后端指南 · Rust Cargo Workspace

技术方案 §10 · 方案 A：Rust HTTP 服务（在线 · 生产首选）。 组件根目录：backend/

构建与运行

cd backend
cargo build --workspace            # 编译全部 crate
cargo test --workspace             # 单元测试（含评分流水线、SQLite 后端集成测试）
cargo clippy --workspace -- -D warnings   # CI 同款 lint 门
cargo run -p rubricspan-server -- --listen 127.0.0.1:8080              # SQLite 本地（默认 ../data/store.db）
cargo run -p rubricspan-server -- --listen 127.0.0.1:8080 --storage mysql --db-url 'mysql://user:pass@127.0.0.1:3306/rubricspan'

依赖基线：Rust stable（根目录 rust-toolchain.toml）；tokio 1.x + axum 0.8 + reqwest 0.12（rustls）+ sqlx 0.8（sqlite/mysql）。完整部署步骤见 部署与运行手册。

crate 结构与状态

crate	职责	状态
rubricspan-server	Axum 服务：试题/答卷/OCR/评分/结果 REST + 管理后台 + 标准答案解析	✅ 实现（M4，e2e 验证）
rubricspan-core	领域模型：评分配置 / 结果 / 契约类型	✅
rubricspan-scoring	混合评分引擎：题干剥离 → 选项规则 → 多候选抽取 → 相似度兜底 → 加权汇总	✅（wasm32 可编译）
rubricspan-inference	推理后端：ort 会话 + tokenizers 原生推理（CUDA EP 优先回落 CPU）；另含标准答案解析 LLM 客户端	✅（M8）
rubricspan-wasm	浏览器离线评分入口（M6，预计算推理表契约）	✅（7 个单测）
rubricspan-ocr	试卷图片识别（M8.1 恢复：RapidOCR Rust 核心，det+rec，ort 2）	✅（M8.1，CPU EP）
rubricspan-storage	持久化：SQLite（本地测试）/ MySQL（生产）/ Memory（临时兼容）	✅（M8.1，sqlx）

关键设计

• 评分引擎与推理实现解耦：rubricspan-scoring 通过 InferenceBackend trait 注入实现——在线（ort 原生会话）、离线（WASM 预计算表）、测试（Fake）各自注入， 评分逻辑单一实现、多端一致；
• 偏移量契约：MRC 输出为学生答案内的字符级（Unicode 标量）闭区间， 与训练侧对齐后处理一致（变更须走 契约流程，参见 CC-001）；
• 存储双后端（M8.1）：Storage trait 全异步（async_trait），SQLite（本地测试/单机） 与 MySQL（生产，连接池 + 启动自动建表）共用同一份 schema 与行映射（storage/sql.rs 宏生成 两个具体后端），写入走「事务内 DELETE + INSERT」达成与 Memory 一致的覆盖语义； --storage sqlite|mysql|memory 切换，--db-url/DATABASE_URL 提供 MySQL 连接串（管理后台 展示已脱敏）；MySQL 集成测试以 RUBRICSPAN_TEST_MYSQL_URL 门控（--ignored）；
• 启动顺序：main.rs 在同步上下文加载 ONNX 会话（失败回落占位后端并告警）、 与 LLM 客户端后再进入 tokio runtime 并打开存储（SQL 后端自动建库建表）； 推理会话以 Mutex<Session> 共享（ort rc.13 的 run 需要 &mut self）； 评分把存储读取前置到异步段、纯 CPU 推理放 spawn_blocking、再异步落盘， 避免阻塞 tokio 工作线程；
• OCR（M8.1 恢复）：/api/ocr 走 Rust 进程内 rapidocr-core（ort 2 加载 PP-OCRv6， det + rec，推理 EP 默认 DirectML（GPU）、RUBRICSPAN_OCR_EP=cpu 回落 CPU，会话以 Mutex 串行化后在 spawn_blocking 中推理）；模型资产 models/ocr/ 首次启动自动从 ModelScope 下载并 SHA-256 校验（RUBRICSPAN_OCR_MODEL_SET 切换模型集）；引擎加载失败仅告警，admin/config.ocr.enabled=false 且 /api/ocr 回落 501；
• 模型产物：目录与校验规则见 ../contracts/model-artifacts.md。

评分管线与运行时参数（2026-09 交付态）

题干剥离（输入净化，preprocess.rs）

OCR 与采集来源的答卷常原样携带题干，而题干材料（诗句、文段、设问句）往往正是 得分点表述的出处——逐点抽取会"忠于题干"，在专家判零分的答卷上产生高置信误报 （历史登记见 BC-005）。因此评分入口强制执行题干剥离：

• 匹配在归一化意义下进行：忽略空白、中英文标点、序号数字与①类注释上标， 拉丁字母折叠小写；与题干重合 ≥8 字的片段替换为空格（不足 8 字视为术语/ 短语的偶然重合，不剥离）；
• 与片段掩码一致使用空格替代而非删除，保持字符索引与分词边界稳定；
• 原始答卷文本仍完整落库，评分结果可回溯复核；
• 覆盖 OCR 来源（识别文本在进入评分前经过同一净化）；WASM 离线端同步接入 （rubricspan-wasm 导出 stripStemSpans，JS 侧剥离后驱动推理与评分，索引对齐）。

同批 36 卷对照验证：仅剥离组 TP/FN/等价给分率与基线逐位一致（召回零损失）， 误报 47→38；对不含题干的正常输入，匹配为空、原文原样返回，仅增加毫秒级开销。

出厂评分参数（从严档）

参数	出厂默认	说明
similarity_high（τ_hi）	0.95	兜底余弦 ≥ τ_hi → 语义命中（满分）
similarity_low（τ_lo）	0.90	τ_lo ≤ cos < τ_hi → 部分命中（γ 比例）
partial_credit（γ）	0.25	部分命中给分比例
mrc_confidence_threshold（θ）	0.8	MRC 抽取置信度 ≥ θ 判精确命中，否则回落兜底

题级配置 scoring_configs/{qid}.json 的 thresholds 仍优先覆盖 τ_hi/τ_lo。 运行时经管理后台 GET/PUT /api/admin/scoring-settings 调整，持久化于 <store_path>/scoring_settings.json。默认档为 2026-09 对照实验的结果： 交付配置 Point-Acc 0.8402 / MAE 1.569 / 误报 22（改进前 0.7160 / 2.667 / 47）， 逐级归因见 部署改进对照报告。变更已登记 CC-006。