（1）立项原因：传统算法训练模式长期以学生个人刷题为主，平台功能多局限于代码提交与自动判题，普遍存在以下核心问题：缺乏师生之间、学生之间的有效交流互动场景；教师难以针对学生的个体差异开展分层教学与个性化指导；缺少系统化的学情追踪与分析工具，学生的训练效果无法获得精准、及时的反馈，能力短板难以被准确定位。本项目旨在解决上述问题，构建一套集题目管理、代码在线评测与深度学情分析于一体的智能化算法训练系统，通过技术手段实现从“结果导向”到“过程赋能”的训练模式创新。
（2）业务背景：本项目主要面向高校计算机相关专业的师生、算法竞赛参赛选手以及广大算法学习爱好者，适用于日常课程作业实践、课后自主算法训练、ACM-ICPC等竞赛备赛以及分层教学指导等多种业务场景。项目致力于覆盖从理论认知到工程应用、从基础入门到高阶竞技的全周期算法学习需求，破解编程教学中过程评价难、反馈滞后等现实痛点，为教师开展精准教学干预、学生实现个性化能力提升提供系统化支撑。
项目包含如下角色端及功能模块：
教师端：题库管理（题目增删改查、测试用例配置、标签申请）、学生管理（信息维护、批量导入、成绩统计）、基于题目标签的AI学情分析（自动生成能力报告与教学建议）。
学生端：题目查阅与在线评测（多语言代码提交、Docker沙箱判题）、题目讨论区（题解发布/评论/点赞）、个人中心（信息管理、密码修改）、个性化AI学情分析（生成能力评估报告）、AI错题分析（智能定位错误原因与修复建议）。
管理端：用户管理、标签审批、数据备份与恢复。
项目教师端支持题库管理、学生信息维护以及基于深度学习的AI学情分析，可自动生成多维能力报告与教学建议；学生端提供题目多条件检索、在线代码提交与Docker沙箱自动评测功能，配套讨论区支持题解发布与互动交流，同时集成个性化学情分析与AI错题诊断模块，能够智能定位错误原因并给出修复建议；管理端负责用户账号管理、标签审批及数据库备份恢复，保障平台安全稳定运行。
本人负责项目的完整全栈开发工作，涵盖后端接口设计、前端界面实现、深度学习模型集成、判题沙箱搭建及系统测试等核心环节。
项目采用前后端分离的微服务架构，前端基于Vue3与TypeScript框架构建，结合Element Plus组件库与ECharts可视化工具实现多角色交互界面；后端基于Flask轻量级框架开发RESTful API，通过JWT实现身份认证，使用MySQL进行数据存储。在技术亮点与难点突破方面，项目基于DeepSeek大模型，融合LoRA高效微调与RAG检索增强生成技术，构建了个性化学情分析与错题诊断能力，通过多层感知机对学生作答行为进行特征建模，引入能力原型向量与线性探针方法实现多维能力剖面分析，有效解决了传统平台反馈滞后、个性化指导欠缺的问题。此外，在线评测模块利用Docker容器池化管理技术，实现了多语言代码的安全隔离执行与毫秒级热启动，显著提升了判题效率与系统稳定性。
评论