[Bug] get_exam_paper 測驗題抽取不完整:混合題的單選題未拆解、部分測驗卷回空

[5219rayhsu]

摘要

get_exam_paper（dataset 170565 國家考試試卷）對兩類試卷的測驗題結構化抽取不完整，導致拿不到題目的 options / answer，下游只能退回自行下載 PDF + 解析。

環境

• tool：get_exam_paper（亦影響 search_exam 回傳的 question_count）
• 透過 Twinkle Hub MCP 呼叫，include_options=true

Bug 1：混合題（申論＋測驗）只吐申論，40 題單選整包塞進最後一題 stem

心理師類各科是「混合題」＝甲、申論題部分 ＋ 乙、測驗題部分（單一選擇題，常見 40 題）。get_exam_paper 只把申論那幾題拆成 questions，乙部分的 40 題單選沒有被拆成獨立題、沒有 options、沒有 answer，而是整段純文字接在最後一題申論的 stem 尾端。

重現：get_exam_paper(paper_id="109_109030_104_01")（109 臨床心理學基礎）

• 回傳 question_count: 3，questions 只有 3 筆（皆為申論）
• 第 3 筆的 stem 尾端出現「乙、測驗題部分：（50 分）…共 40 題…」後接 1～40 題全文，無結構化欄位

Bug 2：部分純測驗題試卷回傳空 questions（count=0）

部分「測驗題」試卷即使 question_pdf_url / answer_pdf_url 有效，仍回傳 question_count: 0、questions: []。

重現：get_exam_paper(paper_id="110_110110_104_03")（110 年第二次護理師考試 內外科護理學，純測驗題）

• 回傳 question_count: 0、questions: []
• 但 question_pdf_url / answer_pdf_url 指向的官方 PDF 是存在且可下載的

影響

想用這套開放資料建「結構化題庫（題幹＋四選項＋標準答案）」時，混合題科目（臨床／諮商心理師等）與部分測驗題科目（如較早年份護理師）都拿不到可用的結構化選擇題，必須自行 curl 試題與標準答案 PDF 再做版面解析，重工且易踩髒資料（PUA 字形、選項擠行等）。

建議

1. 混合題切分：偵測「乙、測驗題部分」邊界，把單選題拆成獨立 questions 並抽 options / 對標準答案 PDF 抽 answer。
2. 測驗題回填：對 question_count=0 但 PDF 有效的試卷補跑結構化抽取（看來是上游抽取尚未覆蓋這些卷）。
3. 若短期無法全面回補，可在回傳中標記 extraction_status（如 mcq_unparsed / empty），讓呼叫端能判斷是否該 fallback 到 PDF。

（資料整體很有用，感謝維護！這兩點補上後，混合題與早年測驗題就能直接做結構化題庫。）