qq_74429414的博客

智能写作引导系统是融合人工智能与前端交互的创新写作辅助工具，旨在为用户提供实时灵感激发与写作指导，提升智慧教学与创作效率。

我们需要在现有的langchain框架中实现流式输出方法 _stream，LangChain 默认是同步返回生成结果，而 DeepSeek 提供了标准的 stream=True 接口。因此我们需要在 LangChain 中 重写 _stream 方法，手动接入 HTTP 流响应。具体步骤包括：使用 httpx.Client().stream 持续监听响应流；每一行以 data: 开头，根据 SSE 协议提取数据；跳过无效心跳，解析有效 chunk；

LangChain开发阶段总结：从模型接入到全文连续检索生成。

本次将之前完成的学生写作画像与智能学习路径规划的后端与目前已有的后端框架进行整合。同时为了实现学生写作画像与智能学习路径规划，需要在之前简易的登录系统上进行重构，所以本次大规模重写了登录模块，同时发现很多过去冗余的代码，也一并进行了删除。之后在使用最新的学生写作画像后端与登录认证后端的基础上，完成了学生写作中心模块，学生可以登陆后查看自己之前的作文列表与历史各维度得分，获得得分雷达图，进行数据可视化。

这一部分主要是关于教师端。在项目任务书中，关于教师端部分的需求（部分）如下：智能批改，评阅OCR识别多模态输入多层次批改：错别字识别与纠正，病句/语法错误识别与纠正，标点误用识别与纠正直接批改并生成评语需要注意的是，教师端与学生端是可交互的，其基本业务流程应该为：学生进行作文训练->作文交给老师批改->老师可使用上述功能点辅助批改这一业务流程目前已经基本完成，以下各部分的详细介绍：首先是ai生成三个可供选择的题目这一功能，使用deepseekAPI生成三个题目并不难，重点在于编辑prompt格式要求并按照相

经过上述修复和完善，支撑学生端以下功能需求的后端接口已经。学生端个人画像以及学习跟踪与针对性建议的补充与完善。功能在系统中扮演着至关重要的。

路由与页面布局：基于Vue Router实现页面路由配置，完成了（登录页）、（主页面）、（模拟考场）等基础页面的开发。使用和配置路由，将设为默认首页及/login路由对应组件，同时定义/MainPage/TestPage等路由。在App.vue中通过渲染对应组件，实现页面间的无缝跳转。组件化开发开发作为左侧导航菜单，基于Element Plus的el-menu组件，支持点击切换页面，并通过active类名高亮当前选中项。菜单点击后通过自定义事件menu-click通知父组件（）切换页面。实现。

本阶段主要围绕智能写作平台教师端和学生端进行开发，完成了教师端前端框架搭建，实现教师账号登录、注册功能；同时推进学生端部分功能开发，并完成前后端整合，实现关键业务流程贯通。学生端完成账号注册绑定教师功能，设计student表建立学生与教师关联，实现学生注册接口。实现模拟考试作文提交保存功能，设计表存储作文信息。教师端页面设计待批改作文列表页面：完成设计，展示待批改作文基本信息并提供批改按钮。批改作文页面：完成设计，展示作文详细信息，提供批改区域及多种批改辅助功能。后端接口。

本次完成了智能写作引导功能的实现。该功能检测学生“写不下去”的情况，如 1 分钟未输入，触发续写建议。提供至少 3 个参考续写方向，结合文章上下文生成合理内容。需完成：1.60s（1分钟）未输入检测，此项采用session_id进行实现。2.生成续写建议，采用DeepSeek API进行实现，并进行格式化规范化。3.前后端传输数据。4.前端主要实现。

根据对小组项目实现现状的分析，暂时将开发方向定在对后端功能的实现，因此选择了完善项目任务书中规划好的功能：绘制学生个人画像，定制学习路线——绘制学生个人写作画像，根据学生个人写作评分将作文质量分解为6个维度（语法、立意、结构、修辞、情感、创新）进行针对性训练建议。写作画像分析：六个维度评分：语法、立意、结构、修辞、情感、创新每个维度 0-100 分的量化评估自动生成评分和建议学习路线生成：基于评分生成个性化建议按维度分类的改进建议优先级排序的学习计划数据存储：评分数据持久化。

设计了统一的State数据类，管理文章、摘要、素材、生成句子等信息，同时引入**脏标志（Dirty Flags）**机制，确保只有在数据实际变化时才触发下游处理，极大地避免了重复计算，提高了系统性能与资源利用率。在前期，词向量数据库的搭建及RAG检索接口已基本完成，进入到本阶段后，我们主要集中在主旨提炼与生成两部分的完善，特别是依托DeepSeek API来提升系统的智能化水平。在这一过程中，我们不仅完成了接口调用的基本功能，还针对接口的稳定性和可靠性进行了充分调试，包括调整参数、处理超时问题和异常响应。

为实现项目功能中的“实时交互式修改”，如“例证”模块，团队讨论后决定由于现有DeepSeek API模型是DeepSeek-R1，其推理思考时间过长，无法满足对实时的需要，于是决定采用向量数据库与文本向量化进行持久性存储，存储后通过前端传回的内容与数据库中分割的文本进行相似度匹配，进而实现“例证”功能。学习过程中，了解到当前市面上常见的Embedding API如智火API，均按token进行计费，于是在查询与找寻过后决定使用m3e-base中文嵌入模型，可在HF-Mirror网站上进行下载使用。

为实现用户登录，API调用等基础功能，选用轻量型的flask作为后端，同时为实现一系列的页面布局以及秉持前后端分离开发的原则，选用vue作为前端，并且使用Mysql存储用户信息等数据。project/├── app.pyapp.py是应用入口与核心配置，完成全局配置管理和服务初始化，作为Flask应用的启动入口。models.py是数据模型与持久层​，封装所有数据库操作，完成数据的持久化存储等。是认证服务模块​，完成用户登录，权限管理等。

​​ 项目背景​​传统作文教学依赖人工批改，效率低且反馈延迟，学生缺乏实时互动与针对性训练。本项目利用DeepSeek模型的自然语言处理能力，构建智能写作平台，实现教学场景的数字化升级。​​ 目标用户​​​​教师​​：需快速批改作文、分析班级共性问题、制定训练计划。​学生​​：需实时写作反馈、个性化训练题目及结构优化建议。本项目旨在构建一个基于DeepSeek模型的智能写作教学平台，通过AI技术赋能传统作文教学场景。