2、科技助力：学生考勤、环境监测与语言翻译系统的创新实践

科技助力：学生考勤、环境监测与语言翻译系统的创新实践

一、学生考勤系统

1.1 系统实现架构

在学生考勤系统中，广泛采用了 REST - 表述性状态转移（RESTful）API 来开发整个应用。数据存储在 EpsumThings 服务器，业务逻辑在 AWS lambda 中执行，二者通过 RESTful API 保持同步。REST API 本质是客户端与服务器之间的请求 - 响应模型，客户端（这里是 lambda 函数）向服务器发送请求，操作成功后服务器返回响应。

1.2 考勤系统实现步骤

• 创建 Alexa 技能 ：通过 Alexa 技能控制台创建技能，开发者可选择使用自己服务器的后端或 Amazon lambda 函数，本系统后端采用 AWS lambda。
• 定义意图 ：可通过图形用户界面或使用 JSON 对象批量定义语音意图。意图可设置多个热词，以便对一组关键词或句子执行相同操作。
• 连接后端程序 ：将定义好的意图通过 lambda 函数与后端程序连接。后端程序使用 Alexa 技能 API 接收从语音意图解析的参数，并传递给后端函数。本系统使用 Python 作为后端语言，将解析的参数作为函数参数，返回字符串作为语音响应给用户。

1.3 数据流程

当教授使用热词“今天的考勤是多少”询问当前考勤时，数据流程如下：

graph LR