微信公众号后台

SDM System是一个包含后端，web前端，小程序的一个管理系统核心目标： - 学习活动的全生命周期管理 - 平台人员与权限的清晰管理 - 支持多种登录方式与微信生态 - 预留社区能力与多租户扩展 - 数据私有化、部署灵活、UI 现代、可上架应用商店

本项目是一个基于大语言模型的智能面试刷题与模拟面试平台，面向求职用户提供题库练习、AI问答、模拟面试、答案优化与学习反馈等功能，目标是提升用户在算法、八股文、项目表达和场景题上的综合面试能力。平台支持按照岗位方向和技术栈进行个性化练习，例如 Java 后端、前端开发、测试开发等，帮助用户构建更贴近真实面试流程的训练闭环。 系统核心功能包括：1）题库管理与分类检索，支持按岗位、知识点、难度、企业标签进行筛选；2）AI问答与答案润色，用户可输入自己的回答内容，由大模型进行点评、补充和优化；3）模拟面试模块，系统根据岗位方向自动生成多轮面试问题，并结合上下文持续追问；4）学习记录与结果分析，统计用户练习次数、薄弱知识点和高频错误；5）后台管理模块，支持题库维护、用户数据查看、模型提示词配置及训练策略调整。 在业务流程上，用户先选择目标岗位和练习方向，再进入专项刷题或模拟面试场景；系统结合历史练习记录和当前问题内容调用大模型生成参考答案、面试点评和追问建议；用户完成训练后，平台自动输出本次表现分析和改进建议，形成“练习—反馈—复盘—再次练习”的学习闭环。

1、立项背景和目标 针对安全生产知识培训需求，开发一套支持多选题、单选题、判断题的在线刷题系统。系统需要支持 Excel 批量导入题库、错题自动记录、针对性练习等功能，帮助企业员工高效备考安全生产相关考试。 2、软件功能、核心功能模块的介绍 - 题库管理模块 ：支持 Excel (.xlsx) 批量导入题目，支持 A-F 六个选项，支持多答案题型；提供题目增删改查功能，密码保护的管理后台 - 在线刷题模块 ：支持顺序练习、随机抽题、错题本练习三种模式；实时答题反馈，答对自动跳转，答错显示正确答案解析 - 错题本模块 ：自动记录答错题目，支持多次答错次数统计；提供针对性练习功能，答对后自动从错题本移除 - 考试统计模块 ：答题正确率统计、错题回顾、答题历史记录

# 闲小六 · 拍万物学英语 微信小程序 需求文档（收费系统） ## 一、项目概述 **小程序名称**：闲小六 · 拍万物学英语 **面向人群**：3–12岁儿童英语启蒙 **核心模式**：拍照 → AI自动识别 → 中英朗读 → 跟读测评 → AI自动生成易/中/难单词 → 跟读纠错 → 学习记录 全部内容AI自动生成，无需后台维护任何物品、单词。 ## 二、小程序端功能（完整详细） 1. **拍照AI识别** - 拍照 / 相册上传均可 - AI自动识别物品：家电、动物、植物、食物、日常用品、玩具等 - 自动显示：中文名称 + 英文单词 + 国际音标 - 无需后台录入任何物品 1. **双语朗读** - 自动朗读：中文1遍 + 英文1遍 - 发音标准清晰，适合儿童 1. **跟读 + AI纠错打分** - 点击跟读录音 - AI自动判断对错 - 读对：表扬动画+语音 - 读错：纠正发音，可无限重试 1. **AI自动拓展单词（易·中·难）** - 识别物品后，AI自动出3个相关单词 - 每个单词：英文 + 中文 + 音标 + 发音 - 每个单词均可跟读、测评、纠正 - 全部完成显示学习完成 1. **学习**记录 - 自动保存历史记录 - 可复习、可查看 1. 儿童**友好**界面 - 大按钮、大字体、简洁无广告 - 操作简单，一键拍照使用 ## 三、收费系统功能 1. **免费额度（吸引用户）** - 未付费用户：每天可免费拍照识别 3 次 - 超过3次：提示开通会员 2. **会员付费模式 - 支持开通**： - 月卡 - 季卡 - 年卡 - 会员特权： - 每日拍照识别不限次数 - 跟读、组词、发音全部无限制使用 - 历史学习记录永久保存 3. **支付方式** - 用微信官方支付，安全正规 - 用户支付后自动开通会员 - 支付记录后台可查 4. **会员状态** - 首页显示：剩余免费次数 / 会员到期时间 - 过期自动变回免费版（每日3次） 5. **不做复杂营销** - 不开通分销、不做诱导分享、不做违规裂变 - 只做简单干净的会员付费 ## 四、后台管理系统（我自己全权负责） 1. **AI接口配置（我自己管）** - 后台填写：物体识别API KEY、发音API KEY、跟读测评KEY - 自己充值、自己续费、自己负责，不绑定开发者 - 接口过期自己处理，不用改代码 1. **会员与收费管理** - 查看所有用户：是否会员、到期时间 - 查看支付订单、支付金额 - 可手动给用户延长会员（售后用） 1. **数据统计** - 用户数、使用次数、识别记录 - 会员开通数据、收益统计

研究内容方面，本研究聚焦于设计与开发一款基于大模型技术的编程课程智能助教系 统，旨在提升编程教育质量与效率，减轻教师教学负担，同时为学生提供个性化、精准的 学习支持。 在智能助教系统的设计上，本研究会依据编程教育的特色与需求，规划整体架构，明 确各功能模块及其交互方式，构建高效、稳定且可扩展的智能助教平台，以适应不同规模 和类型的编程课程。在大模型选型与集成环节，调研评估多种适合编程教育的大模型，选 择性能优越、适配性强的作为核心技术支撑，并将其无缝集成到系统架构中，使其为编程 课程提供精准的知识解答、代码分析和学习建议等服务。前后端架构规划同样关键，前端 界面注重友好性和易用性，便于学生和教师与智能助教交互；后端服务架构则优化运行效 率和数据安全处理，满足高并发访问和复杂数据处理需求。 核心功能模块的开发涵盖多个方面。代码分析与答疑功能利用大模型对编程语言的理解和分析能力，实时分析学生代码，准确识别语法错误、逻辑缺陷和风格问题等，并提供 详细错误解释和修正建议，助力学生提升代码质量。个性化编程学习路径规划功能则根据 学生学习进度、编程基础和学习目标等因素，结合大模型对编程知识点的关联分析，为学 生定制专属学习路径，动态调整学习内容难度和顺序，推荐相关案例和练习题，满足学生 个性化学习需求。此外，自然语言交互与智能辅导功能的开发，让学生能以自然方式向助 教提问，大模型理解学生意图并生成准确、清晰且有针对性的回答，无论是编程概念、算 法选择还是编程工具使用等问题，都能给予有效指导，模拟真实教师教学过程，增强学生 学习体验。 教学资源与数据管理同样是研究重点之一。编程教学资源的整合与优化方面，收集、 整理和整合丰富教学资源，如教程、案例库、代码示例、练习题等，与大模型关联融合， 依据学生需求推荐资源，利用大模型评估优化资源，更新丰富资源库，提高资源利用率。 学习数据的收集与分析方面，建立学生学习数据收集机制，记录学习行为和成果，分析挖 掘学习习惯、困难点等信息，为智能助教提供数据支持，使其精准提供学习建议和辅导策 略，同时为教师改进教学提供依据，实现数据驱动教学优化。 最后，在系统的可用性测试与优化工作上设计测试方案，招募不同背景和编程水平的 用户参与测试，收集反馈意见，观察交互行为和任务完成情况，评估系统易用性、功能完 整性等。根据测试结果，对系统全面优化改进，修复问题不足，调整参数算法，提升性能 稳定性，优化用户体验，使智能助教系统贴合实际教学场景和用户习惯，发挥最大价值。 总而言之，本研究期望通过以上内容的深入探索和实现，成功开发出具有创新性和实 用性的基于大模型的编程课程智能助教系统，为编程教育改革与发展提供有力支持，助力 学生掌握编程知识技能，培养适应时代需求的编程人才。