业务和功能介绍
项目定位：以"网文自动生成"为题材，跑通 RAG+ 多 LLM Agent+ LLM-as-judge全链路的个人演示项目。核心目的不是做商业产品，而是通过 5 阶段持续迭代探索 LLM / Agent / Prompt 工程的能力边界，输出可迁移的产品判断，当前为完全完成整体迭代，部分功能待后续迭代。
项目实现
技术栈：
- 后端：Python 3.12 + FastAPI+ LangChain+ LangGraph（状态机框架）+ DashScope（阿里云 LLM 服务，主力模型 Qwen-Plus + 向量模型 text-embedding-v3）+ DeepSeek-v4-pro+ ChromaDB（向量数据库）+ jieba（中文分词）+ Pydantic v2（结构化输出校验）
- 前端：Next.js 16（React 全栈框架）+ React 18 + TailwindCSS+ shadcn/ui（UI 组件库）
- 部署：阿里云 ECS（云服务器）+ Docker Compose+ Nginx+ PostgreSQL 16 + GitHub Actions（CI/CD 自动部署）
5 阶段迭代 + 核心发现：
1. v0.1（基线版）：搭建完整流水线 — 把已有小说切成 27989 个文本片段（用 jieba 中文分词 + ChromaDB 向量库 / HNSW 向量索引算法），采用 BM25 关键词检索 + 向量语义检索的混合检索方案，由 LangGraph 状态机驱动写作任务循环
2. v0.2（评分框架）：建立 5 维度的 LLM 评分体系（小说术语具体度 / 画面感 / 叙事连贯 / 修辞克制 / 章末留扣）+ 跨模型评审（用 deepseek-v4-pro 给 qwen-plus 写的内容打分，避免让 qwen 自评产生偏见）+ Pydantic 结构化输出 + 随机种子锁定让评分可复现，作为后续每次迭代的回归测试基线
3. v0.3（核心发现 · Prompt 工程天花板）：
- 可拉动维度：小说术语具体度通过加风格参考片段 + 少样本示例，从 5 分提到 9 分
- 拉不动维度：反 AI 味（修辞克制维度）卡在 4-4.5 上不去——这是 LLM 的反射级问题（排比 / 升华 / 形容词堆叠是训练数据本身的写作习惯，无法靠 Prompt 层修正）
- 产品判断：单次 Prompt 优化触不到反射级问题，继续在 Prompt 上打磨不可能在有太大的效果提升，需要换路线
4. v0.4（人机协同编辑流）：
- 不再追求"AI 自己写得更好"，转向"AI 给评分定位问题段 + 用户手动改写 + 一键重评看分数提升"
- 实现章节编辑模式 + 问题段高亮面板 + 评分变化可视化（AI 初稿分 → 用户精修后分）
- 对齐商业 AI 写作工具的标准范式（Sudowrite / NovelCrafter / 番茄写作助手都是人机协同流，不是纯 AI 优化）
- 核心使用流程：用户看 AI 写的章节 + 评分标注 → 改 4-5 处违规段落 → 一键重评 → 反 AI 味维度从 4.5 涨到 6
- 后端：Python 3.12 + FastAPI+ LangChain+ LangGraph（状态机框架）+ DashScope（阿里云 LLM 服务，主力模型 Qwen-Plus + 向量模型 text-embedding-v3）+ DeepSeek-v4-pro+ ChromaDB（向量数据库）+ jieba（中文分词）+ Pydantic v2（结构化输出校验）
- 前端：Next.js 16（React 全栈框架）+ React 18 + TailwindCSS+ shadcn/ui（UI 组件库）
- 部署：阿里云 ECS（云服务器）+ Docker Compose+ Nginx+ PostgreSQL 16 + GitHub Actions（CI/CD 自动部署）
5 阶段迭代 + 核心发现：
1. v0.1（基线版）：搭建完整流水线 — 把已有小说切成 27989 个文本片段（用 jieba 中文分词 + ChromaDB 向量库 / HNSW 向量索引算法），采用 BM25 关键词检索 + 向量语义检索的混合检索方案，由 LangGraph 状态机驱动写作任务循环
2. v0.2（评分框架）：建立 5 维度的 LLM 评分体系（小说术语具体度 / 画面感 / 叙事连贯 / 修辞克制 / 章末留扣）+ 跨模型评审（用 deepseek-v4-pro 给 qwen-plus 写的内容打分，避免让 qwen 自评产生偏见）+ Pydantic 结构化输出 + 随机种子锁定让评分可复现，作为后续每次迭代的回归测试基线
3. v0.3（核心发现 · Prompt 工程天花板）：
- 可拉动维度：小说术语具体度通过加风格参考片段 + 少样本示例，从 5 分提到 9 分
- 拉不动维度：反 AI 味（修辞克制维度）卡在 4-4.5 上不去——这是 LLM 的反射级问题（排比 / 升华 / 形容词堆叠是训练数据本身的写作习惯，无法靠 Prompt 层修正）
- 产品判断：单次 Prompt 优化触不到反射级问题，继续在 Prompt 上打磨不可能在有太大的效果提升，需要换路线
4. v0.4（人机协同编辑流）：
- 不再追求"AI 自己写得更好"，转向"AI 给评分定位问题段 + 用户手动改写 + 一键重评看分数提升"
- 实现章节编辑模式 + 问题段高亮面板 + 评分变化可视化（AI 初稿分 → 用户精修后分）
- 对齐商业 AI 写作工具的标准范式（Sudowrite / NovelCrafter / 番茄写作助手都是人机协同流，不是纯 AI 优化）
- 核心使用流程：用户看 AI 写的章节 + 评分标注 → 改 4-5 处违规段落 → 一键重评 → 反 AI 味维度从 4.5 涨到 6
示例图片视频
相似推荐
刷题小程序-代码与理论奥赛练学通
刷题小程序是依托微信生态的轻量化学习工具，核心面向刷题练习、知识考核场景，功能与业务逻辑可分为面向用户、面向运营者两部分：
面向运营者：
主要提供机构教学：教培机构、企业内训将其作为线上练习、考核的工具，降低组织考核成本
题库管理：支持手动录题、Excel批量导入、Word智能识别。
数据统计：可查看用户刷题数据，支持导出成绩归档，方便机构调整优化教学策略以及课程改革，以便更好的服务学员提升服务质量和教学质量。
面向刷题用户的学习功能：
多模式刷题：支持顺序刷题、随机刷题、章节刷题、背题模式、模拟考试，适配不同学习需求
包括错题统计。
教务管理系统
1.学生/学籍管理：统一管理学生个人基本档案，处理入学、转学、休学、毕业等学籍异动，还可跟进考勤、学业进程，方便学校随时追踪学生状态。
2.教师/师资管理：维护教师个人信息、教育背景、授课履历，支持授课排班、工作量统计、教学评估，帮助学校管理师资资源、提升教学质量。
3.课程与教学管理：涵盖课程开设、排课调课、选课退课、教学资源（教材、课件）管理，还能自动检测排课冲突，合理分配教室、师资等资源，避免资源浪费。
4.考务与成绩管理：负责考试安排、试卷管理，支持教师录入成绩，学生查询成绩，还可自动生成成绩单、进行成绩统计分析，为教学评估提供数据支持。
5.招生与运营管理：覆盖从线索获取、试听转化、报名缴费到分班、续费转介绍的全流程，对于教培机构还能支持流量平台获客、营销裂变，沉淀学员数据辅助运营决策。
6.其他拓展业务：包含学费收缴等财务管理、家校互动沟通、校园通知公告发布、在线学习管理、报表统计分析等功能，部分系统还嵌入AI能力辅助招生、测评、考勤等环节。
《码上学》App-coze
图3
（二）学习板块：系统课程+趣味实践
这是我们精心打造的Python学习核心区域，采用"双轨并行"的学习模式：
课程学习模块（如图4）
● 资源整合：精选B站等优质平台的Python基础、数据挖掘等系列课程
● 分类清晰：按模块、方向进行分类，支持按需深入学习
● 适配人群：从零基础入门到进阶提升，覆盖不同学习阶段
图4
趣味学习模块
这是我们特别设计的创新功能，将枯燥的编程练习变成有趣的挑战：
1. 拆解代码挑战：提供一段完整代码，要求分析其功能、逻辑和算法，培养代码阅读能力
2. 魔改挑战：给定代码和新的需求，需要修改代码实现特定功能，加深对Python语法和逻辑的理解
3. 代码溯源：从运行结果反推代码实现，锻炼逆向思维和问题分析能力
这种游戏化的学习方式让我们在测试中发现，用户的学习积极性显著提升，平均学习时长增加了40%以上。
如图5
图5
AI编程助教
这是一个24小时在线的智能助教，它的核心能力包括：
● 多模态输入：支持文字描述、代码截图、错误信息截图等多种提问方式
● 智能诊断：快速识别语法错误、逻辑问题、运行时错误，并分析产生原因
● 分级讲解：根据用户水平自动调整讲解深度，初学者讲得更详细，有基础的同学提供进阶知识
● 标准化流程：每次回答按照"问题分析→解决步骤→代码示例→知识拓展"的顺序，帮助系统性理解
（三）发现模块：构建学习社区生态
学习不应该是孤独的，我们打造了一个活跃的编程学习社区：
交流圈
● 热门话题：以弹幕形式滚动展示当前热门讨论话题，点击即可进入
● 文章列表：支持"最热/最新/精华"排序，可按类型筛选
● 互动功能：评论、点赞、分享，形成良好的学习氛围
社区互动入口
● 代码分享墙：计划中的功能，用于展示优秀代码作品，支持双向学习
● 学习小组：规划中的功能，支持组队学习、进度同步、相互监督
交流互助板块
● 问题答疑：遇到编程问题可以发帖求助，社区成员或AI助手提供解答
● 经验分享：学习心得、踩坑经验、项目总结都可以在这里分享
● 知识沉淀：优质问答会被标记为精华，形成知识库
博客功能（如图6）
● 学习日志：记录每天的学习内容、心得体会、成长轨迹
● 技术分享：发布学习指导、教程文章
● 数据可视：查看自己的文章点赞量、浏览量、粉丝数
三、AI智能体应用（核心创新，如图7）
这是我们项目的最大亮点！我们基于Coze AI平台，设计并实现了五个具有实际应用价值的AI智能：
图7
场景一：AI智能招聘助理（校招小助手）
设计初衷：临近毕业时，我们发现很多同学因为缺少面试经验而紧张失常。如果能有一个AI面试官陪你练习，是不是能更从容地应对真实面试？
宁可智慧驾考
行业场景
面向学车考驾照人群，聚焦驾考备考全流程，适配学员碎片化刷题练题、考前冲刺模拟，解决学车记不住知识点、不懂考题套路、不熟悉考试流程等问题，覆盖小车、货车、摩托车全车型学车考证需求，是驾校学员自学刷题必备工具。
核心功能
分类题库
分科一、科四理论题库，按章节划分考题，全覆盖官方真题，实时更新新规题目。
刷题模式
支持顺序刷题、专项刷题、错题巩固、收藏刷题，针对性攻克薄弱题型。
全真模拟考试
还原正式考场答题界面、考试时长与出题规则，自动判分，考完出具错题解析。
考点速记
精简考试重点口诀、答题技巧，直白易懂，快速背诵提分。
实景练车指导
科目二、科目三实操点位教学，视频演示标准操作，讲解扣分要点。
报考便民服务
查询驾考流程、预约考试、了解报名费用、考场位置及学车注意事项。
多款鸿蒙APP
专注研发生活服务、实用工具、商务办公全品类纯血鸿蒙原生应用，全程基于 ArkTS、ArkUI 框架完成开发，实现多设备全场景适配与流畅交互体验。后端采用 SpringBoot 微服务架构搭建支撑体系，保障服务高可用、高并发与业务灵活扩展，全程从 0 到 1 完成架构规划、需求梳理、代码开发、功能联调、测试优化全流程工作，独立完成所有应用华为应用市场合规上架，打通鸿蒙应用从原生开发到正式上架运营完整闭环。
先后独立完成多款落地实战项目，包含口袋蓝牙打印工具 APP、休闲飞机射击手游、趣味聚会转盘互动软件、垂类钓鱼资讯交流社区等不同类型产品开发。兼顾工具类实用性、游戏类流畅度、社交社区类内容交互能力，熟练掌握鸿蒙蓝牙设备互联、本地动画渲染、本地数据存储、社区内容发布互动、权限适配、机型兼容等核心开发能力，熟悉鸿蒙生态上架审核规则与流程，可高效完成各类定制化鸿蒙原生项目开发交付。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服