适用版本：v1.0.10 及以上 · 更新日期：2026-09-02
题舟是一个本地优先的开源考公学习工作台：学习数据全部存在你自己的电脑上，题库由你自己导入，AI 功能可选。这份手册覆盖安装、各功能模块的用法、数据备份迁移和常见问题。
目录
- 本地优先：学习记录、题库、设置全部存放在本机，不上传任何服务器；无广告、无推送、无使用统计
- 题库自主：题舟不分发题目内容（版权原因），题库由你用自己拥有的资料导入；扫描版题本 PDF 也能通过本地 OCR 转成结构化题库
- AI 可选：不配置任何模型也能完整刷题、模考、复习；接入模型后可获得 AI 讲解、申论评估、变式训练等增强能力
左侧导航栏分为五组：
| 分组 | 页面 | 用途 |
|---|---|---|
| 总览 | 今日工作台 | 今日任务、学习统计、薄弱项推荐 |
| 训练 | 专项练习 | 顺序 / 随机 / 自适应刷题 |
| 错题复习 | 错题归类、间隔复习、AI 讲解 | |
| 模拟考试 | 智能组卷模考、真题原卷模考 | |
| 知识 | 知识库工坊 | 导入题库与资料（含 OCR） |
| 行测知识 / 行测方法 | 浏览行测知识点与方法论文档 | |
| 申论知识 / 申论方法 | 浏览申论知识点与方法论文档 | |
| 规律中心 | 查看总结的题型规律 | |
| 提升 | 申论作答 | 材料题作答与 AI 评估 |
| 学习报告 / 能力诊断 | 学习数据分析 | |
| AI 助教 / AI 变式训练 | 对话答疑、变式出题 | |
| 系统 | 学习环境 | 数据目录、知识库管理、Obsidian 连接 |
| 模型设置 | 配置 AI 服务商与 API Key | |
| 应用设置 | 主题、默认值、备份、迁移 |
侧栏底部有主题切换按钮（太阳/月亮图标），可在浅色（宣纸白）与深色（墨黑）之间切换；也可在应用设置中选择"跟随系统"。
| 项目 | 要求 |
|---|---|
| 操作系统 | Windows 10 1809+ / Windows 11（64 位） |
| 处理器 | 64 位 Intel / AMD 双核 |
| 内存 | 4 GB（推荐 8 GB） |
| 硬盘 | 500 MB（应用）+ 200 MB（OCR 引擎）+ 题库空间 |
| Python | 3.10+，仅"扫描 PDF 导入"需要 |
| 网络 | 仅安装引擎、检查更新、使用 AI 功能时需要 |
- 从 GitHub Releases 下载
tizhou-setup-X.X.X.exe，可用同页的SHA256SUMS.txt校验文件完整性 - 双击运行；Windows SmartScreen 可能提示"未知发布者"，点击更多信息 → 仍要运行（应用未购买商业代码签名证书）
- 选择安装路径（默认
%LOCALAPPDATA%\Programs\tizhou），安装完成后自动创建桌面快捷方式
- 应用启动后即显示内置示例题库，可直接体验训练、模考、申论、报告全部功能
- 要导入自己的题库（尤其是扫描版 PDF），进入知识库工坊安装转换引擎（详见 4.8 知识库工坊）
- 要使用 AI 功能，进入模型设置配置 API Key（可选）
侧栏底部的检查更新按钮：点击后应用会自动探测网络，优先从国内镜像（cnb.cool）检查更新，不可达时回退 GitHub Releases；发现新版本时会询问是否下载，下载完成后确认即可自动安装并重启。整个过程只访问版本信息，不发送个人数据。
从早期"砺知考公工作台"或旧版题舟升级：直接安装新版本即可，首次启动会自动把旧数据目录迁移到新位置，学习记录与题库无感保留。
- 控制面板 → 程序 → 卸载"题舟"
- 卸载不会删除用户数据：学习记录、题库、API Key 均保留在
%APPDATA%\tizhou - 如需彻底清理，手动删除
%APPDATA%\tizhou目录
打开应用 → 侧栏「专项练习」→ 保持默认参数 → 开始训练
内置示例题库开箱可用，作答后即可看到解析、错题自动进入复习队列。
1. 知识库工坊 → 安装转换引擎（约 200 MB，含 OCR 模型，一次性）
2. 知识库工坊 → 选择题本文件夹 → 产物类型「直导题库」→ 开始导入
3. 导入完成后抽查题目 → 全部批准 → 发布入库
4. 模型设置 → 选择服务商 → 填入 API Key → 测试连接（可选）
5. 回到「专项练习」或「模拟考试」正式开刷
题库从哪来、支持哪些格式，另见《题库导入指南》。
首页一览今天的整体状态：
- 今日任务：对照"每日目标题数"（应用设置中可改）显示当日进度与待办
- 统计条：累计题量、正确率等关键数字
- 训练节奏：最近 14 天的作答日历，一眼看出连续性
- 科目掌握度：各科目正确率与题量分布
- 薄弱项推荐：自动识别最薄弱科目，点补强训练直接带着推荐参数跳入专项练习
侧栏「专项练习」进入自由刷题：
- 选题模式：自适应优先（优先推你的薄弱题）/ 随机抽题 / 顺序训练
- 解析方式：逐题即时解析，或整组汇总解析（全部作答完再统一展示）
- 可按科目、题量筛选；题量默认值在应用设置中调整
- 作答进度即时落盘，中途关闭应用后可继续
- 做错的题自动进入错题复习队列
从今日工作台点「补强训练」进入时，页面顶部会显示推荐提示，参数已自动填好。
- 错题按科目归类，每题可记录错因
- 采用分级间隔复习：越熟练的题重现间隔越长
- 配置模型后可用 AI 深度讲解：针对这道题追问思路、陷阱、同类题解法
两种模考方式：
智能组卷模考
- 自行设定题量、限时分钟（默认值在应用设置中调整）
- 统一交卷：交卷后才进入训练统计和错题系统，还原真实考试节奏
- 答案逐题落盘，中途关闭应用不丢进度，重新打开可继续作答
真题原卷模考
- 按试卷原题号顺序整卷组卷，限时 120 分钟
- 题目来自当前知识库，联考共用题已去重；题量不足 30 题的卷不出现在列表
交卷与结果
- 交卷前会弹出确认框，提示未作答题数
- 数据保护：主观题作答自动保存（约 0.6 秒防抖）；若保存失败，交卷会被阻止并提示「重试保存」，避免答案丢失
- 交卷后进入结果页：得分、正确率、已答/未答、实际用时，并提供错题复习、学习报告、再考一次的入口
- 左侧给定材料，右侧题干与作答草稿
- 草稿自动保存，跨会话保留，重启不丢失
- 配置模型后可提交 AI 评估；未配置模型时使用本地规则评分兜底
- 学习报告：正确率趋势、模块分布、科目掌握情况
- 导出 Markdown：把当前范围的报告保存为 Markdown 文件（自选位置）
- 导出到 Obsidian：配置了 Obsidian Vault（见学习环境）后，报告直接写入 Vault 的「学习报告」文件夹，在 Obsidian 中可检索、可双链；同一天同一范围重复导出自动覆盖更新（只覆盖题舟生成的文件，不碰手写笔记）
- 能力诊断：强弱项排序与复习优先级建议
- 学习计划：按天分配任务，计划项可直接跳转执行（去阅读 / 去训练 / 去复习 / 去变式）
- AI 助教：对话式答疑
- AI 变式训练：对错题做变式出题强化（需配置模型）
行测知识 / 行测方法 / 申论知识 / 申论方法 / 规律中心五个页面用于浏览导入的知识文档：
- 左侧文档列表、右侧内容，各自独立滚动
- 知识文档来自你的导入（见下节）或内置示例
- 知识中心保持纯知识点定位：题本类材料只进作答题材料区，不混入知识文档
这是把你的 PDF 变成题库的地方。首次使用需安装转换引擎。
- 进入「知识库工坊」，点击安装转换引擎
- 引擎会创建独立 Python 环境并安装组件（MarkItDown、RapidOCR 等，约 200 MB），进度条按阶段显示
- 前提：系统已安装 Python 3.10+（python.org 下载，勾选 Add to PATH）
- 已装环境但缺 OCR 组件时，按钮会变为补装 OCR 组件
转换组件（MarkItDown/RapidOCR 等）通过 pip 安装。默认「自动」模式：每次安装开始时对官方 PyPI 与国内镜像（清华/阿里云/腾讯云）测速，选最快的国内源；也可在「转换环境」卡片里手动钉死某个源。该设置只影响应用内的安装命令，不会改动系统 pip 配置；若你设置了环境变量 PIP_INDEX_URL，应用会优先尊重它。
扫描式 PDF 的 OCR 识别默认走 CPU。转换环境就绪后，「转换环境」卡片会出现 GPU 加速状态行：
- 检测到独立显卡（NVIDIA/AMD/Intel Arc）时会显示「可安装」，点击启用 GPU 加速即可（安装 DirectML 推理后端，约 100 MB）
- 启用后扫描识别速度约提升 2-3 倍；识别结果与 CPU 完全一致，不存在精度差异
- 安装时会自动做生效探针验证：若显卡驱动不支持，会自动回退 CPU 后端并明确提示，绝不会停在"装了等于没装"的状态
- 想恢复原状随时点移除 GPU 加速，自动换回 CPU 推理后端
- 无独立显卡的机器不会显示安装入口，一切照旧
适用于"题本 + 解析/答案册"成套的行测资料，以及「训练N」单元式的申论主观题教材，全程零 API、完全本地：
申论教材直导：「【训练一】标题 / 训练一：标题」两种版式的主观题教材可直接直导——自动按章节分类、切出材料与提问句、识别年份与卷别。这类书通常没有参考答案，题目会以无答案形态入库（带"暂无参考答案"警告），练习配合「申论作答」页的 AI 批改使用。
- 把题本 PDF 和解析/答案册 PDF 放在同一个文件夹（可含子文件夹）
- 工坊中选择该文件夹，产物类型选直导题库
- 点击开始导入，应用会自动完成：
- 转换：PDF 提取文本；扫描页自动走本地 OCR（逐页检测，混合 PDF 不漏识别）
- 切题：按题号状态机切分题目、选项、解析
- 配对：题本与解析册按套号 + 题号配对，并把答案配上
- 去重：与现有题库及批内重复题自动跳过（重复导入同一本书是安全的）
- 完成后进入审核：左侧产物列表、右侧预览，可逐题查看；支持按状态筛选和分页
- 抽查无误后点全部批准，再点发布，题目写入当前活动题库的「直导题库」目录
质量保护机制：
- 配对校验：解析册在参考答案前重印的题干会与题本题干比对；整本书对齐率过低时直接拦截并提示"题本与解析疑似套号错位"
- OCR 质量报告：每个文件显示平均置信度、OCR 行数与低质量警告，可筛选"有警告"的产物重点抽查
- 按任务撤销：已发布的导入任务可一键撤销，删除本次发布的全部题目
- 单题纠错：题库是纯 Markdown 文件，找到对应文件改完重新索引即可
- 转换缓存：转换结果按源文件内容自动缓存（容量 1 GB，超出时淘汰最旧）。取消重跑、换模式重导同一批文件不再重复 OCR，命中时文件状态显示"缓存命中"
- 申论书误用提示：全书只有训练式标题但无法稳定切题时，任务消息会建议改用「AI 知识提取」模式
支持的答案格式：解析册内【参考答案】标记块 / 书尾1-5:BBDBC式分组答案 / 独立答案文件。
模块适用性提示：
- 文字为主模块（言语理解、判断推理、片段阅读、申论）导入效果最佳
- 资料分析等图表密集型内容：统计表与图表在扫描件中以图片存在，OCR 只能线性读出数字流，无法保证数字与年份/项目的对应关系正确。此类题目发布入库前请重点核对材料中的关键数字，或将该模块交给「AI 变式训练」生成替代练习
- OCR 置信度高不代表数字层级关系正确——置信度衡量"认字把握"，不衡量表格结构还原能力
配置模型后，可把讲义类资料整理成结构化知识文档：转换 → AI 提取 → 二次审校 → 人工批准 → 发布，与直导共用审核界面。
学习环境
- 应用数据：数据目录位置与占用
- 知识库：管理多个题库 Vault、切换当前活动库
- AI 模型：选择默认模型
- Obsidian 连接（可选）：检测本机 Obsidian、配置 Vault 目录。配置后学习报告可一键写入 Vault（见4.6），也可从题舟直接打开 Obsidian、备份/恢复
.obsidian配置。支持官方安装器、Microsoft Store 版、Scoop 等安装方式；安装或移动 Obsidian 后点重新检测即可，无需重启应用
模型设置
- 支持主流服务商（DeepSeek、通义千问等）与本地 Ollama
- API Key 填写后点测试连接验证可用性
- Key 使用 Windows DPAPI 加密存储
应用设置
- 界面与训练默认值：主题（浅色 / 深色 / 跟随系统）、每日目标题数、默认练习题数、默认模考分钟
- 数据备份：立即备份、备份列表与恢复、保留备份数量（见第 5 节）
- 跨机迁移：导出 / 导入迁移包（见第 6 节）
| 数据 | 位置 |
|---|---|
| 学习记录、设置、题库索引 | %APPDATA%\tizhou\workbench.sqlite |
| 自动备份 | %APPDATA%\tizhou\backups\ |
| OCR 转换引擎 | %APPDATA%\tizhou\knowledge-builder\engine\ |
| 应用管理的题库 | %APPDATA%\tizhou\knowledge-builder\managed-vault\ |
| 你连接的外部题库 | 你自选的目录（如 E:\tizhou-vault） |
题库本身是纯 Markdown 文件，可以用任何文本编辑器打开查看或修改。
应用每天首次启动时自动创建数据库备份，默认保留 12 份（可在应用设置中调整）。
- 应用设置 → 数据备份 → 立即备份
- 备份文件保存在
%APPDATA%\tizhou\backups\ - 恢复：在备份列表中点击恢复；恢复前会自动创建 pre-restore 快照，可撤销
建议在导入大批题库或大模考前手动备份一次。
换电脑时完整搬走学习数据与题库：
- 旧机器：应用设置 → 跨机迁移 → 导出迁移包（包含学习记录数据库 + 全部用户知识库 + 清单）
- 把迁移包拷贝到新机器（U 盘 / 网盘均可）
- 新机器：安装题舟 → 应用设置 → 跨机迁移 → 导入迁移包，应用会自动拷贝知识库并重启完成切换
- API Key 需在新机器重新填写：加密密钥不随包迁移，这是安全设计
- 本地优先：所有学习数据存储在本机，不上传任何服务器
- 不上传资料：你导入的 PDF / Word 只在本机转换和存储
- API Key 安全：使用 Windows DPAPI 加密存储，不写入明文文件
- AI 可选：仅在主动使用 AI 功能时调用你配置的模型服务
- 无遥测：应用不收集任何使用统计或诊断数据
- 检查更新：仅访问 GitHub Releases 获取版本信息，不发送个人数据
应用未购买商业代码签名证书。点击"更多信息 → 仍要运行"即可安全安装。
确认系统已安装 Python 3.10+（从 python.org 下载，安装时勾选 Add to PATH），然后重新点击"安装转换引擎"。若使用 uv 等工具管理 Python，也支持以 py 启动器注册的版本。
API Key 使用 Windows 用户级加密（DPAPI），换机器 / 换用户后需重新填写。这是安全设计。
不会。选择题每次作答立即落盘；主观题约 0.6 秒自动保存。重新启动后从上次进度继续。若保存失败，交卷会被阻止并提供「重试保存」。
题库是纯 Markdown 文件：到题库目录（应用管理的库在 %APPDATA%\tizhou\knowledge-builder\managed-vault\，直导题在其中的「直导题库」子目录）找到对应文件修改，然后重新索引。整批问题可用知识库工坊的撤销本次导入回滚后重导。
说明题本与解析册的题干重印对不上（可能文件顺序错、版本不匹配）。检查文件夹里是否放错了文件或混入了其他书的分册，调整后重试。这个拦截是防止题目配上错误答案的保护机制。
示例库仅供体验功能，可以像管理其他知识库一样在「学习环境 → 知识库」中切换活动库；正式使用建议导入自己的题库后切换。
更新走 GitHub Releases，国内网络可能较慢，可稍后重试，或直接到 Releases 页面手动下载新版安装包覆盖安装（数据不受影响）。
多为网络代理或模型端点参数问题。确认 API Key 有效、测试连接通过；若使用代理，参考 Issues 中的代理兼容说明。
- 项目地址：https://github.com/nghqqa/tizhou
- 问题反馈：https://github.com/nghqqa/tizhou/issues（附上操作系统版本、题舟版本与复现步骤会更快定位）
- 题库导入详解：《题库导入指南》
- 许可证：MIT