基于大模型的智能课程答疑系统
2026-07-13 22:55:50
行业：在线教育、人工智能
载体：网站、Windows应用
技术：Python、Chainer、Fast.ai、Chaincode
业务和功能介绍
1、立项背景和目标：
高校专业课程学习中，学生课后答疑需求频繁但教师精力有限，传统群聊问答重复率高、覆盖率低。本项目旨在构建基于大模型RAG技术的智能答疑系统，让上传的课程资料（PDF、PPT）成为知识库，实现7×24小时自动答疑，减轻教师负担并提升学生自学效率。
2、软件功能、核心功能模块的介绍：
系统包含学生端和管理端。学生端支持课程选择、多轮智能问答、历史会话查看、知识点收藏；管理端支持课程资料上传、知识库构建监控、问答记录统计、Prompt模板调优。核心模块为RAG检索增强生成引擎、多轮对话上下文管理、文档智能解析与向量化存储。
3、业务流程、功能路径描述：
教师上传课程资料，系统自动解析分块并生成向量存入Chroma数据库；学生选择课程后输入问题，系统检索Top3相关文档片段，结合历史对话上下文构造Prompt，调用大模型生成带溯源标注的答案；学生可继续追问或切换课程，管理员可在后台查看高频问题并优化知识库。
高校专业课程学习中，学生课后答疑需求频繁但教师精力有限，传统群聊问答重复率高、覆盖率低。本项目旨在构建基于大模型RAG技术的智能答疑系统，让上传的课程资料（PDF、PPT）成为知识库，实现7×24小时自动答疑，减轻教师负担并提升学生自学效率。
2、软件功能、核心功能模块的介绍：
系统包含学生端和管理端。学生端支持课程选择、多轮智能问答、历史会话查看、知识点收藏；管理端支持课程资料上传、知识库构建监控、问答记录统计、Prompt模板调优。核心模块为RAG检索增强生成引擎、多轮对话上下文管理、文档智能解析与向量化存储。
3、业务流程、功能路径描述：
教师上传课程资料，系统自动解析分块并生成向量存入Chroma数据库；学生选择课程后输入问题，系统检索Top3相关文档片段，结合历史对话上下文构造Prompt，调用大模型生成带溯源标注的答案；学生可继续追问或切换课程，管理员可在后台查看高频问题并优化知识库。
项目实现
1、整体架构和设计思路，不同模块使用的技术栈：
采用前后端分离架构。前端使用Vue3 + Element Plus构建响应式界面；后端使用FastAPI提供异步API接口；数据层使用MySQL存储用户和课程数据，Chroma作为向量数据库存储文档嵌入；AI层使用LangChain框架编排RAG流程，接入OpenAI GPT-3.5 API（同时本地部署ChatGLM3-6B作为低成本备选）。
2、"我"的负责模块和结果（尽可能量化）：
我独立负责RAG核心模块和前端问答页面。实现了基于LangChain的文档加载、RecursiveCharacterTextSplitter文本分割、OpenAI Embedding向量化流程；设计多轮对话Session管理，支持携带3轮历史上下文；通过优化Prompt模板和检索阈值，回答准确率从初始65%提升至82%；完成10门课程共500余份资料的入库测试，平均响应时间2.8秒。
3、"我"遇到的难点、坑，和解决方案：
难点一：大模型幻觉严重，经常回答课程外的内容。解决方案：严格限定RAG检索范围，在Prompt中强制要求"仅基于提供的参考资料回答"，并在UI中展示答案引用的原文段落，既约束模型又提升可信度。难点二：长文档切分导致语义断裂。解决方案：采用滑动窗口切分策略（每块500字、重叠100字），保证上下文连贯性。难点三：API调用成本高。解决方案：实现本地ChatGLM3-6B模型兜底，简单问题走本地，复杂问题走API，月均成本降低约60%。
采用前后端分离架构。前端使用Vue3 + Element Plus构建响应式界面；后端使用FastAPI提供异步API接口；数据层使用MySQL存储用户和课程数据，Chroma作为向量数据库存储文档嵌入；AI层使用LangChain框架编排RAG流程，接入OpenAI GPT-3.5 API（同时本地部署ChatGLM3-6B作为低成本备选）。
2、"我"的负责模块和结果（尽可能量化）：
我独立负责RAG核心模块和前端问答页面。实现了基于LangChain的文档加载、RecursiveCharacterTextSplitter文本分割、OpenAI Embedding向量化流程；设计多轮对话Session管理，支持携带3轮历史上下文；通过优化Prompt模板和检索阈值，回答准确率从初始65%提升至82%；完成10门课程共500余份资料的入库测试，平均响应时间2.8秒。
3、"我"遇到的难点、坑，和解决方案：
难点一：大模型幻觉严重，经常回答课程外的内容。解决方案：严格限定RAG检索范围，在Prompt中强制要求"仅基于提供的参考资料回答"，并在UI中展示答案引用的原文段落，既约束模型又提升可信度。难点二：长文档切分导致语义断裂。解决方案：采用滑动窗口切分策略（每块500字、重叠100字），保证上下文连贯性。难点三：API调用成本高。解决方案：实现本地ChatGLM3-6B模型兜底，简单问题走本地，复杂问题走API，月均成本降低约60%。
示例图片视频
相似推荐
茶企AI产品溯源码系统- 茶源链
本项目为茶企打造全链路溯源+AI品牌讲解系统。消费者扫描茶饼/茶包上的二维码，即可查看从种植、加工、包装到物流的四环节全链路溯源时间轴，验证产品真伪，同时AI虚拟茶艺师形象自动语音讲解茶叶的产地故事、制作工艺和冲泡建议。立项背景是茶叶市场假冒伪劣泛滥、消费者难以辨别真伪，且传统防伪码仅能做真伪验证，缺乏品牌文化传递。核心模块包括：四环节溯源数据采集系统（茶农/加工厂/物流多角色录入）、二维码动态生成与防伪标识、溯源时间轴可视化展示、区块链哈希存证防篡改、AI虚拟茶艺师形象讲解、茶企管理后台（数据录入+讲解词配置+扫码数据分析看板）。
Python自动化办公脚本-表格批量处理工具
日常办公存在大量重复的表格录入、数据整理工作，人工操作效率很低。本自动化脚本可以自动读取表格文件，完成批量填数、格式修正、重复数据剔除，一键完成繁杂的手工操作，程序运行稳定，节省大量办公时间。
智能餐厅管理系统
• 梳理顾客、骑手、管理员三类角色核心需求，主导餐厅数据库系统前后端及数据库开发，使用Python批量生成
20万+仿真数据支撑测试，沉淀可复用数据生成与校验流程。
• 设计并实现看板与智能备餐模块，定义销量、天气、日期等多源数据决策逻辑，输出B端可交互原型。
• 基于n8n搭建AI Agent自动化工作流，整合SQL与天气API数据，通过LLM生成每日备餐建议并自动推送，形成数据驱动决策闭环。
小程序-社区团购小程序
社区生鲜团购电商小程序，覆盖水果蔬菜、肉禽蛋奶、海鲜水产、粮油调味、零食饮料、日用百货等全品类商品。核心功能包括：
1. 首页：顶部搜索栏、公告通知栏、Banner轮播图、8分类导航图标、限时秒杀活动区（含进度条和倒计时）、热门推荐商品瀑布流。
2. 商品分类：左侧一级分类导航（水果/蔬菜/肉禽/水产/粮油/零食/日用/烘焙），右侧二级分类标签筛选，商品网格展示。
3. 商品详情：图片轮播、价格展示（含划线原价）、规格选择弹窗（支持多规格切换）、数量加减、加入购物车和立即购买。
4. 购物车：全选/单选切换、商品数量编辑（加减按钮）、管理模式下批量删除、合计金额展示、去结算。支持空购物车友好提示。
5. 个人中心：用户头像昵称、余额和优惠券、订单状态统计（待付款/配送中/已完成/售后）、功能菜单（地址管理、优惠券、收藏、客服、设置）。
6. 搜索：关键词输入搜索、热门搜索标签、搜索历史管理（支持清除和历史删除）。
线下门店会员核销微信小程序-天天家门店会员核销系统
立项背景和目标：
随着线下实体门店竞争加剧，传统会员管理方式（纸质卡、人工登记）效率低下且用户体验差，难以有效提升客户粘性和复购率。本项目针对天天家早点等社区餐饮门店的实际需求，开发一款轻量级的微信小程序会员管理系统，旨在通过"每日领鸡蛋"这一高频刚需权益，吸引用户注册会员并培养每日到店习惯，从而提升门店客流和营业额。项目目标是实现零接触式会员注册、支付、核销全流程数字化，降低门店运营成本，提升会员活跃度和留存率。
软件功能、核心功能模块的介绍：
本小程序包含三大核心功能模块：
1. 会员注册模块：用户扫描门店静态二维码后进入小程序，通过微信官方手机号快速验证组件完成身份认证，全程无需手动输入，安全便捷。支持新旧版微信API兼容，覆盖全量用户。
2. 会员购买模块：展示39.9元/年的会员权益详情（每日领1个鸡蛋、365天有效期、可续费），集成微信支付实现一键开通，支付成功自动激活会员身份并跳转会员中心。
3. 会员核销模块：会员页面实时展示剩余天数、今日领取状态，用户点击核销按钮即可完成当日鸡蛋领取，店员确认后发放实物。系统自动防止重复领取，支持到期续费提醒。
业务流程、功能路径描述：
用户首次使用流程：扫描门店二维码 → 小程序自动打开 → 授权手机号验证 → 进入会员购买页 → 查看权益说明 → 微信支付39.9元 → 支付成功自动激活会员 → 跳转会员中心。
日常使用流程：扫描二维码 → 自动进入会员中心 → 查看剩余天数和今日状态 → 未领取则点击"领取今日鸡蛋" → 向店员出示成功页面 → 店员确认发放 → 完成核销。
续费流程：会员到期前30天显示续费提醒 → 点击续费按钮 → 微信支付 → 有效期自动延长365天。整体流程轻量化、无感化，用户操作路径最短2步即可完成核销。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服