程序聚合 软件案例 教育小程序-阅得堡

教育小程序-阅得堡

2025-12-12 16:59:17
行业:在线教育
载体:小程序
技术:UniApp

业务和功能介绍

## 教育小程序-家长端

### 立项背景与目标

- 背景:面向家校共育场景,老师布置“每日打卡/周作业/通关测试”,家长端负责绑定孩子、完成练习与测试、查看积分与排名、接收平台通知。
- 痛点:练习碎片化、提交流程复杂、家长难以跟踪进度与效果、老师统计工作量大。
- 目标:统一练习入口与流程、提供 AI 评分与录音回放、积分激励与班级排名、错题回溯与加练,提升练习完成率与学习效果。

### 软件功能总览

- 登录注册:支持手机号验证码登录与微信一键登录,鉴权失败自动跳转登录页。
- 学生管理:扫码/邀请码加入班级、选择与切换学生、查看“我的班级”。
- 作业体系:
- 每日打卡:单词拼读、单词拼写、句子朗读、说话造句、故事朗读。
- 周作业:教师布置的周期性任务。
- 加练作业:学生自选强化练习。
- 通关测试:阶段性考核与录音提交。
- 排名与学习概况:班级总榜、分项榜;成绩曲线、作业完成情况环形图。
- 积分中心:剩余积分展示与积分明细列表。
- 平台通知:公告与活动消息分页加载。
- 错题本:按日期回溯错题,支持复练录音与提交。

### 核心模块介绍

- 练习首页 `pages/tabBar/practice`:
- 学生选择与班级显示:`components/select-student/select-student.vue`。
- 日期切换与作业分区:每日打卡、周作业、我的加练。
- 作业项跳转:携带 `type/date` 参数进入对应练习页面(例如单词拼读)。
- 若无学生,弹出“加入班级”弹窗:`components/invitation-code/invitation-code.vue`。
- 测试中心 `pages/tabBar/test`:
- 通关测试入口 `pages/passWork/passWork`,集中展示需要通过的练习项,支持播放音频与录音提交。
- 排名与概况 `pages/tabBar/rank`:
- 总榜与分项榜(拼读/拼写/句子朗读/说话造句/故事朗读)。
- 学习概况:成绩折线与作业完成环形图,数据来源于后端统计接口。
- 我的中心 `pages/tabBar/mine`:
- 平台通知 `pages/mine/notice/notice`,分页加载。
- 我的积分 `pages/mine/points/points`,展示剩余积分与积分变化明细。
- 我的班级 `pages/mine/classes/classes`,展示班级状态、老师、加入时间等。
- 编辑个人信息、退出登录。
- 录音与提交组件 `pages/dailyCheck/components/records.vue`:
- 封装录音、回放、上传

项目实现

#### 整体架构

- 客户端:基于 `uni-app` 的家长端小程序,采用Vue3 入口(`main.js`),小程序适配。
- 服务端(按模块划分):统一域名路径下的 `student-server` 聚合服务,包含 `student`(学生/登录)、`hw`(作业/答题/上传)、`counter`(统计/排名)。
- 统一请求封装:`utils/request.js` 在所有接口上追加鉴权与统一报文结构,集中处理错误与跳转登录。

#### 前端分层设计

- 页面与路由:`pages.json` 定义 TabBar 与业务页面,遵循“练习/测试/排名/我的”主导航。
- 组件化:公共组件如 `select-student`、`invitation-code`、录音弹窗 `records` 复用交互与样式。
- 组合式逻辑:通过 `composables/useStudent.js` 管理学生数据与切换,避免复杂状态管理依赖。
- 网络层:`utils/request.js` 统一报文与错误处理,自动附加 `Authorization`。
- 媒体与图表:录音/回放统一由 `records.vue` 实现;统计图表用 `qiun-data-charts`。


示例图片视频


王宇翔
30天前活跃
方向: 前端-Web前端、前端-小程序、
交付率:100.00%
相似推荐
H5麻将(3D版)
本方案以 H5 技术结合 3D 渲染引擎打造麻将游戏前端,无需下载安装,浏览器内即开即玩,呈现立体生动的牌局画面与流畅交互体验,适配多类设备。后端采用 C 语言开发高性能服务端,凭借底层执行效率与精细内存管理,可稳定承载高并发访问,满足大量玩家同场竞技,保障牌局同步及时、操作响应迅速。整体架构高内聚低耦合,迁移方便,灵活部署于各类服务器与云平台,快速扩容、成本可控,兼顾画质、性能与运维便利。
掼蛋H5版
本方案以 H5 技术打造掼蛋游戏前端,免安装、即点即玩,浏览器内即可流畅开局,适配各类设备,用户体验出色。后端采用 C 语言开发高性能服务端,凭借底层执行效率与内存优化,能够稳定承载高并发访问,满足大量玩家同时在线的对局需求,保证牌局快速同步、响应及时。整体架构高度解耦,迁移方便,可灵活部署于各类服务器与云环境,快速扩容、低成本运维,兼顾稳定性、性能与部署灵活性,是成熟的棋牌平台解决方案。
H5斗地主
本方案采用 H5 技术构建斗地主游戏前端,无需安装客户端,通过浏览器即可随时随地开玩,兼容性强、体验流畅。后端基于 C 语言开发高性能服务端,凭借 C 语言的底层优势与极佳的执行效率,能够稳定支撑大规模并发访问,轻松应对海量玩家同时在线的压力,保证对局稳定、响应迅速。整体架构耦合度低、迁移方便,可灵活部署至多种服务器环境与云平台,实现低成本快速扩展,兼顾用户体验、性能与运维便利性。
基于神经网络的游戏动画系统
MotionWeaver 是一套面向 Unreal Engine 游戏开发的 AI 驱动角色动作生成系统,旨在解决传统游戏动画制作成本较高、动画资产复用困难、复杂动作衔接不自然,以及角色运动与动画表现难以协调等问题。 项目以神经网络动作生成技术为核心,结合游戏引擎的角色运动系统,实现从动画数据采集、模型训练到动作推理与引擎集成的完整技术流程。 主要功能包括: 动画数据采集与处理: 支持从 Unreal Engine 动画资产中提取骨骼姿态、位置、旋转及时间序列信息,完成骨骼映射、数据清洗、质量审核与训练数据集构建。 AI 动作模型训练: 提供基于深度学习的动作表示学习、姿态预测与生成模型训练功能,支持模型检查点管理、训练指标记录及实验评估。 条件动作生成: 利用角色根运动轨迹、历史动作状态及参考姿态等条件,生成连续骨骼动作,研究不同运动条件下的动画生成效果。 复杂动作约束: 针对跑酷、跨越障碍等复杂场景,支持参考姿态引导及关键帧约束,改善动作准确性与空间匹配效果。 UE 动画集成与验证: 提供模型推理与 Unreal Engine 动画系统的集成和实验验证能力,支持生成动作的预览、重建、测试及效果分析。 模型评测与对比: 通过骨骼位置误差、运动连续性、关键帧约束误差等指标,对不同模型及优化方案进行定量分析。 项目主要面向游戏角色动画生成、AI 动画技术研究和游戏开发工具链建设,为智能角色运动与游戏动画自动化提供技术基础。
H5休闲解压益智游戏(拖拽对齐,单文件纯前端)-拉线解压 KNOT OUT
《拉线解压》(KNOT OUT)是一款纯前端、零后端的 H5 休闲解压益智游戏。核心操作:拖动一根线的控制点,把线的中点精确送入目标环;吸附越准,评级越高(金/银/铜),并触发连击。 功能模块:① 操作与判定——拖拽线并实时吸附判定,按精度分金/银/铜三档(金档才续连击),配连击上行音反馈;② 关卡与难度包络——线数随关卡从 3 递增到 10、吸附窗口逐关收紧(78→48px),目标环视觉与判定窗口一致;③ 风格目标——按关卡轮换「全金档 / 全程无错位 / 由外向内(目标环标 1..N 序号)」,达成即得星;④ 每日挑战——以本地日期为种子的独立关卡,布局与主题由种子确定;⑤ 留痕世界——把逐关评级、星与每日印记,按存档确定性重算成一条「世界路径」;⑥ 音频——音效全部由 Web Audio 实时合成(C 大调音阶),BGM 三首可轮播。 主要功能路径:打开即玩 → 拖线对齐 → 评分/连击 → 过关结算 → 下一关 / 每日挑战 → 世界回顾。
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服