2403_83780579的博客

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（九）

UIverse组件库是一个有很多炫酷有趣组件的网站，我在上面找了许多有趣的组件并将合适的应用到了我们项目中。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（八）

纪振文第十五、十六周的工作记录：

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台 （项目博客六）

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（七）

纪振文第十四周的工作记录：

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（六）

之前使用的阿里OCR云服务，题目图片识别和解答图片识别都是使用的最基本的通用文字识别服务，这个通用文字识别服务使用范围较广，但是在特殊应用场景，特别是我们教育主题系统中，表现效果其实不是很好，于是我深入学习了阿里OCR云服务的各种各样OCR服务支持。这里我觉得最适用的两个OCR服务，一个是阿里提供的教育场景专用题目识别OCR服务，可以很好地用于我的题目图片识别；另一个是通用文字识别类中的通用手写体识别服务，因为我们用户上传的解答图片按常理来讲大多数都是手写，所以这里也非常适配。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台 （项目博客五）

在第十跟十一周，我们进入了项目第五阶段：本阶段实现目标包括：1.基于OpenCV的情感识别模块2.学科知识图谱构建，基于知识图谱提供大模型知识进行问答3.数字人前端展示4.智能题目批改功能5.趣味教育小游戏6.简历生成。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（五）

当前我只实现了简单的批改回复，后续会继续改进，使用恰当的prompt，针对不同题目提取出相应知识点，并一一验证上传的解题步骤，给出针对性的答案，批改意见。OCR服务返回JSON格式的结果，前端grading.js 中的 recognizeImages 函数接收到后端的响应，并对响应数据进行初步处理（例如 .trim() 文本），并构造一个标准化的结果对象， 将结果显示给用户。在阿里云平台服务中，有一项专门用于教育领域的OCR识别服务，可以智能识别题目，切割试卷，识别手写体。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台 （项目博客四）

回顾四大模块的落地效果，提出下一步优化方向，如检索结果的排序与过滤、生涯规划可视化、名师对话的情感与场景丰富性、以及语音合成的音质与发音风格多样化。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台 （项目博客二）

后端则基于轻量级的 Flask 框架，内嵌 python-docx-template 完成 Word 文档模板的渲染与动态内容填充，并以 MongoDB 作为持久化存储，既能灵活管理每个用户的模板数据，也能支持异步流式响应的处理逻辑，提高生成效率。上下文记忆：基于 LangChain 的 memory 模块，结合数据库中存储的历史消息，将用户的对话历史与新请求一并传给模型，实现连贯对话。大纲生成：调用 create_outline 方法，生成 PPT 大纲并在对话中展示，用户确认后进入下一步。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（项目博客三）

在第八周，也就是第三阶段的开发中，我们团面对聚焦于多模态输入与输出模块的协同优化，涵盖实时语音识别、文档向量化处理与向量知识库构建、检索增强生成（RAG）聊天框架搭建，以及对话驱动的智能PPT生成功能完善。实验采用“思路—实现—验证”三步法，旨在提升教学辅助平台的交互自然度、知识覆盖面与内容呈现质量。

原创 如何创建mongodb云数据库并用Navicat连接

用户可以上传题目照片和自己的解答过程，通过ocr识别或者其他方式提取出信息，发送给大模型，并让其进行解答，最终回复用户。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（四）

之前版本的知识图谱显示是将所有知识图谱一起显示，这样前端渲染会显得烦乱无章，于是我改进了用户可以创建不同的项目，每个项目有一个project_id，用户可以单独选中特定项目，在选定项目中生成知识图谱，生成的节点都带有project_id属性，在前端显示时用户可以选中需要查看的知识图谱，系统会在neo4j数据库中查询对应project_id的节点与关系并显示。* **极其重要**: 节点 ID 必须是文本中实体的**唯一且一致**的标识符。在给大模型发送的内容中添加了基于大模型回答的函数。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（三）

1.当前知识图谱生成时存在重复的实体节点与边关系，这是因为在上下文切分与提取中前面出现了该实体，后面也出现了该实体，系统将其当成两个不同元素存入了数据库，实际上应该是一个节点。LLM 格局我写好的prompt进行文本分析，提取关键实体（作为图谱节点 Node）和它们之间的关系（作为图谱边 Relationship），以及相关的属性（Properties）。后端接收问题，解析问题意图，从中从中解析出问题中的实体与关系，并查询 Neo4j 数据库以检索与问题相关的上下文信息（相关的子图、节点、关系）。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（二）

第七周开始我先是对当前团队所完成的所有功能进行集成与测试：聊天功能：教案生成功能：经过测试与改善，各功能已可以很好适配运行。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（一）

我们项目框架采用的是flask+vue3，这是我们的后端框架这是我们的前端框架。

原创 山东大学软件学院项目实训--创新实训--智能辅助教学平台（项目博客一）

在第六周，我们团队完成了项目第一阶段，我们实现了项目基础框架的搭建，前后端通信，数据库创建与连接。并且实现了基于验证码的登录注册功能，以及基于deepseek的聊天对话功能。