基于DeepSeek的数据库搜索与思考分析的平台内部助手-师途（部分）

一、立项背景和目标
背景问题：通用AI回答宽泛笼统，无法结合平台内真实教学资料与用户学习数据，给出可落地的实用建议。
核心目标：将AI从通用问答工具升级为平台专属业务助手，实现回答可追溯资料来源、推荐可解释原因、入口可直接访问。
目标拆解：
- 思考模式：仅做分析建议，不检索平台资料库。
- 内线模式：检索资料库并结合用户数据，提供推荐及改进建议。
- 推荐结果可直接预览、下载，无需用户二次检索。
二、软件功能（本次范围）
- AI对话：支持多轮上下文、附件解析、可选图片理解。
- 双模式切换：可自由切换思考模式与内线模式。
- 资料库联动检索：根据用户需求筛选平台资源。
- 推荐直达：展示推荐内容，支持直接预览、下载。
- 反馈闭环：用户点赞/点踩可影响AI后续回答风格。
三、核心功能模块介绍（本次范围）
1. AI交互模块（前端Home.tsx）
- 将用户文本、图片、文件发送至/api/ai_chat接口。
- 渲染结构化AI回复（直接答案、可选方案、可折叠分析）。
- 接收推荐资源，生成可直接访问的文件入口。
2. 资料库检索模块（后端backend.py）
- 通过_search_resource_content功能，按用户需求（学段/年级/学科/关键词）检索资源。
- 统计资源数据（点赞、点踩、评论数、好评率），生成推荐度并回传前端。
3. 推荐直达模块（前端）
- 推荐列表直接调用handlePreview/handleDownload功能，实现“推荐即入口”，无需二次跳转。
4. 反馈学习模块（后端）
- 通过/api/ai_feedback记录全站反馈，将用户偏好注入系统提示，优化回答风格。
四、业务流程
1. 用户在AI界面输入需求（如“小学三年级语文阅读课件”）。
2. 前端将消息、模式、用户ID、上下文、附件提交至/api/ai_chat。
3. 后端判断模式：思考模式不检索资料库；内线模式检索并整理资源。
4. 后端将资料、用户数据（内线模式）、提示约束传入LLM，返回结构化答案及推荐资源。
5. 前端展示答案及推荐文件入口，支持预览、下载。
6. 用户点赞/点踩后上报/api/ai_feedback，形成偏好闭环，优化AI表现。

一、立项背景和目标
背景问题：通用AI回答太笼统，没法结合平台里的教学资料和用户学习数据，给出能直接用的建议。
核心目标：把AI改成平台专属助手，做到回答能查来源、推荐能说清原因、点一下就能用。
目标拆解：思考模式（只分析不查资料）；内线模式（查资料+结合用户数据推荐）；推荐结果可直接预览下载。
二、软件功能（本次范围）
支持AI多轮聊天、解析附件/图片，可切换两种模式，能检索资料库、推荐文件直达，用户点赞/点踩可优化AI回答。
三、核心功能模块介绍（本次范围）
1. 前端AI交互模块：发送用户输入到指定接口，展示AI结构化回复，生成推荐文件入口；
2. 后端资料库检索模块：按用户需求检索资源，统计数据并生成推荐度回传前端；
3. 前端推荐直达模块：推荐列表可直接预览、下载，无需二次跳转；
4. 后端反馈学习模块：记录用户反馈，注入AI提示词优化回答风格。
四、业务流程
用户输入需求→前端提交相关信息到接口→后端判断模式并处理→AI返回答案和推荐资源→前端展示并提供文件入口→用户反馈优化AI。
五、功能路径（用户视角）
进入AI交互界面→选模式（思考模式只分析，内线模式查资料推荐）→输入需求（可注明学段/年级等）→查看AI答案（直接答案、可选方案、可折叠分析）→点击推荐入口预览/下载→点赞/点踩优化AI。
六、项目实现思路
前端管交互展示，后端管检索、数据处理和调用AI；两种模式边界清晰；推荐时标注关键信息和推荐理由；推荐文件可直接打开；用户反馈会持续优化AI回答。
七、技术线（本次范围）
AI会话管理用React等；回复渲染用React相关工具；资料检索用Flask等；文件处理用专用工具；文件预览下载用Flask和前端按钮；反馈优化用Flask接口和数据统计。
八、难点及解决方案（AI交互+资料库联动）
1. AI瞎答不结合平台资料：后端先查资料，再让AI基于资料回答；
2. 两种模式混用：后端按模式分流，思考模式不查资料；
3. 推荐不实用：优先按学段等筛选，再结合关键词和资源质量排序；
4. 推荐文件没法用：AI返回资源后，前端直接生成可点击入口；
5. 回答风格不稳定：记录用户反馈，动态优化AI提示词；
6. 可读性和专业性冲突：固定三段式输出，分析过程可折叠。