Akapen

日语作文批改工具，三个入口共存，用一套 core/ 业务内核：

模式 A · 离线 Gradio（demo/） —— 老牌单机批改：扫描 data/input/ 下整班作文目录，UI 上点几下，结果落到 data/records/，导出 Markdown。
模式 B · 批改任务中台（backend/） —— FastAPI + SQLite + asyncio worker，提供 REST API 和 webhook。前端（作业收集系统）通过 POST /v1/grading-tasks 提交任务，轮询或回调拿严格 JSON 评分结果。访问 http://127.0.0.1:8000/admin 还能看到只读运维后台（Gradio）。
模式 C · 老师端 Web（web/） —— Next.js 15 + SQLite + NextAuth 的学生作业管理系统：班级 / 学生 / 作业批次 / 题目 CRUD + 移动端拍照上传 + 「学生 × 题号」批改大盘 + 一键批改 / 重批。本身不调 LLM，所有批改请求都通过 HTTP 接 backend 中台。独立 Docker 镜像，与 backend 在同一台机上 docker-compose 跑，二者用 docker network 互联，容器互联流量不占公网 3 Mbps 带宽（详见 docs/PLAN_CN_SINGLE_SCHOOL_2C2G.md §〇）。

三个入口共享业务核心（core/）的同时也明确了职责边界：

维度	demo	backend	web
入口	`python -m demo.app` (Gradio :7860)	uvicorn (:8000)	next start (:3000)
数据库	文件夹 + JSON	`data/grading.db`	`web/data/web.db`
LLM 调用	直接调 core	直接调 core	不调，POST 到 backend
认证	无（局域网）	API Key	邮箱密码（NextAuth）
主要使用者	单老师本机	第三方系统	老师从手机/电脑上批改

启动

通用准备

本地运行时使用 uv 管理虚拟环境。Docker 部署见下面 模式 B · Docker 一键部署，那条路径不需要本地装 uv / Python。

# 一次性装 uv（如果还没装）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 装依赖（从 uv.lock 锁定版本）
uv sync

cp .env.example .env
# 编辑 .env 填入 DASHSCOPE_API_KEY（推荐）/ GEMINI_API_KEY / ANTHROPIC_API_KEY
# 也可在 UI 的「设置」Tab 填

依赖单一来源是 pyproject.toml。requirements.txt 是 uv export 自动生成的，只用于 Docker 镜像构建；改依赖请改 pyproject.toml 后跑：

uv lock                                                  # 重生成 uv.lock
uv export --frozen --no-hashes --no-dev -o requirements.txt

模式 A · 离线 Gradio

uv run python -m demo.app
# 打开 http://127.0.0.1:7860

按下面的「输入格式」整理好作文图片目录。
「设置」Tab 填 Key / 模型。
「任务」Tab 扫描 → 批量 OCR → 批量批改（也可一键全跑）。
「修改」Tab 逐个学生复核、编辑、重跑。
「结果」Tab 导出 Markdown。

模式 B · 批改任务中台（本地裸跑）

# 先在 .env 里加上：
#   API_KEYS=akapen:<32+ 字符随机字符串>     ← 至少配一个，否则服务拒启动
#   WEBHOOK_SECRET=<32+ 字符随机字符串>     ← 客户端校验回调签名用

uv run python -m backend.app
# 默认监听 0.0.0.0:8000

提交一条任务（JSON + 图片 URL）：

curl -X POST http://localhost:8000/v1/grading-tasks \
  -H "X-API-Key: <你的 API_KEYS secret>" \
  -H "Content-Type: application/json" \
  -d '{
    "idempotency_key": "abc-123",
    "student_id": "2024001",
    "student_name": "王伟",
    "image_urls": ["https://your-cdn/page1.jpg", "https://your-cdn/page2.jpg"],
    "callback_url": "https://your-frontend/webhooks/grading"
  }'
# → 202 { "task_id": "...", "status": "queued", ... }

或者 multipart 上传（文件直传）：

curl -X POST http://localhost:8000/v1/grading-tasks \
  -H "X-API-Key: <secret>" \
  -F idempotency_key=abc-123 \
  -F student_id=2024001 \
  -F student_name=王伟 \
  -F images=@page1.jpg \
  -F images=@page2.jpg

轮询：

curl -H "X-API-Key: <secret>" http://localhost:8000/v1/grading-tasks/<task_id>

完整 API 形态见 docs/PLAN_CN_SINGLE_SCHOOL_2C2G.md 的 §三、《API 形态》。运维后台（task 列表 / 详情 / 重试）：http://localhost:8000/admin。监控指标：http://localhost:8000/v1/metrics（Prometheus 文本格式）。

模式 B · Docker 一键部署（推荐）

仓库自带 Dockerfile + docker-compose.yml，一条命令起服务，SQLite / 上传图片 / 日志全部映射到宿主机 ./data/，停容器重启容器都不丢任务。

# 1) 准备配置
cp .env.example .env
# 编辑 .env，至少填：
#   DASHSCOPE_API_KEY=sk-...
#   API_KEYS=akapen:<32+ 位随机串>           ← 没配会拒启动
#   WEBHOOK_SECRET=<32+ 位随机串>           ← 客户端校验回调用
#   USE_VPC_ENDPOINT=true                   ← 仅当机器和 DashScope 同 region

# 2) 准备宿主机数据目录（容器以 uid 1000 跑）
mkdir -p data
# 自建 Linux 宿主上若你的 uid 不是 1000：sudo chown -R 1000:1000 data
# 或者 build 时对齐：USER_UID=$(id -u) USER_GID=$(id -g) docker compose build

# 3) 起服务
docker compose up -d --build

# 4) 验活
curl http://127.0.0.1:8000/v1/livez       # → 200 OK
curl http://127.0.0.1:8000/v1/readyz      # → 200 OK（启动完成后）
docker compose logs -f backend            # 看实时日志

宿主机持久化目录长这样：

./data/
├── grading.db           # SQLite 任务库（含 grading_tasks / schema_versions）
├── grading.db-wal       # WAL 模式辅助文件
├── uploads/             # multipart 收到的原图 + 标准化后图片
└── logs/                # app.log（滚动 5MB × 3 备份）

常用维护命令：

docker compose ps                           # 查容器健康状态
docker compose restart backend              # 改 .env 后重启（不重新打镜像）
docker compose down && docker compose up -d # 升级镜像后干净重起（数据保留）
docker compose down -v                      # ⚠ 不要轻易跑：会删 named volume（虽然这里只用 bind mount）
docker compose exec backend python -m backend.app --help    # 进容器排查

# 备份（一次性手动跑）
./scripts/backup.sh
# cron 定时跑 + 上传 OSS 见 §「自动备份」

升级中台代码：

git pull
docker compose up -d --build      # 仅 backend 服务，重启时间一般 < 10s
# 启动时会自动 reclaim 上次没跑完的任务（详见 §六《startup reclaim》），不丢请求

跨架构构建（开发机 macOS arm64 → 服务器 linux/amd64）：

docker buildx build --platform linux/amd64 -t akapen-backend:latest --load .
# 然后 docker save | ssh server docker load

模式 C · 老师端 Web (web/)

完整启动（含 backend）：

# 1) 准备 backend 配置（同模式 B）
cp .env.example .env
# 编辑：DASHSCOPE_API_KEY / API_KEYS / WEBHOOK_SECRET（必填）

# 2) 准备 web 配置：
cp web/.env.example web/.env
# 编辑 web/.env：AUTH_SECRET / IMAGE_URL_SECRET（各 32+ 字符随机串）
# 关键：WEBHOOK_SECRET 必须与 .env 里那个一模一样
# 关键：AKAPEN_API_KEY 是 .env 里 API_KEYS=akapen:<secret> 中的 <secret>

# 3) 起两个服务（backend + web 一起拉）
docker compose up -d --build

# 4) 创建初始老师账号（学生不登录，老师代为录入）
docker compose exec web node scripts/create-user.cjs \
  --email teacher@example.com --password 'mypassword' --name '王老师'
# 注意：tsx 是 dev 依赖、不在 production 镜像；
# Dockerfile 单独把 scripts/create-user.cjs + bcryptjs 拷进了运行时镜像。

# 5) 浏览器打开 http://<host>:3000，邮箱+密码登录

典型使用流程：

「班级 / 学生」新建班级 → 批量粘贴学号+姓名（每行一名）
「作业批次」新建批次 → 添加题目（题干 = question_context 送 LLM）
手机扫码访问 /batches/<id>/upload → 选学生 → 逐题拍照
桌面端进「批改大盘」(/grade/<id>) → 多选单元格 → 「一键批改」
3 秒一次自动刷新；点单元格弹详情抽屉看分数 / 错误 / 重批

仅启 web（接已有 akapen-backend）：

如果你想把 web 部署到一台独立机器上，对接远程 akapen-backend，把 docker-compose.yml 里的 backend service 注掉，单独 docker compose up web -d，再把 web/.env 里 AKAPEN_BASE_URL 改成公网 / 内网 URL。注意 hairpin 陷阱 （详见 .cursor/plans/homework-frontend_*.plan.md §八），跨机部署务必把 WEB_PUBLIC_BASE_URL 也改成 backend 容器能解析到的地址。

2C2G + 3 Mbps 部署提示

中台默认配置已经为「单校单机 + 公网 3 Mbps」做了带宽优化（详见 docs/PLAN_CN_SINGLE_SCHOOL_2C2G.md §〇）：

Settings.enable_single_shot=True —— 一次 vision 调用同时完成 OCR + 评分，比两步模式省一半带宽
Settings.grading_with_image=False —— 两步模式时批改阶段不再发图（仅文本）
Semaphore(8) + TokenBucket(2400 kbps) —— 并发不超载、上行不超额

如果服务器是阿里云 ECS 且与 DashScope 同 region，加 USE_VPC_ENDPOINT=true 切到内网 endpoint，完全不占公网带宽：

# .env
USE_VPC_ENDPOINT=true
MAX_CONCURRENCY=20      # 内网了，并发可以拉高
BANDWIDTH_KBPS=200000   # 形同关闭桶

API Provider

默认走 阿里云百炼（DashScope）的 Qwen3.6，原因：

国内网络稳，延迟比 Gemini 低很多。
Qwen 3.5+ 起主线 plus / flash 已经是多模态（图+视频+文本输入），1M 上下文。
日语手写实测好，对涂改 / 插字 / 划线推理够用。
价格便宜，qwen3.6-plus 比 gemini-3.1-pro-preview 便宜 ~5×；用 batch 还能再 5 折。

⚠ 阿里云官方明确「qwen3-vl 系列已不作为首选推荐，新项目建议使用 qwen3.6 / qwen3.5 系列」。本项目的预设已对齐这一点；旧 qwen3-vl-* 留作兼容选项。

Provider	推荐（多模态 + 1M 上下文）	兼容 / 旧版	备注
`qwen`（默认）	`qwen3.6-plus` / `qwen3.6-flash` / `qwen3.5-plus` / `qwen3.5-flash`	`qwen3-vl-plus` / `qwen3-vl-flash`	阿里云百炼 OpenAI 兼容协议；3.5+ 主线 plus/flash 全多模态
`gemini`	`gemini-3.1-pro-preview` / `gemini-2.5-pro` / `gemini-2.5-flash` / `gemini-2.5-flash-lite`	—	海外，需科学上网；注意 3.1 真实 API name 带 `-preview`
`claude`	`claude-sonnet-4-5` / `claude-opus-4-5` / `claude-haiku-4-5`	—	仅批改可选

百炼上 qwen3.6-plus-2026-04-02（版本快照）、qvq-72b-preview（视觉推理）、 qwen-vl-ocr-latest 这些不在默认下拉里，但每个 dropdown 都开了 allow_custom_value，申请到之后直接粘贴 ID 即可。

⚠ 旧 Qwen3-VL 系列没有 max 这一档；UI 上看到的「Max」一般是旧 Qwen2-VL 时代的 qwen-vl-max-latest，跟当前主线 qwen3.6-plus / qwen3.5-plus 无关。

申请百炼 Key：https://bailian.console.aliyun.com/ → API-KEY 管理 → 创建。 Key 形如 sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx。

输入格式

每位学生一个子文件夹，文件夹名 学号_姓名，里面放页码命名的图片：

data/input/
├── 2024001_王伟/
│   ├── 1.jpg          # 第 1 页
│   ├── 2.jpg          # 第 2 页
│   └── 3.jpg          # 第 3 页
├── 2024002_李娜/
│   └── 1.jpg
└── 2024003_张敏/
    ├── 1.jpg
    └── 2.png

规则：

文件夹名第一个 _ 之前 = 学号，之后 = 姓名（学号支持字母数字混合，姓名支持中文/日文）。
图片支持 .jpg / .jpeg / .png / .webp。
同一学生的多页会按文件名里的数字排序，一次性合并送 Gemini 多模态 OCR 转写为一篇连续作文。
没有任何正则需要配置 —— 只要遵守命名约定即可。

项目结构

.
├── core/                   # 共享业务核心（模式 A 和 B 都依赖这里，自身不依赖任何一边）
│   ├── config.py           #   Settings + UI 模型 catalog + 双档画质预设
│   ├── schemas.py          #   域模型：GradingResult / SingleShotResult（pydantic）
│   ├── providers/          #   LLM provider 抽象层（详见 AGENTS.md）
│   │   ├── base.py         #     Provider ABC + ProviderError
│   │   ├── qwen.py         #     QwenProvider（阿里云百炼，OpenAI 兼容协议）
│   │   ├── gemini.py       #     GeminiProvider
│   │   ├── claude.py       #     ClaudeProvider
│   │   └── __init__.py     #     make_provider(name, settings) 工厂
│   ├── ocr.py              #   OCR 业务逻辑（provider-agnostic）
│   ├── grader.py           #   批改业务：grade（markdown）/ grade_json / single_shot
│   ├── imageproc.py        #   图片标准化（path / bytes 两个入口）
│   └── logger.py           #   日志 + task_id contextvar
├── demo/                   # 模式 A · 离线 Gradio Demo（uv run python -m demo.app）
│   ├── app.py              #   Gradio UI 主入口
│   ├── filenames.py        #   学号_姓名/页码.jpg 文件夹扫描
│   └── storage.py          #   每位学生一份 record JSON 持久化
├── backend/                # 模式 B · 批改任务中台（FastAPI + SQLite + asyncio worker）
│   ├── app.py              #   create_app() + lifespan + uvicorn 入口
│   ├── config.py           #   BackendSettings：core.Settings + API key / 并发 / 带宽
│   ├── db.py               #   aiosqlite 连接 + WAL + schema 迁移
│   ├── schemas.py          #   API 边界 pydantic（请求 / 响应 / webhook payload）
│   ├── repo.py             #   任务 CRUD + 状态机 + reclaim
│   ├── auth.py             #   X-API-Key 鉴权 dependency
│   ├── rate_limit.py       #   slowapi 按 api_key_id 限流
│   ├── routes/             #   FastAPI 路由
│   │   ├── tasks.py        #     POST/GET/list/retry/cancel
│   │   └── health.py       #     /livez /readyz /healthz /metrics
│   ├── worker.py           #   asyncio worker：Semaphore(8) + token bucket + grader 调用
│   ├── fetcher.py          #   URL→bytes 异步拉图（httpx + 退避 + size/mime 校验）
│   ├── webhook.py          #   HMAC-SHA256 回调（独立队列 + 指数退避 + 死信箱）
│   ├── token_bucket.py     #   全局上行带宽令牌桶
│   ├── metrics.py          #   Prometheus 指标定义
│   ├── admin_ui.py         #   只读 Gradio 后台（挂在 /admin）
│   └── prompts/            #   ⚠ 模式 B 的 fallback prompt（web 没传 override 时才用）
│       ├── ocr.md
│       ├── grading.md      #     批改 prompt（含 {ocr_review_block}，不含 {rubric}）
│       └── single_shot.md  #     Single-shot prompt（一次 vision 同时出转写+评分）
├── docs/
│   └── PLAN_CN_SINGLE_SCHOOL_2C2G.md  # 中台架构说明 / 容量预算（保留作历史参考）
├── scripts/
│   └── smoke_api.py        # 5 路烟测脚本（uv run python -m scripts.smoke_api）
├── data/                   # ⚠ gitignore；本地 + Docker 容器挂载点
│   ├── input/              #   学生作文输入目录（模式 A）
│   ├── records/            #   每位学生一份 record JSON（模式 A）
│   ├── exports/            #   导出的 Markdown（模式 A）
│   ├── grading.db          #   中台任务库（模式 B；首次启动自动创建）
│   ├── uploads/            #   中台 multipart 上传 + 标准化后图片（模式 B）
│   └── logs/               #   持久化运行日志（两种模式共享）
├── web/                    # 模式 C · 老师端 Next.js 应用（next dev / docker）
│   ├── app/                #   App Router：(auth)/login + (app)/{classes,batches,grade,settings} + api/*
│   ├── components/ui/      #   shadcn/ui（手写）：Button / Card / Dialog / Sheet / Table / Checkbox / ...
│   ├── lib/
│   │   ├── auth.ts / auth.config.ts   # NextAuth v5 Credentials + Prisma user 表
│   │   ├── db.ts                      # Prisma client singleton
│   │   ├── akapen.ts                  # akapen 中台 HTTP 客户端（创建任务 / 重试 / 退避）
│   │   ├── hmac.ts                    # 图片签名 URL + webhook 验签（HMAC-SHA256）
│   │   ├── uploads.ts                 # 上传配置 + magic-byte 格式检测
│   │   ├── grade-data.ts              # 批改大盘数据装载
│   │   └── actions/{classes,batches,grade}.ts  # server actions
│   ├── prisma/
│   │   ├── schema.prisma              # User / Class / Student / HomeworkBatch / Question / Submission / GradingTask
│   │   └── migrations/                # prisma migrate 产物，docker entrypoint 跑 migrate deploy
│   ├── data/                          # ⚠ gitignore；docker bind-mount 挂回宿主：./web/data → /app/data
│   ├── scripts/create-user.ts         # 命令行加老师账号
│   ├── Dockerfile                     # 三阶段（deps/build/runtime），node:22-alpine + non-root
│   ├── docker-entrypoint.sh           # prisma migrate deploy → node server.js
│   └── .env.example                   # AUTH_SECRET / IMAGE_URL_SECRET / AKAPEN_BASE_URL ...
├── pyproject.toml          # python 依赖 single source of truth（uv 用，模式 A/B）
├── uv.lock                 # uv 锁文件（committed，复现性靠它）
├── requirements.txt        # uv export 自动生成，仅供 backend Docker 构建用
├── Dockerfile              # python:3.12-slim + non-root + healthcheck（模式 B）
├── docker-compose.yml      # 一键部署 backend + web：3000/8000 端口 + ./data + ./web/data 挂载
├── .dockerignore           # 排除 venv / git / data / dataset 等
└── AGENTS.md               # 给 AI 改这个仓库时看的架构指南

新增一个 LLM provider（例如 OpenAI / 火山引擎 / 本地 vLLM）的步骤详见 AGENTS.md。

默认模型 & 思考策略

OCR：qwen3.6-plus（百炼 Qwen3.6 旗舰，多模态 + 1M 上下文，~5–10 秒/页）。非流式 chat 默认不开思考，对应 Gemini 的 thinking_budget=0：让 OCR 保持「快而傻」—— 原文转写、不主动纠错、看不清的字打 [?]。这能避免模型偷偷把学生写错的地方"修正"成正确的，导致批改时漏扣分。
批改：默认同样 qwen3.6-plus + single-shot——一次 vision 调用同时返回转写 + 评分，省一半带宽 + 一半延迟。想省钱可换 qwen3.6-flash / qwen3.5-flash（同样多模态，但更便宜更快）；想要更强推理可切到 gemini-3.1-pro-preview / claude-sonnet-4-5，或在 Qwen 3.6 上把 grading_thinking 打开（plus / flash 都支持运行时开思考）。

图片预处理

core/imageproc.py 在每次送 API 前会对每张图：

按 EXIF 信息纠正方向；
模式统一成 RGB；
长边缩放到 1600 px（保留清晰度的前提下给真实大图省带宽）；
重新编码 JPEG quality=85 + progressive。

学生手机直拍的 4000+ 像素大图能压到几百 KB，单次请求传输/计费都明显降低。

性能 & 调试

设置 Tab 里有：

OCR 并发数 / 批改并发数：默认 8 / 6，按你的速率限额调。
单次超时 (秒)：避开「Processing 半天没反应」的情况（注意 httpx timeout 是 per-IO，不是 wall-clock）。
最多重试次数：429/5xx 自动退避重试。

「任务」Tab 底部的实时日志框每 2 秒自动刷新一次内容来自 data/logs/app.log，刷新页面也不会丢，方便定位卡住的请求。

编辑后再重跑

「修改」Tab 里编辑 OCR 文本后，点「📝 用当前转写重新批改」会以你修改后的文本送批改，是处理 OCR 错字 / 疑难笔迹的主要手段。多页学生会以 Gallery 形式展示原图。

数据存放

容器无状态，所有 stateful 数据都在宿主机的两个目录，删容器不丢数据：

路径	内容	丢了的代价
`data/grading.db` (+ -wal/-shm)	backend 任务队列 / worker 状态（SQLite WAL）	重启重新跑就行
`data/uploads/`	backend 拉图后的标准化缓存	能重新拉
`data/records/`	每条任务的 prompt + LLM 原始输出	复盘用
`data/exports/`	模式 A 导出的 Markdown	重新导即可
`data/logs/app.log`	滚动日志（5MB × 3 备份）	排障用
`data/settings.json`	模式 A（Gradio）UI 里保存的设置	重填即可
`web/data/web.db`	老师账号 / 班级 / 学生 / 题目 / 批改结果	🔥 全没
`web/data/uploads/<batch>/<student>/<q>/...`	学生作业原图	🔥 全没

挂载契约（在 docker-compose.yml 里）：

./data:/app/data（backend）
./web/data:/app/data（web）

容器内进程 uid=1000；ECS 上的部署用户也得是 1000，否则容器写不进去（sudo chown -R 1000:1000 data web/data 一次解决）。

自动备份

scripts/backup.sh 一键备份核心数据：

用宿主 python3 stdlib 自带 sqlite3 模块对 *.db 做在线 .backup 快照（绕开容器没装 sqlite3 cli + 避免 WAL 漏写）
tar 打包 data/ + web/data/，自动排除 *-wal/*-shm/老 logs/临时上传
可选 BACKUP_OSS_BUCKET=... 自动 ossutil 上传 OSS（异地容灾）
自动清理 N 天前（默认 3 天）的本机 tar，避免无限堆积

配 cron 自动跑

ssh aliyun        # 登 ECS
crontab -e

在末尾加一行（每天 04:00 跑，凌晨服务器空闲）：

0 4 * * * cd ~/docker/akapen && ./scripts/backup.sh >> data/logs/backup.log 2>&1

保存退出后立刻生效。验证：

crontab -l                    # 看刚加的那行有没有
# 第二天看日志
tail -50 ~/docker/akapen/data/logs/backup.log

加 OSS 异地容灾（推荐）

只在本机存备份，盘炸的时候一起完蛋。先在 ECS 上装 ossutil：

curl -L https://gosspublic.alicdn.com/ossutil/v2/2.0.4/ossutil-2.0.4-linux-amd64.zip -o /tmp/o.zip
unzip /tmp/o.zip -d /tmp/
sudo mv /tmp/ossutil-*-linux-amd64/ossutil /usr/local/bin/

# 配 access key（阿里云 RAM 控制台建子账号，只授对应 bucket 的 OSS 写权限）
ossutil config -e oss-cn-shenzhen.aliyuncs.com \
  -i <AccessKeyId> -k <AccessKeySecret>

# 验通
echo hello > /tmp/test.txt
ossutil cp /tmp/test.txt oss://your-bucket/akapen/test.txt

然后改 cron，把 BACKUP_OSS_BUCKET 加上：

0 4 * * * cd ~/docker/akapen && BACKUP_OSS_BUCKET=oss://your-bucket/akapen ./scripts/backup.sh >> data/logs/backup.log 2>&1

OSS 控制台再开个生命周期规则：自动删 30 天前对象，免无限堆积。

⚠ 绝对不要用主账号 access key —— ECS 一旦被攻陷 key 泄露，OSS 全没。 RAM 子账号只授 AliyunOSSFullAccess（或更紧的：只对你那个 bucket 的写权限）。

恢复

ssh aliyun && cd ~/docker/akapen
docker compose down

mkdir restore && cd restore
tar -xzf /path/to/akapen_20260501_040000.tgz
mv data/grading.db.bak data/grading.db
mv web/data/web.db.bak web/data/web.db
rm -f data/*.db-wal data/*.db-shm web/data/*.db-wal web/data/*.db-shm
cd ..

rsync -av --delete restore/data/ data/
rsync -av --delete restore/web/data/ web/data/
docker compose up -d

详细恢复 / 反模式见 AGENTS.md §十三。

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

Akapen

启动

通用准备

模式 A · 离线 Gradio

模式 B · 批改任务中台（本地裸跑）

模式 B · Docker 一键部署（推荐）

模式 C · 老师端 Web (web/)

2C2G + 3 Mbps 部署提示

API Provider

输入格式

项目结构

默认模型 & 思考策略

图片预处理

性能 & 调试

编辑后再重跑

数据存放

自动备份

配 cron 自动跑

加 OSS 异地容灾（推荐）

恢复

About

Uh oh!

Releases 6

Packages

Uh oh!

Contributors

Uh oh!

Languages

Name		Name	Last commit message	Last commit date
Latest commit History 56 Commits
backend		backend
core		core
dataset		dataset
demo		demo
docs		docs
scripts		scripts
web		web
.dockerignore		.dockerignore
.env.example		.env.example
.gitignore		.gitignore
AGENTS.md		AGENTS.md
Dockerfile		Dockerfile
README.md		README.md
docker-compose.prod.yml		docker-compose.prod.yml
docker-compose.yml		docker-compose.yml
pyproject.toml		pyproject.toml
requirements.txt		requirements.txt
uv.lock		uv.lock

Folders and files

Latest commit

History

Repository files navigation

Akapen

启动

通用准备

模式 A · 离线 Gradio

模式 B · 批改任务中台（本地裸跑）

模式 B · Docker 一键部署（推荐）

模式 C · 老师端 Web (web/)

2C2G + 3 Mbps 部署提示

API Provider

输入格式

项目结构

默认模型 & 思考策略

图片预处理

性能 & 调试

编辑后再重跑

数据存放

自动备份

配 cron 自动跑

加 OSS 异地容灾（推荐）

恢复

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases 6

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages