在线教育 操作系统 软件定制 案例

1.本项目开发了一个AI智能学习系统，通过集成DeepSeek大模型API ，实现题目智能解答、作业自动批改、试卷生成与PDF导出等功能，为学习者提供一站式的智能化学习辅助平台，助力提升学习效率 2.本系统基于 Flask 后端框架构建，核心功能模块包括：①用户认证模块，采用 Flask-JWT-Extended 实现 JWT Token 身份鉴权，覆盖注册、登录及 Token 自动续期与过期回收，保障接口安全；②题目管理模块，支持 TXT、PDF、DOCX 多格式文件上传，通过 PyPDF2、python-docx 及 Tesseract OCR 编写解析器自动提取题目文本与结构化信息，并存入 MySQL 数据库；③向量检索模块，将题目文本经 text-embedding 模型向量化后存入 Qdrant 向量数据库，支撑相似题检索与智能推荐；④AI 答疑与批改模块，对接 DeepSeek 大模型 API，开发单题实时解答与批量文件智能批改接口，批改流程中引入 RAG 思路，利用 Qdrant 检索历史优质题解作为上下文增强，提升判题准确率；⑤试卷生成模块，使用 ReportLab 动态生成含 LaTeX 公式的 PDF 试卷，编写公式转换适配层确保数学符号正确渲染；⑥学习分析模块，基于 PracticeLog 模型记录用户练题、组卷、AI 答疑等行为轨迹，结合向量检索日志探索用户错题聚类与薄弱知识点挖掘。 3.系统核心业务流程如下：用户完成注册登录后，系统签发 JWT Token 进行身份鉴权，后续所有接口请求均需携带有效 Token。在题目录入环节，用户上传 TXT/PDF/DOCX 格式的题目文件，系统调用对应解析器提取题目文本及结构化信息，一方面写入 MySQL 进行持久化存储，另一方面通过 embedding 模型向量化后写入 Qdrant 向量库。在 AI 答疑场景中，用户提交单道题目，系统直接调用 DeepSeek 大模型 API 返回实时解答；在批量批改场景中，系统先解析上传的作业文件，再通过 Qdrant 检索相似的历史优质题解作为上下文，结合 RAG 思路增强大模型批改效果，最终返回批改结果与学习建议。试卷生成场景中，用户选择或筛选题目后，系统动态组装试卷内容，通过 ReportLab 生成 PDF 文件，适配层将 LaTeX 公式转换为可渲染格式，确保数学符号正确显示后供用户下载。此外，系统全程记录用户练题、组卷、AI 答疑等行为数据，通过统计接口支撑学习行为分析，并基于向量检索日志进行错题聚类，辅助挖掘用户的薄弱知识点。