Skip to content
Projekte

astrnox/TATAbox has 87 GitHub stars and 7 forks. GitHot measured 0 stars in 24 hours and 0 in 7 days. Last checked 2026-11-20 02:21 UTC. Last push 2026-11-15.

So werden diese Zahlen gemessen

Gemessener Sternzuwachs

in 24h
0
in 7 days
0
in 15 days
Verlauf wird gesammelt
in 1 month
Verlauf wird gesammelt

Nettoänderungen in überlappenden Zeiträumen, keine Tagessummen. Fehlende Messwerte bleiben leer. Sterne zeigen Interesse, nicht Qualität.

Über uns

Your Complete Biology Study Companion — From Gaokao to Competition Level;高中生生物学习平台-高考到竞赛全链路学习方案

Lernen

README.md

Original

TATABOX — 高中生生物学习平台

English Version | 中文版

TATABOX 首页截图

从联赛备考到高考模拟,一个网站搞定你的生物练习

在线 Demo · 开始刷题 · 出题/讨论 · 反馈问题

Platform Version License Status PWA GitHub Stars


这是什么

TATABOX 是一个面向高中生的生物学习网站。无论是备战全国中学生生物联赛、刷高考模拟题,还是巩固课本知识,都可以在这里完成。

[!IMPORTANT] 📚 题库现状:题库已扩充至 3400+ 道(联赛真题、IBO 国际奥赛双语真题、模块练习、逻辑题、每日联赛等 10 个数据源),覆盖 80 个生物学科主题。高质量真题与精编解析仍在持续补充,欢迎一起出题。

🙌 欢迎来出题! 如果你是生物老师、竞赛党或学科大佬,甚至只是一个对生物感兴趣的普通人,欢迎在 GitHub Discussions 里交流出题、认领主题,或直接提交 PR 补充 JSON 题库(建议先在 Discussion 交流,如果一段时间内没有回复,直接 PR 也可以)。每一道好题都会被认真对待。


快速开始

直接使用(学生 / 教师)

打开在线版本即可:https://tatabox.cc.cd/

  • 无需注册即可刷题;注册后可同步错题本与学习进度
  • 极简版:手机或低性能设备可打开 tatabox.cc.cd/lite.html,只有「今日 / 练 / 复 / 错 / 榜」五个视图,启动更快、干扰更少
  • 错题本、练习与组卷均支持打印:A4 自动分页、题目与答案解析可分模式出纸
  • AI 导师、拍照搜题等功能需自行配置 API Key(均使用各大模型的免费额度,站内有教程)
  • 支持离线使用:可添加到手机主屏幕或 PC 作为 App 运行,并在「我的 → 数据管理」按需下载核心/完整离线题库

自行部署 / 二次开发

纯静态网站,无需后端,部署简单:

# 1. 克隆仓库
git clone https://github.com/astrnox/TATAbox.git
cd TATABOX

# 2. 本地预览(任选其一)
python -m http.server 8000   # Python
npx serve .                  # Node.js

# 3. 浏览器访问 http://localhost:8000

在线部署:将整个文件夹上传至 GitHub Pages、Vercel、Netlify、Cloudflare Pages 等任意免费托管平台即可,无需构建步骤。

生产构建(可选,推荐):先 npm ci,再 npm run build:css && npm run build:prod,把生成的 dist/ 目录作为站点根目录上传。dist/ 已完成逐文件压缩、开发目录裁剪与 SW 版本重写,并可用 npm run verify:prod 校验体积/引用完整性。

可选配置:

  • 数据库:在 Supabase 创建免费项目,先执行唯一基线 sql/schema.sql,再执行 sql/migration_tracker.sql(版本追踪),最后按版本顺序执行 sql/migration_v2.sql → migration_v3_security.sql → … → migration_v22_profiles_policy_cleanup.sql(不要只挑其中几个:v18 收紧 profiles 权限、v19 加固用户名登录 RPC、v20 提供管理员用户操作 RPC、v21 补齐账号自助注销、v22 清理重复/误伤的 profiles 策略,缺一会导致匿名可读邮箱、后台用户管理失效或注销留孤儿账号;schema_safe.sql / incremental_update.sql 仅为旧库修复脚本,新库不要执行)。已执行过 v15 的线上库,在部署 v18 后需重跑一次 v15(其 TOTP 升级管理员函数已加入内部写标记,否则会被 v18 修正后的触发器回滚)。执行顺序必须是 SQL 先于前端;随后把地址与 Key 填入 js/core/supabase-client.js(不配置则自动使用浏览器本地存储)
  • AI 功能:用户在「我的 → 设置」中自行填写 API Key,开发者无需管理
  • 门禁自查:提交前运行 npm test(manifest 锚点 + 数据/迁移口径 + ESLint + 设计审计 + 单元测试/覆盖率 + 烟雾测试)

功能一览

功能 说明
刷题模考 覆盖 80 个生物学科主题的分模块练习,3400+ 道题(联赛真题 / IBO 双语真题 / 模块练习 / 逻辑题 / 每日联赛),自动判分并给出解析
智能错题本 错题自动归集,支持拍照录题(印刷体与手写识别)与 FSRS 到期排序
错题打印 错题本 / 练习 / 组卷均可打印,支持「题目+答案解析 / 仅题目 / 仅答案」三种模式,A4 自动分页、每页页脚标记
知识卡片 Anki 风格间隔重复卡片,基于遗忘曲线自动安排复习
知识图谱 v5.0 80 个考点 + 百科词条层(本地种子 401 条,云端可扩展)+ 词云视图,支持 AI 讲解与直达百科
视频演示 37 条考点演示视频(动画 / 3D / 显微 / 延时 / 拟真 / 讲解 / 实拍 七类标签筛选)
极简版 独立的 lite.html 五视图(今日 / 练 / 复 / 错 / 榜),零框架、启动快,适合手机与低性能设备
能力诊断 答题后生成能力雷达图,定位薄弱知识点
AI 导师 随时提问,支持画图讲解、举一反三
虚拟实验 质壁分离、色素分离、DNA 提取等实验可在浏览器中模拟操作
分子可视化 输入 SMILES 查看 2D 结构,加载 PDB 查看 3D 分子,内置基因组浏览器
学习分析 统计每日学习时长与高频错题
社区讨论 与其他学生交流题目
安全与隐私 Supabase 行级安全(RLS)、公开资料视图、管理员 TOTP 动态码、敏感字段服务端保护

近期更新

  • 打印体系:新增零依赖 print-utils.js,三类场景 × 三种模式统一出纸;修复脏数据导致整批打印失败的问题
  • FSRS 闭环:答错建卡 / 答对仅推进已有卡,错题本显示到期徽标与今日复习入口
  • 知识图谱 v5.0:百科词条层按需加载(DB → 本地种子回退),词云按考点 3 / 标题 2 / 标签 1 加权
  • 视频库:34 条竞赛核心考点视频补齐,全部视频增加标签分类与版权白名单校验
  • 极简版登录:薄荷纸底 + 森林绿单点 CTA,密码显隐、错误聚焦、关闭清空密码
  • 安全加固:profiles 收紧为仅本人可读,用户名登录改窄 RPC,管理员仅 TOTP

核心算法

展开查看:让平台变得「聪明」的算法细节

1. 间隔重复调度(FSRS)

采用 FSRS 替代传统 Anki SM-2 算法。根据每张卡片的记忆难度,基于稳定度、难度、可提取性三个指标自动计算最优复习间隔,无需手动安排。

错题已接入完整闭环:答错时本地镜像 Again 并在云端 review_cards 建卡;答对时只有当该题已在错题本时才推进 Good,不会为普通题滥建卡;游客则回退到本地到期队列。

const scheduler = tsFsrs.fsrs({
  request_retention: 0.9,
  maximum_interval: 36500,
  enable_fuzz: true
});
const result = scheduler.next(card, now, Rating.Good);

2. 能力估计(IRT + BKT)

不采用简单的正确率计分,而是运用项目反应理论(3PL 模型)从答题历史中估计能力水平,同时考虑每道题的难度与区分度。此外使用贝叶斯知识追踪(BKT)估算各知识点的掌握概率。注意:当前题库尚未做离线参数标定,a/b/c 由题型与选项数启发式估计,结果用于相对趋势与薄弱点定位,不等同于标准化测验分数。

3. 拍照搜题/加错题(OCR)

双层识别策略:若用户配置了多模态大模型 Key,优先使用 AI 识别(准确率更高,支持斜体与公式);否则使用 Tesseract.js 在浏览器本地识别,经过放大、灰度化、对比度拉伸、二值化等预处理后,再用正则修正常见识别错误。

// 图像预处理
const stretched = gray.map(v => ((v - min) / (max - min)) * 255);
const bin = stretched.map(v => v > 140 ? 255 : 0);

4. 流式渲染

AI 回答时先以纯文本逐字输出(保证响应速度),回答完成后再统一渲染为 Markdown,内联 SVG 图表自动绘制。

chunkEl.textContent += delta;                              // 流式:纯文本追加
finalEl.innerHTML = DOMPurify.sanitize(marked.parse(text)); // 完成后渲染

技术栈

纯前端架构,无需运行后端服务:

  • 前端:原生 JavaScript(单页应用)+ CSS3 + PWA(离线支持);另有零框架极简版 lite.html
  • 数据:Supabase(免费版,RLS + 窄 RPC)+ IndexedDB(浏览器本地数据库)
  • AI:前端直连 6 家大模型(DeepSeek、智谱、通义、Kimi、NVIDIA、硅基流动),支持流式输出
  • 可视化:Chart.js、Cytoscape.js、纯 SVG 力导向知识图谱(含百科词条层 / 词云)、Mermaid(流程图)、3Dmol.js(3D 分子)、igv.js(基因组)
  • 打印:零依赖 js/core/print-utils.js,A4 + 分页 + 固定页脚,走浏览器原生打印
  • OCR:Tesseract.js(本地识别)+ 多模态大模型(云端识别)
  • 视频:Wikimedia Commons 公共领域 / CC 授权素材,逐条白名单校验
  • 字体:霞鹜文楷(本地加载,无需网络等待)

开源依赖

项目打包了 24 个开源第三方库,均采用 MIT / Apache / BSD 等宽松协议,完整许可证声明见 js/vendor/THIRD_PARTY_LICENSES.txt。

主要依赖:

  • ts-fsrs — 间隔重复算法(MIT)
  • KaTeX — 数学公式渲染(MIT)
  • Dexie.js — 浏览器本地数据库(Apache-2.0)
  • Chart.js — 图表(MIT)
  • 3Dmol.js — 3D 分子可视化(BSD-3)
  • RDKit.js — SMILES 转 2D 分子(BSD-3)
  • DOMPurify — XSS 防护(MPL-2.0 / Apache-2.0)
  • Excalidraw — 手绘画板(MIT)
  • PhET — 互动模拟实验(CC BY 4.0)
  • LXGW WenKai — 中文字体(OFL-1.1)

许可证

本项目采用双授权:

  • 代码(js/、css/、scripts/、*.html 等):MPL-2.0
  • 内容(data/ 题库、images/、PDF 教材、百科词条、动画等):CC BY-NC-SA 4.0

代码部分(MPL-2.0)

MPL-2.0 为弱 copyleft 协议:允许修改与商用,但修改过的文件及其派生作品须继续以 MPL-2.0 开源;协议边界为文件级,可与闭源项目一同分发。

内容部分(CC BY-NC-SA 4.0)

只要不直接销售内容本身,学习与教育用途均被允许:

  • 个人学习、二次使用
  • 学校、辅导班、培训机构用于教学(收取学费不受限制,因为销售的是教学服务而非内容)
  • 公益教育项目、教育扶贫

以下行为不被允许:

  • 将题库、PDF、动画等内容直接打包售卖
  • 移除版权声明或冒充原创

内容商用授权

内容默认禁止商业用途。如需将题库、PDF、动画等用于商业场景(企业培训、付费平台、商用 SaaS、批量售卖题库等),须与版权所有者 astrnox 另行签订商业授权协议(可通过 GitHub Issues 联系)。教育及公益项目通常可免费获得授权。


路线图

题库建设是当前最高优先级:

  • 📚 继续扩充高质量题库:联赛真题、IBO 真题、高考真题与模拟题、分模块精编题(当前 3400+ 道,目标继续提升真题占比与解析质量)
  • 错题本打印(浏览器原生 A4,可另存为 PDF;题目与答案解析可分模式出纸)
  • FSRS 云端闭环与多端同步(错题卡、到期排序、今日复习入口)
  • 竞赛核心考点视频库与标签筛选
  • 知识图谱 v5.0 百科词条层与词云
  • 生物画图题自动判分
  • 更多虚拟实验
  • 更多动画与百科词条
  • 班级 / 教师管理功能完善
  • 移动端 App 打包(TWA / PWA 已支持,后续考虑原生壳)

欢迎提交 Issue 或在 Discussions 中提出功能建议。


反馈与联系

遇到 Bug、有功能想法或发现题目错误,欢迎反馈:

  • GitHub Issues:https://github.com/astrnox/TATAbox/issues
    • 点击「New Issue」后选择对应模板,按模板填写最为高效:
      • Bug 报告:复现步骤 + 浏览器 / 设备信息 + 截图
      • 功能建议:想解决的问题 + 期望的解决方案
      • 题目 / 内容纠错:出错位置 + 当前错误 + 正确内容
      • 其他:求助或任意反馈
    • 也可在站内「用户反馈」弹窗中留言(分类一致)
  • 邮件:[email protected]

作者是一名高中生,学业较忙,回复可能不够及时,也有可能有问题,但每条建议都会认真阅读,感谢理解。


贡献指南

欢迎各种形式的贡献,尤其是出题:

  • 🧬 擅长生物:来出题!补充题库、修正题目错误、撰写详细解析——可在 Discussions 认领主题或交流题目质量
  • 💻 擅长代码:修复 Bug、添加新功能
  • 🎨 擅长设计:优化界面
  • 💡 其他:使用中遇到问题或有想法,直接提 Issue 即可

代码贡献流程

  1. Fork 本仓库
  2. 创建分支(git checkout -b feat/xxx,命名规范见 CONTRIBUTING.md)
  3. 提交改动(git commit -m 'feat: 描述你的改动 (#issue号)',遵循 Conventional Commits)
  4. 推送至分支(git push origin feat/xxx)
  5. 发起 Pull Request

提交前请执行 npm run lint:js && npm run audit:design 自查。 完整代码风格约定见 docs/代码风格指南.md。


致谢

  • 感谢 Congqianguo 在项目初期的贡献与支持
  • 感谢各位本仓库的贡献者
  • 感谢 Open Spaced Repetition 社区提供的 FSRS 算法
  • 感谢所有开源库的作者
  • 感谢 PhET Interactive Simulations(科罗拉多大学博尔德分校)提供的优质互动模拟
  • 感谢DNSHE的免费二级域名
  • 感谢每一位使用 TATABOX 学生物的同学,祝考试顺利

计划改名为GAGABOX,敬请期待~

用 TATABOX,学生物不迷路