📘 概述

QA_Merger 是一个用于合并题目与答案的后处理算子。它通常接收来自 LLMOutputParser 的两个独立输出（一个是提取的题目列表，另一个是提取的答案列表），并将它们按照章节标题和题目序号匹配合并为完整的问答对（QA Pairs）。

主要功能：

• 双向合并：根据章节标题或序号逻辑，将题目、答案、解题步骤和标签组合在一起。
• 格式转换：将合并后的 .jsonl 数据自动转换为易于阅读的 .md（Markdown）格式。
• 数据平铺（Explode）：将原本按文件组织的 DataFrame 行，按 QA 对进行拆分。原本一个文件占一行，执行后每个 QA 对将占据一行，方便后续细粒度的处理。

__init__ 函数

def __init__(self, output_dir: str, strict_title_match: bool = False)

init 参数说明

参数名	类型	默认值	说明
output_dir	str	必需	合并后文件的输出根目录。
strict_title_match	bool	False	是否开启严格标题匹配。若为 True，则合并时会严格校验章节标题。若为False，校验前会尝试从标题中提取中文/英文序号

run 函数

def run(self, 
        storage: DataFlowStorage, 
        input_question_qalist_path_key: str, 
        input_answer_qalist_path_key: str, 
        input_name_key: str, 
        output_merged_qalist_path_key: str, 
        output_merged_md_path_key: str, 
        output_qa_item_key: str = "qa_item"
        )

执行合并逻辑：读取题目和答案的 JSONL 文件，调用内置工具函数合并，并更新存储。

参数说明

名称	类型	默认值	说明
storage	DataFlowStorage	必需	数据流存储实例。
input_question_qalist_path_key	str	必需	题目 JSONL 文件的路径列名。
input_answer_qalist_path_key	str	必需	答案 JSONL 文件的路径列名。
input_name_key	str	必需	任务名称列名，用于创建输出子目录。
output_merged_qalist_path_key	str	必需	合并后 JSONL 文件的存储路径列名。
output_merged_md_path_key	str	必需	合并后 Markdown 文件的存储路径列名。
output_qa_item_key	str	"qa_item"	关键参数：展开后的 QA 内容存储列名。每行将包含一个具体的问答对字典。

🧠 核心逻辑：数据展开 (Explode)

与其他算子不同，QA_Merger 会改变 DataFrame 的行数。

1. 合并文件：它首先在磁盘上生成一个 merged_qa_pairs.jsonl，该文件包含该文档的所有问答对。
2. 存储对象：将这些问答对以 list 形式读入 output_qa_item_key 列。
3. 执行 Explode：调用 dataframe.explode()。

• 处理前：2 行记录（对应 2 个 PDF 文件，各包含 10，5 个 QA 对）。
• 处理后：15 行记录（每行对应 1 个具体的 QA 对，其他列数据如 input_name 会自动复制填充）。

🧠 示例结果

🧾 Markdown 输出示例 (merged_qa_pairs.md)

# Chapter: 第一章 导论

**Question 1**: 什么是数据流系统？
**Answer**: 一种...
**Solution**: 数据流系统是一种...
**Label**: 1

---

**Question 2**: [image](images/fig2.png) 请描述此图。
...

🧾 DataFrame 展开示例

index	name	qa_item (列)
0	task_01
1	task_01
2	task_02