deseker

提示(最少80个中文字符)： 本项目是一个基于人工智能的素质教育智能导师服务系统，通过整合语音识别、大语言模型和语音合成三大AI能力，为学生提供实时语音交互、智能问答和启发式教学服务。系统采用响应式编程和事件驱动架构，支持高并发实时交互，能够通过苏格拉底式对话引导学生思考，培养科学思维和解决问题的能力。 1. 立项背景和目标 立项背景： 随着人工智能技术发展和教育数字化转型，学生对个性化、互动式学习体验的需求日益增强，而传统教育模式面临教师资源有限、一对一辅导成本高昂的问题。本项目旨在构建一个支持语音交互、具备启发式教学能力的智能导师服务系统。 项目目标： - 技术目标：构建高性能、高可用的智能对话系统，支持实时语音交互和流式响应处理 - 功能目标：实现语音转文字、智能问答、文字转语音的完整流程，支持多轮对话和上下文理解 - 业务目标：为学生提供24小时智能学习助手服务，提升学习效率，培养批判性思维 - 质量目标：系统可用性达到99.9%以上，具备完善的监控和故障恢复机制 2. 软件功能、核心功能模块的介绍 2.1 语音识别模块（STT） 将用户语音转换为文本。支持实时流式识别，边说话边识别；支持多方言识别；自动检测语音开始和结束。 2.2 大语言模型模块（LLM） 系统的智能核心，负责理解问题并生成回复。提供苏格拉底式对话引导，启发学生思考；支持科学问题的多步骤推理；维护对话上下文，支持连贯的多轮对话；实时流式返回回复内容。 2.3 语音合成模块（TTS） 将文本回复转换为语音输出。支持多音色选择，可调语速、音量和音调；实时流式输出，低延迟反馈。 2.4 实时通信模块 通过WebSocket实现客户端与服务端的双向通信。支持语音、文本、心跳等多种消息类型；具备连接状态检测和自动清理机制。 2.5 事件驱动架构模块 采用事件驱动架构统一处理业务事件，包括语音转文字、文字转语音、大模型请求、对话记录存储等，实现业务逻辑的松耦合。 2.6 数据存储模块 使用MySQL存储对话记录和配置信息，Redis缓存提升性能，Neo4j知识图谱支持知识查询和推理。 3. 业务流程、功能路径描述 3.1 语音对话流程 用户发送语音 → 语音转文字 → 识别完成后调用大语言模型 → 生成智能回复 → 文字转语音 → 返回语音给用户 3.2 对话记录存储 对话完成后自动保存对话记录到数据库，包括用户问题、AI回复、会话信息等。 3.3 多轮对话管理 系统维护每个会话的对话历史，确保后续对话能够理解上下文，提供连贯的交流体验。 3.4 异常处理 当AI服务调用失败时，系统自动捕获错误并提示用户，支持重试操作，记录日志便于问题排查。