init: edu-content 内容库骨架（L1-L4 四层数据模型 + B类迁移 + lint/CI 工具）

2026-08-22 00:16:49 +08:00
--- a/docs/conventions.md
+++ b/docs/conventions.md
@@ -0,0 +1,45 @@
+# conventions.md — Agent 操作手册
+
+本库供 agent（脚本/人类）规范操作。读完本文 + 根 `INDEX.json` 即可正确新增内容。
+
+## 新增一个 source（L1）
+
+1. 在 `sources/{china|exams|internal}/` 下选/建对应域 YAML。
+2. 加一条 `source`，**必填** `id`(kebab-case 唯一)、`title`、`publisher`、`type`、`license`、`status`。
+3. `license` 必须是 `LICENSES.md` 枚举值；不确定就先标 `unknown`，但 30 天内须核查。
+4. 还没下载的条目 `status: planned`，**不要**先写 `oss_key`。
+5. 下载后：`status: fetched`，`fetched_at: YYYY-MM-DD`，在 `items[]` 登记每个文件。
+
+## 上传原始文件到 OSS（L2）
+
+- 路径约定：`edu-raw/{k9|exams|internal}/{学科或考试}/{类目}/{source-id}/{filename}`
+- 文件名**保持原始名**（便于法务比对原件）；清洗发生在 structured 层。
+- 运行 `python tools/oss_sync.py`：上传 `sources/` 里标记待传的文件，自动回填 `oss_key`/`sha256`/`size`/`fetch_date`。
+
+## 写结构化数据（L3）
+
+- 落在 `structured/` 对应学科/考试目录。
+- JSONL 记录必须带 `source.source_id`（指向 `sources/` 的 source id）+ `schema` 版本号。
+- 记录级/字段级 license 标注沿用 vocab 的成功模式（见 `schemas/vocab-1.1.md`）。
+- 每条 L3 记录的 `license` = 其引用 source 的最严格许可（lint 会重算并校验）。
+
+## 衍生数据（L4）
+
+- **不在此仓库**。去 `edu-derived`：生成资产 + 在 `manifest/assets.jsonl` 登记 `inputs[]`（指向本库 source_id 或具体文件路径）。
+- 红线：L4 的 `inputs` 不得含 `restricted`/`internal-only`/`unknown`，否则 `edu-derived` 的 lint 直接失败。
+
+## 命名
+
+- source id / item id / 目录名：kebab-case。
+- L3 记录 id：`{考试缩写}-{来源缩写}-{序号4位}`，如 `a2k-cepoc-0001`、`b1-official-0012`。
+- OSS key 与 git 路径同构：`structured/exams/ket/vocab/` ↔ `edu-raw/exams/ket/vocab/`。
+
+## 校验与提交
+
+```bash
+python tools/lint_sources.py      # source 登记合规
+python tools/lint_structured.py   # 血缘 + license 继承
+python tools/index_build.py       # 重新生成 INDEX.json
+git add -A && git commit -m "..."
+```
+CI（Gitea Actions）会在 push 时自动跑上述 lint，失败则标红。**不要**绕过 lint 提交。
--- a/docs/research/README.md
+++ b/docs/research/README.md
@@ -0,0 +1,11 @@
+# docs/research/ — 调研报告归档（只读）
+
+历史调研原样归档，**真相以 `sources/` 为准**（这里只是来源依据）。
+
+| 报告 | 对应提取的 sources |
+|---|---|
+| 题库资源调研报告.md | china/smartedu.yaml（含 tal-scq5k/ape210k/math23k/cmath）、china/ceval.yaml、exams/amc-past.yaml、exams/ccf-csp.yaml |
+| 可下载题库资源清单.md | 同上 + 下载方式分类；restricted 红线见根 `LICENSES.md` |
+| open-source-asset-scan.md | exams/cambridge-official.yaml、exams/cepoc.yaml |
+
+> 提取原则：调研发现但**未下载**的条目，`status: planned`，license 按报告红线填（版权灰标 `unknown`）。
--- a/docs/research/open-source-asset-scan.md
+++ b/docs/research/open-source-asset-scan.md
@@ -0,0 +1,153 @@
+# KET/PET 开源与免费备考材料调研报告
+
+> 调研日期：2026-08-21
+> 调研范围：剑桥 A2 Key (KET) / B1 Preliminary (PET) 的免费官方资源、GitHub 开源项目、开放数据集、电子书资源库
+> 用途：为 english-site 项目评估可用素材，标注版权风险
+
+---
+
+## 一、结论速览
+
+| 需求 | 推荐来源 | 版权风险 |
+|---|---|---|
+| 真题样卷 | 剑桥官网 Preparation 页（纸笔+机考样卷、答案、录音文本） | ✅ 无，官方免费 |
+| 词汇表 | 官方 2020 版词汇表 PDF 直链 | ✅ 无，官方免费 |
+| 机读题库 | CEPOC 数据集（GitHub，剑桥官方发布） | ✅ 低，研究用途许可 |
+| 练习类 Web 工具 | ketenglish / vocabulary-app 等开源项目 | ✅ 无，MIT/开源 |
+| 系统教材电子版 | SkoolPlus/PET 等仓库 | ⚠️ 高，盗版商业书 |
+
+---
+
+## 二、剑桥官方免费资源（合法，直接下载）
+
+### 2.1 备考主页（样卷 + 词汇表 + 口语视频）
+
+- A2 Key 备考页：<https://www.cambridgeenglish.org/exams-and-tests/key/preparation/>
+  - 纸笔试卷样卷（读写/听力/口语）、机考样卷、答案与录音文本、口语考试实考视频配考官点评
+- B1 Preliminary 备考页：<https://www.cambridgeenglish.org/exams-and-tests/preliminary-for-schools/preparation/>
+- 中文版教师资源入口（可按考试等级 + 资源类型筛选教案/手册/词汇表/样卷）：<https://cambridgeenglish.cn/teaching-english/resources-for-teachers/>
+
+### 2.2 官方词汇表直链（PDF）
+
+- A2 Key 2020 词汇表：<https://www.cambridgeenglish.org/Images/506886-a2-key-2020-vocabulary-list.pdf>
+- B1 Preliminary 2020 词汇表：<https://www.cambridgeenglish.org/Images/506887-b1-preliminary-2020-vocabulary-list.pdf>
+- B1 for Schools 词汇小册子：<https://www.cambridgeenglish.org/Images/648172-b1-preliminary-for-schools-vocabulary-booklet.pdf>
+
+**注意**：官网词汇表只列单词和词性，无中文释义和用法，做产品时需要自己补翻译和例句。
+
+### 2.3 免费练习工具（官方）
+
+| 工具 | 形态 | 说明 |
+|---|---|---|
+| Write & Improve | 网站 | 免费写作练习 + 即时评级，KET/PET 写作提分利器：<https://www.cambridgeenglish.org/learning-english/free-resources/write-and-improve/> |
+| Exam Lift | iOS/Android App | 官方 KET/PET for Schools 每日练习 |
+| Test & Train | 网站 | 300+ 道官方练习题 |
+| 免费在线活动 | 网站 | 阅读/写作/听力/语法/发音/词汇分类练习 |
+
+### 2.4 剑桥出版社资源页（Practice Test + 音频）
+
+- PET 资源页（Practice Test PDF、全套音频、Exam Boosters 音频免费下载）：<https://www.cambridge.org/do/cambridgeenglish/catalog/cambridge-english-exams-ielts/preliminary/resources>
+- 部分 "Sign in" 标记的资源需要剑桥教师账号，音频和 Booster 类多为直接下载。
+
+---
+
+## 三、CEPOC 数据集（重点推荐：唯一的官方机读题库）
+
+### 3.1 基本信息
+
+- 仓库：<https://github.com/CambridgeALTA/cepoc>
+- 全称：Cambridge Exams Publishing Open Cloze dataset
+- 发布方：剑桥大学计算机实验室 Cambridge ALTA（真题版权方自己开源的数据）
+- 配套论文：Felice, Taslimipoor, Andersen & Buttery (2022). *CEPOC: The Cambridge Exams Publishing Open Cloze dataset.* LREC 2022
+- 内容：剑桥五级真题中的 **Open Cloze（开放式完形填空）** 题目，对应 A2 Key 读写 Part 4 / B1 Preliminary 阅读 Part 4 题型
+
+### 3.2 数据构成
+
+| 考试 | CEFR | 套数 | 空格总数 |
+|---|---|---|---|
+| KET | A2 | 6 | 68 |
+| PET | B1 | 21 | 150 |
+| FCE | B2 | 36 | 360 |
+| CAE | C1 | 30 | 288 |
+| CPE | C2 | 21 | 200 |
+
+KET/PET 合计 27 套 / 218 空；FCE 档最丰富（36 套 / 360 空），适合后续升级复用。
+
+### 3.3 数据格式（JSONL，每行一套题）
+
+```json
+{"id": 1,
+ "title": "",
+ "text": "Dear Melissa\n\nHow are things _ London? I had a great time staying with you. ...",
+ "gaps": [
+   {"item": 1, "answers": ["in"]},
+   {"item": 2, "answers": ["me"]},
+   {"item": 5, "answers": ["when", "while"]},
+   {"item": 12, "answers": ["to", "I'll", "we'll"]}
+ ]}
+```
+
+关键设计点（已实拉 KET.json 验证）：
+
+- `text` 中空格用 `_` 占位，`split("_")` 即可切分上下文
+- **`answers` 是数组**：官方标注多个可接受答案（如 `["because", "as", "since"]`）。判题逻辑必须做集合匹配，不能字符串全等
+- `title` 恒为空字符串，真实标题未保留
+- 题材全部是青少年生活场景（邮件、聚会邀请、博客），与 for Schools 风格一致
+
+### 3.4 许可
+
+README 声明 "free to use for research purposes"，完整条款在仓库 `licence.txt`（剑桥系数据集惯例通常为 CC BY-NC-SA 类非商业条款）。**自用/练习工具/实验没问题；商业化或大规模再分发前需读 licence.txt 或联系作者**（mf501@cam.ac.uk 等，README 留有四位作者联系方式）。
+
+### 3.5 应用思路
+
+1. 打印练习纸：`_` 替换为编号空格，answers 全量印成答案页
+2. 接 TTS：答案回填原文后朗读，生成精读/听力材料
+3. 与开源工具 ketenglish 的精听播放器联动（它需要"导入音频与原文"）
+4. 按语法点聚类（介词/连词/代词/比较结构）做错题归因
+
+---
+
+## 四、GitHub 开源项目（工具类，可部署可二开）
+
+| 项目 | 地址 | 内容 | 技术栈/许可 |
+|---|---|---|---|
+| ketenglish | <https://github.com/lierwang19/ketenglish> | KET 家庭备考工具：单词间隔重复复习（0/1/3/7/14/30 天）+ 听力句段精听播放器；面向家长备课、孩子纸上做题、拍照 OCR 批改 | 原生 HTML/CSS/JS + IndexedDB + PWA 离线，Docker 部署 |
+| vocabulary-app | <https://github.com/ztzx3156/vocabulary-app> | KET（约 600 词）/PET 儿童背单词：翻卡学习、拼写测试、错词回炉、金币奖励 | 纯前端，双击 HTML 即用，MIT |
+| KET-Flashcard | <https://github.com/gemchen/KET-Flashcard> | KET 词汇闪卡站，预置多单元词汇可自定义 | Next.js + MongoDB |
+| CEPOC | <https://github.com/CambridgeALTA/cepoc> | 见第三节 | 研究许可 |
+
+---
+
+## 五、电子书合集库（⚠️ 版权灰色地带，谨慎使用）
+
+### 5.1 SkoolPlus/PET（已验证可访问）
+
+- 地址：<https://github.com/SkoolPlus/PET>（公开仓库，最后更新 2023-03，已停止维护）
+- 性质：**直接上传整本商业教材 PDF 的"电子书仓库"**，非软件项目
+
+| 文件/目录 | 内容 | 版权方 |
+|---|---|---|
+| B1-Preliminary-for-Schools-Trainer.pdf | B1 Trainer 官方模拟题集（6 套题） | Cambridge UP |
+| Destination-B1-Grammar-and-Vocabulary.pdf | B1 语法词汇练习册（带答案） | Macmillan |
+| B1-Preliminary-1-Authentic.../ | Authentic Practice Tests 1（含音频） | Cambridge UP |
+| ebook_SiMPLY-B1-PET.../ | SiMPLY B1 全真模拟 | Global ELT |
+| ebook_Succeed-in-B1.../ | Succeed in B1 | Global ELT |
+| my-notes/ | 上传者个人笔记 | — |
+
+### 5.2 风险评估
+
+- 仓库标 CC0 但 README 自认 "we do not own copyrights to some books"——**CC0 只覆盖仓库本身，书是商业版权书，本质是盗版资源**
+- 个人下载学习风险低，但**不得二次分发/入产品/传播**
+- 随时可能被 DMCA 下架；扫描质量参差，音频链接可能已失效
+
+**建议**：项目素材不从这里来；系统刷题需求用官方样卷 + 正版纸质书（Trainer 二手约几十元）解决。
+
+---
+
+## 六、对 english-site 项目的素材路线建议
+
+1. **题库种子数据**：CEPOC（KET/PET 218 空，多答案标注，机读）
+2. **词汇数据**：官方词汇表 PDF 解析成结构化词库（需自补中文释义/例句，可参考 vocabulary-app 的 600 词分类词库）
+3. **样卷/音频**：官网 Preparation 页 + cambridge.org 资源页直接下载
+4. **功能参考**：ketenglish 的间隔重复 + 错词回炉逻辑、vocabulary-app 的游戏化设计
+5. **版权红线**：商业教材 PDF 不进入项目 assets；对外分发的内容只来自官方免费资源与自研/开源代码
--- a/docs/research/可下载题库资源清单.md
+++ b/docs/research/可下载题库资源清单.md
@@ -0,0 +1,82 @@
+# 可下载的中国中小学数学/物理题库资源清单
+
+> 整理自 2026-08-21 深度研究。物理仅初中开设（小学不开物理），数学覆盖小学+初中。
+> 按"能否真正落到本地文件"分类，并标注下载方式、体量、许可证红线。
+
+---
+
+## 一、开源/结构化数据（可直接下载，我可帮你拉取+清洗）
+
+| 资源 | 学科与学段 | 体量 | 下载方式 | 格式 | 许可证/用途 |
+|---|---|---|---|---|---|
+| **好未来 TAL-SCQ5K** | 数学（小学/初中/高中，偏竞赛选择） | 5000 题 | GitHub / HuggingFace clone | JSON（含答案、解题步骤、难度、知识点链条） | 开源，需确认协议是否允许商用 |
+| **Ape210K** | 小学应用题 | 21 万题 | GitHub `yuantiku/ape210k` | JSON（含答案+方程式） | 开源，偏研究/教育用途 |
+| **Math23K** | 小学应用题 | 2.3 万题 | GitHub `SCNU203/Math23k`（猿辅导开源） | JSON | 开源，偏研究/教育用途 |
+| **CMATH** | 小学应用题（按 1–6 年级标注） | 1.7k 题 | HuggingFace `weitianwen/cmath` | JSON（含干扰项鲁棒测试） | 开源，偏研究/教育用途 |
+| **C-Eval** | 数理（含 `middle_school_mathematics` / `middle_school_physics`） | 13948 题 / 52 学科 | GitHub `SJTU-LIT/ceval` | JSON（选择题） | ⚠️ **CC-BY-NC-SA 4.0 非商业**，教学/研究可用，商用禁用 |
+| **PhET** | 物理仿真（探究型，非卷子） | 173 个交互仿真 | 官网 phet.colorado.edu/zh_CN 离线下载 | 仿真程序（简体中文） | ✅ **CC-BY-4.0 可商用**，仅需署名 |
+| **gaokaomath 等** | 高考数学真题（偏高中） | 1952–2026 PDF | GitHub | PDF / LaTeX | 版权灰（高考试题归命题方，再分发有风险） |
+
+**特点**：这类的"可下载性"最好——无登录、无反爬、结构化数据现成。其中 TAL-SCQ5K / Ape210K / CMATH / C-Eval 可直接入库做训练/评测数据；PhET 是物理开放资源里最干净合法的，但形态是仿真不是卷子。
+
+---
+
+## 二、网盘整包下载（点一下即可，我无法代下）
+
+| 资源 | 学科与学段 | 体量 | 下载方式 | 说明 |
+|---|---|---|---|---|
+| **QQ学生网·十年中考真题** | 初中数学 + 初中物理 | 数学 1.18GB + 物理 3.7GB（2013–2025 全国各省） | 百度/夸克网盘整包 | 真实考卷、题量巨大；标注"仅供家长老师参考"，商用有版权风险 |
+
+**特点**：适合一次性搬走大量真题建库/模考。需你手动从网盘拉取，下完交我清洗入库。
+
+---
+
+## 三、登录后组卷→导出下载（需手动操作）
+
+| 资源 | 学科与学段 | 下载方式 | 说明 |
+|---|---|---|---|
+| **国家中小学智慧教育平台·习题库** | 小学数学、初中数学/物理（约 1.5 万题） | 注册「智教通行证」登录 → 按章节组卷 → 导出「题目」或「题目+答案」Word | 教育部官方，天然合法；含解析视频/AI答疑。不是整库打包，是"组卷→导出"工作流 |
+
+**特点**：质量最高、最合法免费的课内同步来源。我可生成精确组卷覆盖清单（版本/年级/册次/章节→卷名），你照单组卷导出后，交我解析清洗成统一题库。
+
+---
+
+## 四、免费网站逐份下载（手动，版权偏灰）
+
+| 资源 | 学科与学段 | 下载方式 | 说明 |
+|---|---|---|---|
+| **第一试卷网** | 小学/初中数学、初中物理 | 免注册，Word 逐份下 | 同步练习 |
+| **教习网** | 小学/初中（按教材版本匹配） | 注册 + 积分下 | 版本匹配好 |
+| **练学宝** | 小学口算/计算 | PDF 免费下 | 仅基础计算，质量偏窄，不宜当主力 |
+
+**特点**：免费、可下，但属聚合转载，版权状态灰，不建议作为正式建库主力。
+
+---
+
+## 五、付费 VIP 下载（授权清晰但需付费）
+
+| 资源 | 学科与学段 | 说明 |
+|---|---|---|
+| **学科网** | 全科 | 解析详尽，VIP 下载 |
+| **菁优网** | 数学强 | 解析详尽，VIP 下载 |
+| **可圈可点** | 初中物理强 | 解析详尽，VIP 下载 |
+
+---
+
+## 下载友好度速览
+
+- **拿来就能入库做数据** → 选「一、开源数据」（TAL-SCQ5K / Ape210K / CMATH / C-Eval），最省事，我可直接帮拉+清洗转统一 JSONL
+- **一次性搬走大量真题卷** → 选「二、网盘大包」（QQ学生网）
+- **课内同步、权威合法** → 选「三、国家平台」，需你手动组卷导出
+
+## ⚠️ 许可证红线（务必记牢）
+
+- **C-Eval**：CC-BY-NC-SA 4.0，**非商业**，进商用产品禁用
+- **gaokaomath PDF / QQ学生网大包**：版权灰，标注"仅供参考"，商用有风险
+- **Ape210K / Math23K / CMATH**：偏研究/教育用途，商用前需确认协议
+- **PhET**：CC-BY-4.0 可商用，最干净
+- **国家平台 / 学科网等付费平台**：按官方协议使用
+
+---
+
+*本文档基于公开网络检索整理，资源链接与下载政策可能随时间变动，使用前请复核官网最新说明。*
--- a/docs/research/题库资源调研报告.md
+++ b/docs/research/题库资源调研报告.md
@@ -0,0 +1,193 @@
+# 中国小学 / 初中 数学 & 物理 高质量题库调研报告
+
+> 调研时间：2026-08-21 ｜ 场景：深度研究（可下载题库）
+> 重要说明：**中国大陆小学阶段不设物理课**，物理从初中（八年级）开始。因此"物理"仅覆盖**初中**；数学覆盖**小学 + 初中**。
+
+---
+
+## 一、结论速览（先看这个）
+
+| 排名 | 资源 | 覆盖 | 下载方式 | 质量 | 费用 |
+|---|---|---|---|---|---|
+| ★首选 | **国家中小学智慧教育平台 · 习题库** | 小学/初中数学、初中物理 | 组卷后导出 Word/PDF 文档 | 官方权威、含解析视频 | 免费（需注册） |
+| ★批量 | **QQ学生网 · 十年中考真题网盘** | 初中数学1.18GB / 物理3.7GB（2013–2025） | 百度/夸克网盘整包下载 | 真实考卷、题量大 | 免费（网盘） |
+| ○日常 | **第一试卷网 / 教习网 / 练学宝** | 小学到初中全科 | 免注册 / 积分 / 免费PDF | 中等、同步教材 | 免费 |
+| ○付费 | **学科网、菁优网、可圈可点** | 全学段全学科（初中物理强） | 平台内下载 / VIP | 高、解析详尽 | 付费VIP |
+| ○数据 | **好未来 TAL-SCQ5K（开源）** | 中文数学（小学/初中/高中） | GitHub / HuggingFace JSON | 高、结构化、含解析 | 免费开源 |
+
+**一句话建议**：
+- 想**权威免费又能导出文件** → 用国家中小学智慧教育平台。
+- 想**一次性搬走大量真题建库/模考** → 用 QQ学生网网盘大包。
+- 想**做 AI 训练/产品数据** → 用 TAL-SCQ5K 这类结构化开源数据集，再补国家平台导出的题。
+
+---
+
+## 二、分类详述
+
+### A. 官方权威源（质量最高、可合法下载）
+
+#### 1. 国家中小学智慧教育平台 · 习题库
+- **网址**：https://www.smartedu.cn （应用中心 → 习题库 / 课程教学 → 习题库）
+- **覆盖**：小学数学；初中数学、物理、化学；高中数理化。已上线约 **1.5 万题**。
+- **可下载性（关键）**：
+  - 教师可在「我的试卷」将组好的卷**下载为「仅题目」或「题目+答案」文档**（Word 类），答案文档含正确答案、难易度、知识点，每题带二维码可看解析视频。
+  - 学生端可自主学习刷题、收藏、生成错题专练卷。
+- **质量**：教育部官方、出版社资源（北师大、人教版等 28 版本 180 册教材）、含 AI 解析答疑与解析视频，质量与权威性最高。
+- **注意**：需注册「智教通行证」；题目按教材章节组织，适合**同步练习+组卷**，不适合"一键打包成题库文件"。
+- **适配本次需求**：✅ 小学/初中数学、✅ 初中物理全覆盖，且是唯一官方可导出渠道。
+
+#### 2. 国家教育资源公共服务平台
+- 教育部主办，试卷经专业审核，含期中/期末/模拟卷，注册后免费下载。
+- 偏"试卷"而非"题库"，更新权威但组织较松散。
+
+---
+
+### B. 中考真题大包（适合批量建库 / 模考）
+
+#### 3. QQ学生网 · 十年中考真题汇总（更新至2026）
+- **网址**：http://www.qqstudent.com/thread-24581-1-1.html
+- **内容**：2013–2025 全国各省中考真题全科网盘包：
+  - 初中数学 历年中考真题(2013-2024).zip **1.18GB**
+  - 初中物理 历年中考真题(2013-2024).zip **3.7GB**
+  - 另有语文/英语/化学/生物/历史/地理/道法等。
+- **下载**：百度网盘 + 夸克网盘（夸克版持续补 2026 考后真题，不限速）。
+- **质量**：真实考卷、题量巨大、按省市分类，适合做**真题模考库**。
+- **注意**：标注"资料来源于网络整理，仅供家长和老师参考，请支持正版"——**版权风险需自担**，商用需谨慎。
+
+---
+
+### C. 日常同步练习平台（免费、可下文件）
+
+#### 4. 第一试卷网（shijuan1.com）
+- 小学 1–6 年级数学试卷，按年级→科目→单元/月考/期末筛选，**无需注册、Word 直接下载**。
+- 质量中等、有 1–2 年延迟，适合基础巩固。
+
+#### 5. 教习网（51jiaoxi.com）
+- 小学数学/初中全科试卷，最大优势是**精准匹配教材版本**（人教、北师大、苏教、西师等），每周更新月考卷。
+- 下载：部分需**每日登录领免费积分**；支持 Word 电子版打印。
+- 质量较好、题量新，适合备课与家庭辅导。
+
+#### 6. 练学宝（skillxm.cn）
+- 免费小学数学练习卷、口算、字帖工具，**PDF 一键导出、无需注册、永久免费**。
+- 题型偏基础（10/20 以内加减法、乘法表、竖式计算等），适合低年级口算/计算专项。
+- 自带"数学练习卷生成器"，可按知识点出题。
+
+#### 7. 其他可参考免费站
+- 新课标第一网（xkb1.com）、21世纪教育网（21cnjy.com，部分免费）、第二教育网（dearedu.com，Word 免费）。
+
+---
+
+### D. 高质量付费平台（预算允许时优先）
+
+#### 8. 学科网 / 学科中考网（zxxk.com / zhongkao.zxxk.com）
+- 全学段全学科，按年份/地区/知识点（数与式、函数、力学、电磁学…）细分，**解析详尽、质量高**。
+- 收费：多数资源需点币/VIP；部分真题公开免费。
+
+#### 9. 菁优网（jybang.com）
+- 初中数理化题库标杆，题目带详细解析、知识点标签、难度，**初中物理/数学质量尤高**。
+- 收费为主，适合教师备课与精准组卷。
+
+#### 10. 可圈可点（cooco.net.cn）
+- 专注**初中物理**题库（也含数学等），有章节组卷、智能组卷、中考真题，初中物理专项资源强。
+- 终身 VIP 约 299 元，年 VIP 159 元。
+
+#### 11. 组卷在线（chujuan.cn）
+- 初中物理中考真题（2026 各省卷）实时更新，支持同步练习/分层训练下载。
+
+---
+
+### E. 结构化开源数据集（做 AI / 训练 / 自建题库用）
+
+> 这类是"可下载成文件（JSON/CSV）"的最贴合形态，但多为**机器学习评测**用途，需二次清洗才能对齐中国课标。
+
+#### 12. 好未来 TAL-SCQ5K（**中文、最贴近需求**）
+- **地址**：GitHub `math-eval/TAL-SCQ5K` ｜ HuggingFace `math-eval/TAL-SCQ5K`
+- **内容**：5000 道**中文数学竞赛题**（另有英文版），覆盖**小学 / 初中 / 高中**数学，选择题形式。
+- **字段**：`problem`、`answer_option_list`、`answer_value`、`answer_analysis`（解题步骤）、`difficulty`(0–4)、`knowledge_point_routes`（知识点链条）、`competition_source_list`。
+- **质量**：源自好未来 20 年题库（迎春杯、希望杯、AMC 等），格式规范、含 LaTeX 公式与 CoT 解析。
+- **局限**：偏**竞赛**、偏**选择题型**，不完全等同课内同步题；需筛选小学/初中部分。
+
+#### 13. 其他国际开源（参考，非中国课标）
+- **MathCAMPS**（GitHub `ajyl/mathcamps`）：美 Common Core K-8 数学应用题，JSON，含知识点标注——可做"按课标知识点出题"范式参考。
+- **GSM8K**（OpenAI）：8.5K 英文小学应用题，JSONL——经典小学数学推理数据集。
+- **DeepMind mathematics_dataset**：可程序化生成海量（question, answer）对，algebra/arithmetic/measurement 等类别，支持导出 JSONL——适合**自动扩充**计算类题目。
+
+---
+
+## 三、按"本次需求"的资源映射
+
+| 需求 | 推荐资源 |
+|---|---|
+| 小学 数学 高质量可下载 | 国家平台习题库（导出）＋ 第一试卷网 ＋ 练学宝（基础计算） |
+| 初中 数学 高质量可下载 | 国家平台习题库 ＋ 学科网/菁优网 ＋ QQ学生网中考真题大包 |
+| 初中 物理 高质量可下载 | 国家平台习题库（初中物理）＋ 可圈可点/组卷在线 ＋ QQ学生网物理3.7GB真题 |
+| 想一次性搬走大量真题做库 | QQ学生网十年中考真题网盘（数学+物理） |
+| 想做 AI 训练/产品数据 | TAL-SCQ5K（中文数学结构化）＋ 国家平台导出题 ＋ DeepMind 生成器扩量 |
+
+---
+
+## 四、使用与版权提醒
+
+1. **官方平台（国家中小学智慧教育平台）**：可免费用于教学与学习，导出文档建议仅限教学/个人使用。
+2. **网盘真题大包、各资源站**：多标注"仅供家长老师参考 / 支持正版"，**商业用途需获得授权**，存在版权风险。
+3. **付费平台（学科网/菁优网/可圈可点）**：购买 VIP 后按平台协议使用，禁止二次分发。
+4. **开源数据集（TAL-SCQ5K 等）**：遵循各自开源协议（TAL-SCQ5K 多用于研究），商用前确认 license。
+5. **小学无物理**：物理题库只存在于初中，检索时勿混淆。
+
+---
+
+## 五、推荐组合方案
+
+- **个人/家庭刷题打印**：国家平台（权威）+ 第一试卷网（免注册）+ 练学宝（口算）。
+- **教师备课组卷**：国家平台习题库（官方）+ 教习网（版本匹配）+ 菁优网/学科网（高质量解析，按需 VIP）。
+- **建中考模考真题库**：QQ学生网网盘大包（数学1.18G+物理3.7G）做底层，国家平台做补充。
+- **AI 课程/产品数据**：TAL-SCQ5K（结构化中文数学）为主，国家平台导出题补课内同步，DeepMind 生成器扩计算题——三者清洗后入库。
+
+---
+
+*本报告基于公开网络检索整理，资源链接与下载政策可能随时间变动，使用前请复核官网最新说明。*
+
+---
+
+## 六、补充：更多"公开 / 开源"数据（2026-08-21 续查）
+
+> 本节聚焦上一版未覆盖的**真正开源、可自由下载**的数据集与开放教育资源（OER），并标注许可证红线。
+
+### A. 中文数学结构化开源数据集（JSON / 代码，可直接入库）
+
+| 名称 | 地址 | 规模 | 学段 | 说明 |
+|---|---|---|---|---|
+| **Ape210K** | GitHub `yuantiku/ape210k` | **21 万**道小学应用题 | 小学 | 含 gold answer + 方程式，56K 模板；研究/教育用途 |
+| **Math23K** | GitHub `SCNU203/Math23k` | 2.3 万小学应用题 | 小学 | 猿辅导 AI Lab 开源，含方程 |
+| **CMATH** | HF `weitianwen/cmath` | 1.7k 小学数学应用题 | 小学(1–6年级) | 来自真实练习册/考试，含干扰项鲁棒测试 |
+| school_math_0.25M | HF `BelleGroup/school_math_0.25M` | 25 万数学题指令样本 | 综合 | 训练/微调用 |
+| math_qa | HF `math_qa` | 数学问答 | 综合 | 多选 + 推理过程 |
+
+### B. 中文综合评测基准（含**初中数学/物理**选择题）
+
+| 名称 | 地址 | 覆盖 | 说明 |
+|---|---|---|---|
+| **C-Eval** | GitHub `SJTU-LIT/ceval` ｜ HF `ceval/ceval-exam` | 13948 题 / 52 学科 / 4 难度层 | **含 `middle_school_mathematics`、`middle_school_physics`、`high_school_*`**；⚠️ 协议 **CC-BY-NC-SA 4.0（非商业）**，商用不可用 |
+| CMMLU | HF `haonan-li/CMMLU` | 67 学科 | 含初中/高中数理 |
+| AGIEval / AGIEval-Math | HF `allenai/ai2_agi_eval` | 高考/联考数学子集 2672 题 | 中英双语 |
+| GAOKAO-Bench / MATH-CN | — | 高考真题 / MATH 中文版 12500 竞赛题 | 偏高中/竞赛 |
+
+### C. 物理开放资源（仿真 / 教材 / 练习，非传统题库但极有价值）
+
+- **PhET Interactive Simulations**（https://phet.colorado.edu/zh_CN/）：科罗拉多大学，**173 个免费交互仿真**，覆盖物理/数学/化学，**协议 CC-BY-4.0**，有简体中文、可下载离线桌面版。探究式物理教学首选，也是物理开放资源里**质量最高且合法**的。
+- 可汗学院（中文）：物理/数学免费视频 + 练习。
+- Physics Classroom / HyperPhysics / OpenStax Physics / CK12 FlexBooks：免费物理教程、概念构建器、开源教材（多为英文）。
+
+### D. GitHub 开源试卷仓库（LaTeX / PDF，**注意多为高考/高中**）
+
+- **gaokaomath**（gitcode `gh_mirrors/ga/gaokaomath`）：1952–2026 高考数学真题 PDF，全量开源。⚠️ 偏高中；高考试题版权归命题方，再分发有灰色地带。
+- **Gaokao-Math-Problems-Compilation**（GitHub `DxAThing`）：LaTeX 高考数学合集 2700+ 页。
+- **gaokao_exam / MathPaper / inix-gaokao_exam**：高考试卷 LaTeX 模板，含少量初中/小学样例（如 2013 北京中考数学 LaTeX 录入），主要价值是**排版模板**而非大题库。
+
+### E. 对"合法 + 免费 + 高质量"筛查的更新结论
+
+- **小学数**：Ape210K / Math23K / CMATH（结构化、免费、开源，研究/教育用途）。
+- **初中数理（选择题）**：C-Eval 的 `middle_school_*` 子集质量高且免费，但**非商业协议**，不能进商用产品；TAL-SCQ5K（已列）可商用需确认协议。
+- **初中物理"题"**：开源极少；**PhET 是物理开放资源里最干净（CC-BY）且质量最高**的，但它是交互仿真不是选择题库——适合做探究/演示，搭配国家平台/可圈可点的题使用。
+- **许可证红线**：C-Eval = 非商业；gaokao 类 PDF 再分发慎商用；Ape210K/Math23K/CMATH 多为研究用途，商用前确认 license。
+- **GitHub "gaokao" 仓库普遍是高中层**，对"小学/初中"直接覆盖有限；若要延伸到高中再启用。