针对传统校园跑管理中存在的数据采集困难、缺乏激励和难以进行个性化数据评估
等问题,本文设计并实现了一款基于Rust语言和微信小程序的“AI运动”大学生跑步
打卡系统,验证Rust在Web开发的可行性、实际效果,尝试解决问题痛点,并为后续
开发提供实践参考。
点击空白处退出提示
针对传统校园跑管理中存在的数据采集困难、缺乏激励和难以进行个性化数据评估
等问题,本文设计并实现了一款基于Rust语言和微信小程序的“AI运动”大学生跑步
打卡系统,验证Rust在Web开发的可行性、实际效果,尝试解决问题痛点,并为后续
开发提供实践参考。
系统采用前后端分离的架构。后端基于Rust语言的Axum框架着手构建,利用其
内存安全和零成本抽象特性,实现了高性能、高并发的RESTfulAPI服务。创新性地引
入了工程化自动化脚本(build.rs)自动管理模块依赖,使得开发体验与效率更接近传统
Web 开发。数据存储采用SQLite结合SQLx实现类型安全的异步数据库交互,并利用
DashMap 实现高并发下的Token认证管理、周期性资源清理。前端采用微信小程序原生
框架,结合TypeScript语言开发,提供了跑步轨迹记录、实时定位、数据分析、社区互
动和个人AI助理等功能,并实现了整个系统的类型安全以及可靠性。
全栈开发者。
AI辅助编程,Rust语言Axum框架,TypeScript小程序前端。





评论