一张有 1,644 个节点的中国 K12 知识图谱,以及让它有用的那些边

一个叫 `cn-math-taxonomy` 的仓库从 10 月 18 日出现到现在,大概攒下了 8,000 颗星,这个名字把它的野心说小了。它最早只是中国中小学数学的知识地图,现在覆盖了三年级起的英语、初中物理和初中生物。
数字是它被 star 的理由。1,644 个知识点,2,403 条先修边,6,723 道题。全部按 2022 年课程标准(2025 年修订)逐章对齐,一章不落。
里面到底有什么
这张图是从教材搭起来的,没有拿课标摘要当骨架。数学跟着人教版一到九年级,再加 2019 年 A 版高中教材,两本必修三本选修。英语从三年级起跟 PEP,初中用 Go for it! 系列,高中用 2019 年那一套。物理是另一条线,单独覆盖八、九年级两册,以及高中的必修和选修序列。
选教材而不是选课标,是这东西能用的原因。课标会说,学生应该在某个年级理解一次函数。教材会说,第十九章讲一次函数,它排在讲一元二次方程的第十八章后面,而这个先后顺序,正是诊断引擎需要的东西。
这张图的结构里有几个刻意的决定,值得停下来细看。英语是一张独立的图,和数学完全不连。初中英语往小学英语连,高中英语主要往初中英语连。物理也是自己的图,某个物理概念依赖的数学内容存在 `mathLinks` 字段里,不画成先修边。作者的理由没写出来,但站得住:一个解不了一元二次方程的物理学生,在图论意义上并没有缺什么先修知识,他缺的是一件工具。把两件事混在一起,诊断就会走错学科。
诊断才是产品
主打功能是自适应先修诊断,它的工作方式,就是这张图本身暗示的那种方式。
假设一个学生做错了一道高中题。系统沿着先修边往回走,逐个检查底下的概念,一直走到某个具体的小学知识点,那才是这次失败的根。它不会只丢一句「你该复习函数」,给出的结论更接近「你对分数和除法的关系不牢,所以分式化简才挂了」。
这和带难度标签的题库是两回事。它更像一个好家教的思路,而它成立的前提是边集足够完整,能让人在上面走。1,644 个节点、2,403 条边,平均每个节点出边不到 1.5 条。这很稀疏。先修 DAG 就该稀疏,多数概念只依赖一两个东西,这也意味着一条错误的边就能把整条路径带偏。
我没料到的部分
这份 README 里有一件在开放数据项目里很少见的东西:一份明确列出哪些内容无法核实的清单。
作者去找 2024 年版九年级下册数学教材的官方目录,没找到。出版社的介绍页讲了编写思路,没列章节;标着那一册的页面放的还是旧封面。2024 年版预计要到 2027 年春季才进课堂。
于是仓库把章节列表标注为「最可靠的推断」,说明它不是官方原文,给出所依据的第三方教辅页面,让读者自己去核对纸质书。它还注明某章的名字从「概率」改成了「随机事件」,并标出哪些教材版本尚未出版、暂时用上一版替代。
这个体量的项目,多数会选择把缺口填上,然后继续往前走。把缺口写清楚不花什么成本,却能让每一个下游用户都不至于把后面的工作,搭在一个自己不知道是猜测的东西上。
授权,在你做产品之前
代码和数据用 CC BY-NC 4.0。个人学习、教学、研究免费。付费课程、付费应用,以及机构收费的任何服务,都需要单独授权,这类授权由作者本人通过私信或邮件直接处理。
对中国以外、想拿它做点东西的人来说,这一条基本就是全部了。知识图谱上的非商业许可,做研究原型没问题,做产品就是拦路虎。数据本身还带着很难搬走的地域性:边的结构编码的是中国教材引入概念的顺序,这个顺序和美国或英国课标排同一批内容的顺序对不上。
为什么这件事不只关乎中国
两个原因,都和教育科技作为一个市场值多少钱无关。
第一,它是知识图谱真正擅长之事的干净例子。约束跟随。一张先修 DAG 能回答「这道题要成立,这个学生得先会什么」,这个问题有确定答案,语言模型会很乐意给你一个近似答案,偶尔还会答错。而图只需要一次遍历就答完了。
第二,它说明数据产品的价值落在哪。6,723 道题是大路货。1,644 个节点是认真干一周的活。2,403 条边,以及「哪些依赖画成边、哪些存成字段」这些决定,才需要真正的判断。现在任何人都能生成题目,几乎没人会坐下来跟自己争论一个物理概念的数学依赖该不该进图。
它同时也重新定义了题库这种东西值多少钱。六千道题听着像最难的部分,十年前确实是。现在模型一个下午就能按主题标好、成批产出来。它产不出的是顺序:这个概念依赖那个概念,这句话得由一个两边都教过、知道学生到底卡在哪的人说出来。这个判断是稀缺输入,也是非商业许可在保护的东西。
你要评估这张图是否适合自己用,其实有一个测试就能回答大部分问题。挑一个学科里靠上的概念,把它的先修链一路走到最底下,然后大声读出来。如果每一步听起来都像老师会说的话,说明这些边是有人认真搭出来的。如果某一步从因式分解一元二次方程直接跳到理解负数,中间什么都没有,你就找到了这张图证据用尽、开始推断的地方。
想自己试的话,仓库和 math.pansgo.com 上的演示站是两个入口,数据是干净的纯文本,能直接塞进任何认图的工具里。先读那节讲「暂定内容」的部分。那一段才告诉你,剩下的部分该信多少。