AI辅助的大学生学习助手-ReMind
2026-03-07 13:10:13
行业：在线教育、人工智能
载体：安卓APP、爬虫/脚本
技术：Dart、JavaScript、Flutter
业务和功能介绍
1.立项背景
大学生群体是我们产品的核心目标用户，他们的年龄范围主要集中在18至25岁之间。这个年龄段的学生正处于高等教育阶段，需要修读各类专业课程，面临着较大的记忆压力和学习任务。由于大学生活的特点，他们的时间往往呈现出碎片化的状态，难以进行长时间连续的学习。
2.典型使用场景的深入剖析：
首先，在课前预习和课后复习方面，学生可以利用我们的产品提前了解即将学习的内容，并在课后及时巩固所学知识。其次，在考试前期，产品可以帮助学生进行集中性的记忆训练，提高复习效率。再者，日常的任务管理和课程安排也是重要应用场景，帮助学生合理规划时间。最后，考虑到现代学生多设备使用的习惯，我们还提供了跨设备同步学习进度的功能，确保学习数据的一致性和连续性。
3.核心功能的详细描述
核心目标用户群体主要针对上海交通大学学生
课程自动导入功能：
系统可以从Canvas等主流教育平台自动获取课程表和回放视频资源，同时支持用户手动补充其他日程安排，如社团活动、兼职工作等，确保日程的完整性。
AI知识点总结功能：
通过先进的AI技术，系统能够自动提取课程视频字幕中的关键信息，生成便于复习的知识摘要。同时，还能自动抓取课程PPT中的重要内容，为用户提供全方位的学习资料。
智能复习规划的算法逻辑：
基于艾宾浩斯遗忘曲线理论，系统会自动安排最优的复习时间。用户可以根据个人需求自定义复习优先级，也可以选择排除某些不需要复习的课程。
日程可视化与提醒功能的设计理念：
系统提供震动提醒和铃声提醒两种方式，确保用户不会错过重要事项。同时具备冲突检测和自动顺延机制，当出现时间冲突时能够智能调整日程安排。
个性化功能：
为了满足用户的个性化需求，我们提供了多种颜色的主题风格供用户选择。此外，还设置了可自定义的免打扰时段，既能保障用户的专注学习时间，又能在夜间休息时避免被打扰。
大学生群体是我们产品的核心目标用户，他们的年龄范围主要集中在18至25岁之间。这个年龄段的学生正处于高等教育阶段，需要修读各类专业课程，面临着较大的记忆压力和学习任务。由于大学生活的特点，他们的时间往往呈现出碎片化的状态，难以进行长时间连续的学习。
2.典型使用场景的深入剖析：
首先，在课前预习和课后复习方面，学生可以利用我们的产品提前了解即将学习的内容，并在课后及时巩固所学知识。其次，在考试前期，产品可以帮助学生进行集中性的记忆训练，提高复习效率。再者，日常的任务管理和课程安排也是重要应用场景，帮助学生合理规划时间。最后，考虑到现代学生多设备使用的习惯，我们还提供了跨设备同步学习进度的功能，确保学习数据的一致性和连续性。
3.核心功能的详细描述
核心目标用户群体主要针对上海交通大学学生
课程自动导入功能：
系统可以从Canvas等主流教育平台自动获取课程表和回放视频资源，同时支持用户手动补充其他日程安排，如社团活动、兼职工作等，确保日程的完整性。
AI知识点总结功能：
通过先进的AI技术，系统能够自动提取课程视频字幕中的关键信息，生成便于复习的知识摘要。同时，还能自动抓取课程PPT中的重要内容，为用户提供全方位的学习资料。
智能复习规划的算法逻辑：
基于艾宾浩斯遗忘曲线理论，系统会自动安排最优的复习时间。用户可以根据个人需求自定义复习优先级，也可以选择排除某些不需要复习的课程。
日程可视化与提醒功能的设计理念：
系统提供震动提醒和铃声提醒两种方式，确保用户不会错过重要事项。同时具备冲突检测和自动顺延机制，当出现时间冲突时能够智能调整日程安排。
个性化功能：
为了满足用户的个性化需求，我们提供了多种颜色的主题风格供用户选择。此外，还设置了可自定义的免打扰时段，既能保障用户的专注学习时间，又能在夜间休息时避免被打扰。
项目实现
1.整体架构与设计思路
项目采用 Flutter 单端架构（Android 为主），围绕“课程导入 -> 内容抓取 -> AI 提炼 -> 复习日程 -> 提醒执行”设计闭环。课程表模块用 WebView + JS DOM 解析抓取教务网页并映射到周视图；课堂内容抓取模块支持从 oc.sjtu.edu.cn 提取文本与 PPT 链接；AI 模块通过 HTTP 调用 Deepseek-V3.1模型完成要点提炼与复习建议生成；日程模块用本地算法按记忆曲线排程并做课程时间冲突检测；提醒模块采用 AlarmManager(原生) + flutter_local_notifications；数据持久化使用 SharedPreferences。
2.我负责的模块与结果（量化）
我独立完成了课程表、日程、用户三大页面与核心业务逻辑，重点负责：课表导入解析、课程卡片交互、AI 提炼接入、复习计划生成、提醒调度与本地持久化。实现了 7 天 x 13 节 的课表展示、连堂课程合并、单双周识别、课程详情二次抓取与重抓、AI 提炼结果回写、自动生成多阶段复习任务、手动日程增删改查、重启后数据恢复等功能，形成可在真机连续使用的 MVP。
3.难点、坑与解决方案
主要难点在于：不同教务页面结构不一致导致抓取不稳定、Android 发布版 WebView/网络权限差异、厂商系统下定时提醒不触发、以及中文编码与 UI 溢出问题。
我的解决方案是：按页面特征分层写解析器并增加容错；补齐发布版 INTERNET/网络配置；将排程提醒改为原生 AlarmManager 精确调度并补充权限引导；统一 UTF-8 编码链路并重构课程卡片自适配布局。
项目采用 Flutter 单端架构（Android 为主），围绕“课程导入 -> 内容抓取 -> AI 提炼 -> 复习日程 -> 提醒执行”设计闭环。课程表模块用 WebView + JS DOM 解析抓取教务网页并映射到周视图；课堂内容抓取模块支持从 oc.sjtu.edu.cn 提取文本与 PPT 链接；AI 模块通过 HTTP 调用 Deepseek-V3.1模型完成要点提炼与复习建议生成；日程模块用本地算法按记忆曲线排程并做课程时间冲突检测；提醒模块采用 AlarmManager(原生) + flutter_local_notifications；数据持久化使用 SharedPreferences。
2.我负责的模块与结果（量化）
我独立完成了课程表、日程、用户三大页面与核心业务逻辑，重点负责：课表导入解析、课程卡片交互、AI 提炼接入、复习计划生成、提醒调度与本地持久化。实现了 7 天 x 13 节 的课表展示、连堂课程合并、单双周识别、课程详情二次抓取与重抓、AI 提炼结果回写、自动生成多阶段复习任务、手动日程增删改查、重启后数据恢复等功能，形成可在真机连续使用的 MVP。
3.难点、坑与解决方案
主要难点在于：不同教务页面结构不一致导致抓取不稳定、Android 发布版 WebView/网络权限差异、厂商系统下定时提醒不触发、以及中文编码与 UI 溢出问题。
我的解决方案是：按页面特征分层写解析器并增加容错；补齐发布版 INTERNET/网络配置；将排程提醒改为原生 AlarmManager 精确调度并补充权限引导；统一 UTF-8 编码链路并重构课程卡片自适配布局。
示例图片视频
相似推荐
电商价格监控与竞品分析平台
1、立项背景和目标：
随着电商竞争白热化，品牌方与零售商需实时掌握自身及竞品在各平台（如亚马逊、淘宝、京东国际站）的价格、库存、促销及用户评价动态，用于制定定价策略、监控渠道合规及进行市场分析。传统人工监控效率低下、覆盖面窄。本项目旨在构建一个自动化、高可用的分布式爬虫系统，实现对全球多个主流电商平台目标商品信息的7x24小时稳定采集、清洗、存储与可视化，为核心业务部门提供分钟级延迟的数据支持，辅助商业决策。
2、软件功能、核心功能模块的介绍：
调度中心模块：基于Redis，负责任务的优先级调度、去重与分发，管理爬虫节点状态。
爬虫核心模块：基于Scrapy框架，针对不同网站编写定制化Spider，负责页面下载、解析，处理反爬机制（IP代理、请求头轮换、验证码识别接口调用）。
数据管道模块：负责数据清洗（去重、格式化）、验证，并持久化存储至MongoDB，同时将异常数据与原始页面快照存储至备用库以供排查。
监控报警模块：监控爬虫运行指标（成功率、速度、错误类型），通过企业微信机器人推送异常报警。
管理后台模块：提供Web界面，用于管理监控任务、配置爬取规则、查看数据报表和导出数据。
3、业务流程、功能路径描述：
任务配置：运营人员在管理后台添加/编辑监控商品，输入商品URL或ID，并设置爬取频率（每30分钟）。
任务调度：调度中心将新任务封装为Request，推入Redis的待爬队列。爬虫节点（多台服务器）从队列中竞争获取任务。
页面抓取：爬虫节点根据任务类型选择对应的Spider，通过代理IP池发起请求，下载目标页面。若失败，根据策略重试或放入重试队列。
数据解析与清洗：下载成功的页面被Spider中编写的XPath/CSS规则解析，提取商品标题、价格、促销信息、评价数等结构化数据。数据管道对价格进行货币单位统一、去除无效字符。
数据存储与通知：清洗后的数据存入MongoDB的product_price集合，并生成一条变更记录。若价格波动超过预设阈值，系统触发企业微信通知。
监控反馈：所有抓取日志和状态指标实时汇总，展示在监控仪表盘上。
某游戏启动器-无
因为我朋友给我拉了一个minecraft服务器管理所以我就顺手给他做了一个启动器 实际上就是一个公式化的登录加上一个运行游戏本体 非要说什么就是用了小组件的方式能让玩家自定义一些ui但是也没有多少小组件
天安人寿管理驾驶舱项目
2023年以业务达成及渠道经营指标建设为主，后续逐步扩展支持财务、运营、客户、风险等管理建设成为“一站式”决策支持管理系统。实现精细化管理，可下钻到片区、分公司、支公司、营业部/组、达成率、升降排序等分析。天安人寿管理驾驶舱项目分为pc端和移动端，主要由主要由综合管理、机构管理、渠道管理，产品管理，流程管理，消息中心、权限中心等模块组成
内容工厂
新媒体运营者每天需要从大量 RSS 信息源中筛选热点、提炼要点、撰写各平台差异化文案，再手动粘贴到微信公众号、微博、头条号等编辑器——全流程耗时长、重复劳动多，且各平台对排版格式要求不同，人工适配成本极高。
本项目（mp-agent）的目标是构建一条"信息聚合 → AI 生成 → 多平台分发"的全自动内容流水线：定时从订阅的 RSS 源抓取文章，由大语言模型自动摘要和合写每日资讯，并按平台规范格式化后一键发布或提供带主题排版的富文本复制，将单期内容生产时间从数小时压缩至分钟级，支持零人工干预的定时全自动运行，也支持人工介入的半自动审核模式。
45G互操作参数核查工具
1.是设计并实现互操作工具的核心功能模块，如重定向管理、切换控制、邻区配置检查与优化等。
2.与现有网络管理系统集成，确保工具能够无缝接入并高效运行。
3.开展实地测试与验证，根据测试结果不断优化工具性能与稳定性。
4.提供用户培训与支持服务，确保用户能够熟练使用工具进行网络优化工作。
5.从爱立信网络管理系统中准确提取4G与5G间的互操作相关参数，确保数据的完整性和准确性。
6.根据既定的核查规则策略，对提取的参数进行逐一比对与分析，这些规则策略可能涵盖切换阈值、邻区配置、频率优先级等多个方面。
7.对核查结果进行统计汇总，形成清晰的报告，明确指出互操作参数中存在的问题及潜在优化点。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服