述都讲了相对优势

流程：

① 找候选对（避免 2 万对两两比较）

• 向量：每条问答（问题 + 答案）用 paraphrase-multilingual-MiniLM-L12-v2 编码，取最像的 3 条，相似度低于 0.6 不要；小模型，中英文都能用，本机 CPU 就能跑
• RefD：再加引用最多的 3 条

② 模型判断：关系判断 LoRA 输出 same / related / none

③ 并查集传递合并

1
2
3

A same B，B same C，D same E
→ [A B C]，[D E]
→ 保留 A 和 D（块号小的，即先出现的），其余记进 merged_from

结果里没有直接写「A same C」，要靠传递推出来，并查集专门处理这种情况。

④ 合并后修边：连到 B、C 的边改连到 A；自环和重复边删掉

⑤ 主题合并：用「主题名 + 前 5 个问题」做向量找最像的 3 个，模型判断是不是同一主题，并查集合并，问答改挂到保留的主题上，空主题删掉

消歧：靠模型看完整的问题和答案判断，不靠名字。字面相同但讲两回事的（「GRPO 的优势」vs「PPO 的优势」）判为不同。

并入知识库时的两条规则：

• 合并时保留已有的那条：用户已经看过的不会突然变样
• 同一文件重复上传：文件 id 是内容哈希，先删旧的再并入

可能的追问

• same 的训练样本很少怎么办？ 关系判断数据里 same 只有 33 对（related 1269、none 1277）。我按自然比例训练，没有配平：早期把依赖类上采样后，模型预测依赖的比例从教师的 5% 涨到 11%，一半是错的。分类任务的训练比例要和实际使用时一致。
• 并查集有没有误合并的风险？ 有：一次错误的 same 会通过传递把一串都合并掉。可以加约束，比如同一块里的问答不判 same，或者合并后检查组内的两两相似度。

Q8：如果一个实体关系跨越多个文本块，你如何发现并建立跨块关系？如何避免错误连接？

一句话

抽取时每块只看自己，所以跨块关系统一在合并阶段处理：所有块的问答放在一起找候选对，同一块内的也比，由关系判断模型逐对判断；防错连靠「拿不准就选 none」的保守策略，并用「关系边正确」和「不连正确」两个指标同时监控。

详细回答

怎么发现跨块关系：

• 合并时把全文所有块的问答放在一起找候选，块与块之间不设边界
• 同一块内的问答也要比较，关系统一在这一步判断
• 向量找「看起来像的」，RefD 找「实际用到的」，两种候选互补
• 跨文档也一样：并入知识库时，新文档的问答和库里已有的问答比较，连跨文档的边

怎么避免错误连接：

双指标监控：

结果：关系边正确 0.899，不连正确 0.766。说明偏保守：最像但没连的对里约四分之一其实相关。

可能的追问

• 0.899 可信吗？ 可能偏高。做 Agent 4 时发现有 575 条边被二次复核确认是错的，但在 Agent 3 评测时被判为正确。已记录待办：用同样的二次复核方式把所有方法重算一遍。

模块四：提示词与模型优化

Q9：你如何设计实体与关系抽取的提示词？如何约束大模型输出结构化结果？

一句话

提示词给模型文档标题和全文目录，写清主题和问答的规则（问题自足、忠实原文、带证据、只抽讲解过的知识）；输出用固定的 JSON 格式，再由程序做三层兜底：LaTeX 反斜杠转义、字段补齐、输出长度上限。

详细回答

抽取提示词的规则（agents/knowledge/prompts.py 的 EXTRACT_PROMPT）：

关系判断提示词：输入两条问答（问题 + 答案），输出 {"relation": "same" / "related" / "none"}；写清三类的定义和反例，「拿不准就选 none」。

结构化输出的约束：

训练也在约束格式：GRPO 里不合法 JSON 整条记 −1，训练中无效输出从 21% 降到 2%。

每个问题都记进 problems，给 Agent 4 和调试用。

Q10：为什么选择当前的模型抽取方案？是否考虑过传统命名实体识别、关系抽取模型或者微调方案？

一句话

传统命名实体识别和关系抽取需要固定的类型体系，而我要抽的是「概念、原理、步骤、结论」这类开放的知识点，还要生成自足的问题和答案，只有生成式模型能做；微调是做了的：抽取和关系判断各训了一个 LoRA，未训练时召回只有 0.319，训练后 0.697，追平教师。

详细回答

为什么不用传统方法：

为什么微调而不是直接用大模型：

训练怎么做的：

抽取 LoRA：

• 教师在训练集 63 篇上逐块抽取
• 拒绝采样：LLM 裁判拿来源块原文判断每条问答，答错的删掉；错得太多的块整块丢掉
• 整理数据：英文论文 63%、英文维基 40% 的问答被教师写成了中文（受中文提示词影响），翻译回原文语言；挂错主题的改挂；小主题合并；空块只保留一部分（近三成是空块，太多会让学生「拿不准就不抽」）
• 最终 282 块、7255 条问答
• 整理前后：召回 0.680 → 0.692，归属主题 0.743 → 0.841

关系判断 LoRA：

• 用和推理时完全一样的方法生成候选对，教师判断
• 2989 对（related 1269、none 1277、same 33、主题对 410），按自然比例
• 关系边正确 0.897

GRPO：3 轮，3 项奖励（召回、准确、结构），测试集和 SFT 持平，训练中无效输出 21% → 2%

两个踩过的坑：

1. loss 要按 token 平均：答案从 20 token（空块）到 3400 token 不等，按样本平均时空块权重是正常样本的上百倍，模型塌缩成总输出空列表。改成按 token 平均后正常
2. 类别不要配平：见 Q7

模块五：质量评估与实验指标

Q11：如何评估知识图谱的构建质量？实体准确率、关系准确率、召回率和 F1 分别如何计算？

一句话

分抽取、关系、结构三类评：召回率对照参考答案（向量找候选 + LLM 判断是否覆盖），准确率对照原文判断，关系看「连了的对不对」和「没连的是不是真无关」；我没有算 F1，因为召回和准确对照的不是同一个标准。

详细回答

难点：没有现成的标准答案。Agent 1、2 的标准答案是原文本身，但「这篇文档有哪些知识点」原文里不会写。

参考答案怎么来：旗舰教师按同样流程，从标准答案原文（LaTeX 源码 / 维基正文）抽取，不是从 Agent 2 的输出抽。这样 Agent 1、2 丢了内容，会体现在 Agent 3 的召回上。37 篇只需要 17 份参考答案（同一篇论文的 PDF 和扫描版内容一样）。人工通读 3 篇共 147 条，没发现内容错误。

指标（每篇先算，再对 37 篇平均）：

为什么准确率对照原文，不对照参考答案：参考答案不可能穷尽所有知识点，学生抽到了原文有、参考里没有的知识，不应该算错。

为什么没有 F1：召回对照参考答案，准确率对照原文，分母不是同一个集合，算 F1 没有意义。

评测本身的两个问题（做 Agent 4 时发现，要主动说）：

1. 召回率可能被低估：复核「漏抽」时发现约一半其实抽到了。参考答案一条塞了 3 个事实，学生拆成 3 条，每条只覆盖一部分，被判为没覆盖。学生每篇 211 条、教师 102 条，拆得更细，受影响更大
2. 关系边正确可能偏高：575 条边被二次复核确认是错的，当时被判为正确
3. 已记待办：用同样的二次复核方式把所有方法重算。目前报告里都是原始口径

Q12：如果大模型抽取出了原文不存在的关系，你如何检测和减少这种幻觉？

一句话

检测靠两条：证据必须逐字出现在原文里（规则检查），答案要被来源块原文支持（LLM 判断）；减少靠训练数据只保留通过检查的问答、GRPO 的准确奖励直接惩罚，关系则由单独的判断模型保守地逐对确认，抽取时模型自己标的关系一律不用。

详细回答

问答层面的幻觉：

关系层面的幻觉：

• 抽取时模型自己标的 relations 一律不用，因为它只看到一块，容易编造
• 关系只由合并阶段的关系判断模型逐对判断，输入是两条问答的完整内容
• 「拿不准就选 none」
• 有向依赖改成无向相关：有向依赖本身就是幻觉的重灾区（教师 0.32～0.65），是在没有依据的情况下判断方向

一个具体的幻觉来源：网页残留

• 维基网页上准确率只有 0.847（教师 0.972），每篇抽 347 条（教师 142）
• 原因：模型把导航、参考文献这类网页残留也抽成了问答
• 改进：抽取数据里加「残留不抽」的负样本；或者让 Agent 2 多删残留

防止为了召回而编造：GRPO 结构奖励里有「问答数不超过教师 1.3 倍」，制衡召回奖励。否则模型会把一个知识点拆成很多条来刷分。

Q13：你如何设计实验验证 Agent 3 的有效性？会选择哪些基线方法和消融实验？

一句话

基线有未训练模型和教师；消融已经做了三组：SFT 第一版 vs 第二版（数据整理的作用）、SFT vs GRPO（强化学习的作用）、有向依赖的四种做法对比（证明任务定义要改）；还有一个意外发现：删掉提示词里的依赖说明，召回从 0.60 掉到 0.41。

详细回答

基线：

已经做过的对照：

GRPO 为什么只是持平（诚实说）：

• 只跑了 3 轮（为了控制费用），只证明流程跑通
• 召回奖励以教师为标准，而 SFT 已经追平教师，提升空间本来就不大
• 要超过 SFT，需要更多轮次，并且奖励不能只以教师为标准（比如准确率直接对照原文）

还应该补做的消融：

模块六：工程异常与系统协同

Q14：如果文档很长，包含大量重复实体和复杂关系，你如何控制图谱规模、构建成本和处理耗时？

一句话

长文档靠 Agent 2 切块后并行抽取；重复靠 same 合并控制规模；最贵的关系判断不做两两比较，而是每条问答只取向量前 3 + RefD 前 3 个候选，把成本从平方级降到线性；知识库再变大就换成向量索引。

详细回答

构建成本：

图谱规模：

• same 合并：同一知识点只保留一条
• 主题合并 + 小主题合并：避免主题碎片化
• GRPO 结构奖励「问答数不超过教师 1.3 倍」：防止拆得过碎
• 每条问答最多 3 + 3 个候选，边的数量天然受限

知识库变大时的问题：

• 现在每次并入都要把知识库所有问答重新算向量
• 到几十万条时应换成向量索引（如 FAISS），增量更新
• 存储可以从 JSON 换成数据库

其他已知局限：

• 删除文档时可能丢知识：B 的问答合并到 A 上，删掉 A 时那条会一起删掉。更完整的做法是删除时把 merged_from 里来自其他文档的问答恢复出来
• 跨文档去重和连边没有专门的测试集

Q15：如果 Agent 4 检查发现知识图谱缺少关系或者出现错误，你如何区分是 Agent 1 解析、Agent 2 切分还是 Agent 3 抽取的问题？

一句话

沿着数据流逐级往回追：看这个知识点在标准答案原文里有没有、在 Agent 1 的输出里有没有、在 Agent 2 的块里有没有、在 Agent 3 的问答里有没有，第一个丢掉它的环节就是责任方；训练 Agent 4 时这个追查由程序沿标准答案自动完成，生成归因标签。

详细回答

逐级追查（benchmarks/agent4/labels.py、scripts/label_agent4.py）：

1
2
3
4
5
6
7
8
9

一个知识点（来自参考答案）
  │ 在 Agent 1 的解析结果里吗？
  │   ├─ 整篇解析不完整 / 这个知识点没解析出来 → Agent 1
  │   └─ 在 → 继续
  │ 在 Agent 2 修复后的文本里吗？
  │   ├─ 修复时被删了 / 块对不上原文 → Agent 2
  │   └─ 在 → 继续
  │ Agent 3 抽出来了吗？对吗？
  │   └─ 漏抽 / 答案错 / 问题不自足 / 归错主题 / 连错边 / 漏连边 → Agent 3

错误类型和归属：

「缺少关系」的特殊情况：如果两个知识点被 Agent 2 切到了不同的块，是不是 Agent 2 的错？

• 不一定。跨块关系本来就由 Agent 3 的合并阶段负责
• 判断方法：两条问答都抽出来了 → 关系没连上是 Agent 3 合并或判断的问题；如果因为切点把一个推导劈开，导致其中一条问答没抽出来或答案不完整 → 才是 Agent 2 的问题
• 反事实验证：把相邻两块合成一块重新抽，如果关系或问答出现了，就确认是切块导致的

Agent 4 在部署时怎么做（没有标准答案时）：按块读取上游三个 Agent 的输入和输出，先写推理，再列出问题、归因到出错的 Agent、给修改意见。依据是：

• Agent 3 的问答证据能不能在 Agent 2 的块里找到
• Agent 2 的块和 Agent 1 的输出比，正文有没有被删
• 每一步都存了 trace，可以逐层回放

前车之鉴：Agent 2 清晰度卡住时，归因发现一半以上的问题在上游（公式被拆碎、表格丢结构）。所以出错时不要先假设是 Agent 3 的问题，要逐层验证。

这个归因机制还反过来发现了评测问题：复核漏抽标签时发现约一半其实抽到了（颗粒度不同）；575 条边被确认是错的，但 Agent 3 评测时被判为正确。

附：30 秒版本（面试开场用）

Agent 3 把 Agent 2 切好的块逐块抽成问答，每条问答问题自足、带原文证据，再合并成「文档 → 主题 → 问答」的知识树，相关的问答之间连无向边，并和已有知识库去重。合并用的是「程序找候选、模型判断、程序合并」：向量相似度和 RefD 引用检查筛候选对，关系判断 LoRA 逐对判同一知识点、相关还是无关，并查集合并去重。关系最初设计成有向的前置依赖，但连教师的正确率都只有 0.32 到 0.65，查文献发现方向需要教材顺序这类外部信号，于是改成无向的「相关」。训练上抽取和关系判断各一个 LoRA，未训练时召回只有 0.319，训练后 0.697，追平教师，准确率 0.93。