项目适用于在线教育、素质教等对教学过程质量高度敏感的场景，业务链路中，上游为课堂音视频与转写系统、CRM 系统、课程中心系统，下游为教学管理平台、运营分析平台和消息通知系统。
该类场景具有三项典型特征：
课堂内容非结构化。原始输入通常为长文本转写结果，包含多说话人、时间序列、课堂互动和教学细节，人工阅读成本高。
评价标准强业务化。不同学科、不同课型、不同班型对应的评价维度并不一致，通用大模型问答无法直接满足业务要求。
结果消费链路复杂。评估结果不仅用于展示，还需要进入数据库、推送给下游系统，并支撑历史数据修复与运营复盘。
项目的价值在于将大模型能力从“单次生成内容”升级为“可落地的业务处理引擎”，将课堂文本加工为可消费、可追踪、可治理的教学评估资产。
项目围绕教学评估主链路，提供以下核心能力：
教学转写结果消费
通过 RabbitMQ 订阅课堂转写完成事件，自动感知课堂文本是否已经全部生成，避免对不完整数据提前评估。
课堂内容标准化处理
将转写系统返回的多段语音文本按照时间戳、说话人、发言内容重组，生成适合大模型分析的教学语料，保留课堂时序和角色信息。
教学评估报告生成
针对完整课堂文本调用大模型生成教学测评报告，输出授课表现、课堂节奏、互动效果、教学反馈等长文本结果。
AI 摘要生成
并行生成适合业务快速查看的课堂摘要，降低教学管理和运营复盘的阅读成本。
结构化结果提取
对长文本测评报告进行二次解析，提取评分、讲师总结等关键字段，便于前端页面展示和下游系统消费。
教学评估结果查询
提供按 room_id 查询评估结果的接口，返回完整测评文本、提取结果和 AI 摘要，支持业务系统直接接入。
历史脏数据修复
提供 room_id 修复接口，对历史缺失数据进行回填；同时通过定时任务重新投递异常记录，保障历史数据的一致性和完整性。
评估结果广播分发
将结构化测评结果通过 Fanout Exchange 广播给下游系统，实现评估结果的异步解耦分发。
项目采用 FastAPI 作为服务入口，结合 RabbitMQ、PostgreSQL、Redis 和 XXL-JOB 形成完整的教学评估处理链路。系统在收到课堂转写完成事件后，先校验转写是否完整，再将多段课堂发言按时间戳和说话人重组为标准化文本，作为后续 AI 分析输入。
AI 评估层采用“长文本生成 + 结构化提取”的两阶段方案。第一阶段根据课程类型、学科类型和房间标识动态匹配 Prompt，生成完整教学评估报告和课堂摘要；第二阶段从长文本报告中提取评分、讲师总结等结构化字段，提升结果的展示能力和系统可消费性。Prompt 配置统一由 Langfuse 管理，实现提示词、模型参数和环境版本的配置化治理。
数据层基于 SQLModel 和 PostgreSQL 持久化课堂原文、测评结果、推理内容、摘要和提取结果；异步层通过 Fanout Exchange 将评估结果广播给下游系统；补偿层通过 Redis 记录处理游标，结合 XXL-JOB 对历史异常数据进行重试和回灌，保证整体链路具备可追踪、可补偿和可扩展能力。
技术亮点：
1、采用事件驱动架构，将课堂转写、智能评估、结果分发解耦为独立处理阶段。
2、通过课程类型和学科类型实现 Prompt 路由，形成教育垂类的业务化模型治理方案。
3、使用“长文本生成 + 结构化提取”的双阶段 LLM 架构，兼顾内容质量与系统可消费性。
4、基于 Langfuse 实现 Prompt 配置化和版本化，提升线上模型能力的可运营性。
5、引入 Redis 游标和 XXL-JOB 补偿链路，解决历史数据修复和失败重跑问题。
6、保留 LangGraph 工作流底座，具备向更复杂 Agent 编排场景演进的能力。
评论