知识图谱在本项目里并不是“只给题目按知识点大/小类打标签”，它参与了选题与排序，主要体现在三点：
- 候选题获取不只靠标签过滤：系统会先从目标知识点小类节点（KP_Minor）出发，沿着题目到该小类的 tests 关系边，把直接关联的题目节点（Q）作为候选集合的一部分（题目 Q → 小类 KP_Minor）。相关实现见 rag_engine.py 与构图时添加的 tests 边 kg_builder.py。
- 候选题不足时会沿图扩展：当直接关联题目不够，系统会根据学生掌握度沿知识图谱关系边扩展到相关知识点再捞题——掌握度低优先找前置知识点（prerequisite），掌握度高优先找后续知识点（leads_to），中等则在同大类下选择其它小类。这依赖图里的“前置/后续/归属”等结构关系，不是纯标签能实现的，见 rag_engine.py。
- 题目打分用到了图结构：候选题会被打分排序，其中“知识点相关度”用图上的最短路径长度来估计题目与目标知识点的贴合度（路径越短越相关），见 rag_engine.py。
会的，但实现方式不是“直接看上一题难度对/错就强行降级”，而是通过 BKT 掌握度更新后，下一题按掌握度去匹配目标难度，从而实现自适应。
- 掌握度会随对错更新：每次提交答案后，系统会调用 BKT 记录答题并更新该知识点小类的 mastery_prob（答错通常会拉低掌握度），见 system_core.py 与 bkt_algorithm.py。
- 选题会按掌握度匹配难度：知识图谱RAG在给候选题打分时，会把掌握度映射成目标难度（mastery<0.3→简单 0.25；0.3~0.7→中等 0.50；>0.7→困难 0.75），并用“题目难度与目标难度的差距”作为重要评分项，见 rag_engine.py。
- 如果RAG降级到SQL筛题，同样会按掌握度设定难度范围（简单/中等/困难区间）再抽题，见 question_generator.py。
因此，当你做了一道偏难的题并答错后，掌握度会下降，下一题更倾向于匹配“更简单/更中等”的目标难度；但是否立刻体现在“同一知识点”上，还取决于下一题选择的是不是同一个知识点小类（系统会在薄弱点间轮换挑选目标知识点）。