业务和功能介绍
1. 立项背景和目标
针对晚托机构老师在管理学生作业时面临的错题记录繁琐、纸质作业难以数据化、缺乏针对性复习题目等痛点，本项目研发了“学伴小智”小程序。目标是打造一款轻量级的智能教学辅助工具，通过AI技术将传统的纸质错题快速转化为结构化数据，为老师提供精准的学情分析，并实现个性化练习题的自动生成，从而提升辅导效率，实现因材施教。
2. 软件功能、核心功能模块介绍
智能聊天式上传模块（核心创新）：打破传统表单录入方式，采用对话式交互。老师只需在聊天界面上传作业照片并输入学生姓名，系统即可自动识别并归档。
AI自动识别与分析：集成 Google Gemini AI 能力，自动完成 OCR 文字识别、题型分类（计算、应用、概念题等）及知识点定位，并生成详细解析。
多维度学情分析：提供错题类型分布饼图、知识点薄弱项 Top10 柱状图及学生错题趋势折线图，帮助老师快速锁定班级或个人的学习盲区。
智能举一反三（核心闭环）：基于选定的错题，AI 异步生成难度相当、知识点一致的变式练习题，支持一键导出 Word 试卷，完成“练习-错题-再练习”的闭环。
3. 业务流程、功能路径描述
用户进入小程序后，通过底部中央的“相机”按钮进入聊天上传页，上传作业图片后，AI 实时返回识别结果并自动存入数据库。随后，老师可在“查询”模块通过年级、班级、时间等维度筛选作业记录或单道错题。在“练习”模块，老师可以勾选特定的错题任务，提交“举一反三”生成请求。系统在后台异步完成试卷编排后，通过 WebSocket 或轮询通知老师预览并导出 Word 版练习卷。
针对晚托机构老师在管理学生作业时面临的错题记录繁琐、纸质作业难以数据化、缺乏针对性复习题目等痛点，本项目研发了“学伴小智”小程序。目标是打造一款轻量级的智能教学辅助工具，通过AI技术将传统的纸质错题快速转化为结构化数据，为老师提供精准的学情分析，并实现个性化练习题的自动生成，从而提升辅导效率，实现因材施教。
2. 软件功能、核心功能模块介绍
智能聊天式上传模块（核心创新）：打破传统表单录入方式，采用对话式交互。老师只需在聊天界面上传作业照片并输入学生姓名，系统即可自动识别并归档。
AI自动识别与分析：集成 Google Gemini AI 能力，自动完成 OCR 文字识别、题型分类（计算、应用、概念题等）及知识点定位，并生成详细解析。
多维度学情分析：提供错题类型分布饼图、知识点薄弱项 Top10 柱状图及学生错题趋势折线图，帮助老师快速锁定班级或个人的学习盲区。
智能举一反三（核心闭环）：基于选定的错题，AI 异步生成难度相当、知识点一致的变式练习题，支持一键导出 Word 试卷，完成“练习-错题-再练习”的闭环。
3. 业务流程、功能路径描述
用户进入小程序后，通过底部中央的“相机”按钮进入聊天上传页，上传作业图片后，AI 实时返回识别结果并自动存入数据库。随后，老师可在“查询”模块通过年级、班级、时间等维度筛选作业记录或单道错题。在“练习”模块，老师可以勾选特定的错题任务，提交“举一反三”生成请求。系统在后台异步完成试卷编排后，通过 WebSocket 或轮询通知老师预览并导出 Word 版练习卷。
项目实现
1. 整体架构和设计思路
本项目采用前后端分离的现代化架构。
前端：使用微信小程序原生框架开发，追求极致的加载速度和原生交互体验；图表展示采用 ECharts 适配版，实现数据可视化。
后端：基于 Node.js (Express) 构建 RESTful API 接口，负责业务逻辑中转与 AI 服务调度。
数据库与存储：选用 Supabase (PostgreSQL) 作为核心数据库，利用其行级安全策略（RLS）确保机构间数据隔离；图片资源存储于 Supabase Storage。
AI 引擎：深度集成 Google Gemini 3 Flash Preview（用于快速 OCR 与分析）和 Gemini Pro（用于高质量变式题生成）。
异步处理：引入 Bull + Redis 任务队列处理耗时较长的试卷生成任务，确保前端响应不阻塞。
2. “我”的负责模块和结果
我主导了后端核心架构的设计与 AI 集成模块的开发。
AI 识别流水线：设计并实现了基于 Gemini Vision 的自动化识别流程，将单张作业的识别与知识点分析耗时控制在 8 秒以内，识别准确率达到 85% 以上。
异步试卷生成系统：利用 Bull 队列实现了可靠的异步生成机制，支持多用户并发请求，变式题生成的成功率提升至 98%，单份试卷（10题）生成耗时约 2-3 分钟。
数据库设计与优化：构建了支持千万级数据的 PostgreSQL 索引方案，使学情分析报表的查询延迟从秒级降低至 200ms 以内。
3. “我”遇到的难点、坑与解决方案
难点：AI 返回 JSON 格式不稳定性。
问题：大模型有时会返回带有 Markdown 标签或格式错误的 JSON，导致后端解析崩溃。
解决：编写了鲁棒的正则表达式清洗函数，并结合 try-catch 自动重试机制；同时在 Prompt 中强化了 Output only valid JSON 的约束，显著提升了数据解析的稳定性。
坑：微信小程序上传大图导致的超时。
问题：原图直接上传经常触发 30s 超时，且消耗大量存储带宽。
解决：在前端引入了 wx.compressImage 进行预压缩，并在后端接入了流式上传处理，将单图上传成功率从 90% 提升至 99.9%。
难点：异步任务的状态实时反馈。
问题：用户提交生成任务后，无法实时感知进度。
解决：通过集成 WebSocket (ws 库) 建立了双向通信通道，将 Bull 队列的进度实时推送至小程序端，提升了用户等待时的心理预期。
本项目采用前后端分离的现代化架构。
前端：使用微信小程序原生框架开发，追求极致的加载速度和原生交互体验；图表展示采用 ECharts 适配版，实现数据可视化。
后端：基于 Node.js (Express) 构建 RESTful API 接口，负责业务逻辑中转与 AI 服务调度。
数据库与存储：选用 Supabase (PostgreSQL) 作为核心数据库，利用其行级安全策略（RLS）确保机构间数据隔离；图片资源存储于 Supabase Storage。
AI 引擎：深度集成 Google Gemini 3 Flash Preview（用于快速 OCR 与分析）和 Gemini Pro（用于高质量变式题生成）。
异步处理：引入 Bull + Redis 任务队列处理耗时较长的试卷生成任务，确保前端响应不阻塞。
2. “我”的负责模块和结果
我主导了后端核心架构的设计与 AI 集成模块的开发。
AI 识别流水线：设计并实现了基于 Gemini Vision 的自动化识别流程，将单张作业的识别与知识点分析耗时控制在 8 秒以内，识别准确率达到 85% 以上。
异步试卷生成系统：利用 Bull 队列实现了可靠的异步生成机制，支持多用户并发请求，变式题生成的成功率提升至 98%，单份试卷（10题）生成耗时约 2-3 分钟。
数据库设计与优化：构建了支持千万级数据的 PostgreSQL 索引方案，使学情分析报表的查询延迟从秒级降低至 200ms 以内。
3. “我”遇到的难点、坑与解决方案
难点：AI 返回 JSON 格式不稳定性。
问题：大模型有时会返回带有 Markdown 标签或格式错误的 JSON，导致后端解析崩溃。
解决：编写了鲁棒的正则表达式清洗函数，并结合 try-catch 自动重试机制；同时在 Prompt 中强化了 Output only valid JSON 的约束，显著提升了数据解析的稳定性。
坑：微信小程序上传大图导致的超时。
问题：原图直接上传经常触发 30s 超时，且消耗大量存储带宽。
解决：在前端引入了 wx.compressImage 进行预压缩，并在后端接入了流式上传处理，将单图上传成功率从 90% 提升至 99.9%。
难点：异步任务的状态实时反馈。
问题：用户提交生成任务后，无法实时感知进度。
解决：通过集成 WebSocket (ws 库) 建立了双向通信通道，将 Bull 队列的进度实时推送至小程序端，提升了用户等待时的心理预期。
示例图片视频
相似推荐
华润赛科APP端-华润赛科
工厂方便工作人员点检设备与设备维护
工厂方便工作人员点检设备与设备维护
工厂方便工作人员点检设备与设备维护
工厂方便工作人员点检设备与设备维护
工厂方便工作人员点检设备与设备维护
工厂方便工作人员点检设备与设备维护
用于员工视频时长监测
1. 立项背景与目标
为满足朋友所在公司对各项目员工培训视频观看情况的监测需求，我们计划开发一套视频培训管理系统。核心目标是实现对员工观看行为的自动化跟踪与统计分析，帮助管理者高效掌握培训进度，确保培训内容的有效落实。
2. 软件功能与核心模块
系统主要由两大功能模块构成：
任务管理模块：管理员可在该模块中上传、配置培训视频，并创建学习任务，指定需要观看的员工或项目组。
数据统计模块：该模块自动采集员工观看行为，以任务为单位展示每位员工的累计观看时长、完成状态等数据，支持多维度的筛选与导出，为培训效果评估提供数据支撑。
3. 业务流程与功能路径
员工通过员工端登录系统，在任务列表中查看并观看指定视频；系统实时记录观看时长并同步至后台。管理员登录管理端后，即可在数据统计界面实时查看所有员工的观看明细，包括每个任务的完成情况，从而实现从任务发布到效果反馈的闭环管理。
软包装生产行业-EPP管理系统
本EPP管理系统专注于软包装印刷行业，为中小规模印刷生产企业量身打造。系统采用SAAS结构、云端部署，无需安装，无需自建IT部门，支持移动办公，随时随地掌控生产进度和经营数据。
报工数据实时收集，工单进度实时查看，生产消息实时播报，生产绩效即时可看，订单随时随地审核，库存报表一键导出。生产过程一目了然，外协进程一手掌握，绩效报表一键生成，一站式
管理驾驶舱，轻松帮助完成企业数字化转型。
俄罗斯方块趣味版
一、立项背景和目标
**立项背景**：经典俄罗斯方块玩法单一，为增加趣味性和挑战性，决定加入新元素。同时通过项目实践巩固C#和Windows Forms知识。
**项目目标**：开发Windows平台俄罗斯方块游戏，保留经典玩法，新增炸弹、金币、L方块锁定、底部障碍等特色机制，界面清晰、操作流畅。
二、软件功能
**基础功能**
- 方块左右移动、旋转、加速下落、硬降
- 自动下落，满行消除并计分
- 游戏暂停、继续、重新开始
**特色功能**
- 炸弹方块：落地爆炸，清空周围3×3区域
- 金币方块：消除时加50分，累计金币数量
- 炸弹道具：消除炸弹方块获得，按B键主动使用
- L方块锁定：L形方块永远不能旋转
- 底部障碍：每消10行生成一行随机障碍
**界面功能**
- 实时显示分数、等级、消除行数、金币、炸弹道具
- 下一个方块预览
- 控制说明和视觉提示（L方块暗红色、炸弹爆炸预览）
三、核心功能模块
| 模块 | 作用 |
|------|------|
| 方块生成模块 | 随机生成方块，控制出现概率（普通75%、金币15%、炸弹10%） |
| 移动控制模块 | 处理键盘输入，执行移动、旋转、硬降 |
| 碰撞检测模块 | 检查移动/旋转是否合法（边界、重叠） |
| 行消除模块 | 检测满行、消除、计分、上方方块下落 |
| 道具系统模块 | 处理炸弹爆炸、金币加分、炸弹道具使用 |
| 难度系统模块 | L方块锁定、底部障碍生成 |
| 界面显示模块 | 绘制棋盘、方块、信息面板，实时更新 |
四、业务流程
**游戏主流程**
开始游戏 → 生成当前和下一个方块 → 自动下落 → 玩家控制 → 方块落底 → 固定到棋盘 → 检查满行 → 消除行并计分 → 生成新方块 → 检查是否游戏结束
**炸弹处理流程**
炸弹方块落底 → 遍历周围3×3格子 → 金币先加分后清空 → 其他方块清空（障碍除外） → 应用重力 → 继续游戏
**炸弹道具使用流程**
按B键 → 检查是否有道具 → 遍历当前方块周围3×3格子 → 金币加分并清空 → 其他方块清空 → 消耗道具 → 应用重力 → 更新界面
**游戏结束流程**
新方块生成时位置被堵 → 游戏结束 → 停止自动下落 → 显示结束提示 → 按Enter重新开始
五、功能路径
| 操作 | 功能路径 |
|------|----------|
| 左移 | 按← → 调用MoveLeft() → 碰撞检测 → 更新坐标 → 重绘 |
| 右移 | 按→ → 调用MoveRight() → 碰撞检测 → 更新坐标 → 重绘 |
| 加速下落 | 按↓ → 调用MoveDown
电商小程序-新零售电商社交系统
新零售电商社交系统采用Java技术分层开发，选用主流框架开发，覆盖公众号、小程序、H5、APP多端，是一款专为中小型企业打造的社交电商系统。
丰富营销活动，拼团、砍价、秒杀、积分、优惠券、签到等，提高转换。
视频号直播带货，分享微信直播流量红利，与用户更好的互动，实现精准带货。
快速裂变分销，裂变分销快速拓客销售渠道促进业绩增长。
高效引流获客，微信小程序、app 、公众号 、H5多渠道流量获取。
多维度数据分析，全方位多维度大数据分析实时监控店铺运营状态。
商城可视化编辑，随心所变。首页可视化设置，页面进行模块化分区，可自由选择模块，并对模块进行个性化设计。风格一键换色，系统内置5种主题风格颜色，用户可根据实际应用需求，一键切换主题风格颜色。
适配不同品牌和行业，可根据自己的品牌色来自定义相应的商城主题，更加符合品牌特性。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服