计算机智能实验辅助系统产品系统

“计算机智能实验辅导系统”面向高校计算机专业教学、程序设计实验、数据结构与算法训练、课程作业管理及学生自主学习等场景建设。

传统计算机实验教学普遍存在以下问题：学生数量多，教师需要投入大量时间批改代码；人工批改难以统一评测标准，无法准确检查时间、内存和不同测试用例下的运行结果；学生提交代码后不能及时获得反馈，错误定位和知识答疑依赖教师；教师难以持续掌握学生的训练进度、题目通过情况和知识薄弱点；传统在线题库通常只提供题目与判题功能，缺少课程训练、教学统计和智能辅导能力。

本系统以在线判题为基础，将题目管理、代码编写、自动评测、课程训练、学习记录、成绩统计、讨论交流和AI智能问答整合为统一平台。教师可以创建实验题目、配置测试数据、组织课程训练、查看学生提交记录并导出成绩；学生可以在线查看题目、编写和提交代码，快速获得编译结果、用例通过情况、运行时间及内存消耗，并通过AI获得题意解释、解题思路、知识点讲解和代码分析。

系统形成“教师发布题目—学生训练提交—系统自动评测—结果统计分析—AI辅助答疑—教师调整教学”的完整闭环，降低实验教学管理和代码批改成本，提高编程训练反馈效率与教学过程的数据化水平。

“计算机智能实验辅导系统”由用户权限、题目管理、在线判题、课程训练、AI智能辅导、课程团队、论坛交流、消息通知、文件管理和系统运维等模块组成。

题目模块支持题目的创建、编辑、删除、启用和禁用，可维护题目描述、输入输出要求、难度、标签分类、支持语言、资源限制及多语言代码模板；支持ZIP/TXT测试数据上传、下载和管理，并提供每日一题、随机选题、条件检索及用户做题状态展示。

判题模块支持代码在线自测和正式提交，可完成多语言代码编译、运行及测试用例比对，支持普通输入输出题与函数题评测，并限制CPU时间、实际运行时间、内存和栈空间。系统能够返回编译错误、运行错误、答案错误、超时、内存超限、通过情况、逐用例结果及题目得分，用户可通过长轮询及时获取判题状态和评测详情。

训练模块支持公开训练与课程训练的创建、编辑、启停和题目编排，可配置开放时间、参与成员及访问权限；学生可以查看训练题目、完成状态和提交记录，教师可以查看成员进度、AC情况、动态排行榜和课程统计，并将训练成绩导出为Excel。

AI辅导模块提供流式智能问答，可围绕题意理解、算法思路、知识点、复杂度和代码问题进行交互式辅导。系统同时提供JWT登录认证、教师/学生/管理员角色权限、课程成员管理、论坛讨论、消息通知、用户反馈及后台运维等配套能力。

我担任“计算机智能实验辅导系统”项目总负责人，同时承担核心后端开发和系统运维工作。主要负责需求分析、技术选型、微服务边界划分、数据库与接口设计、开发任务协调、代码审查、前后端联调、部署上线、运行监控和线上故障排查；个人重点负责题目、判题、训练和AI智能问答四个核心模块。

项目采用Java 21、Spring Boot 3.3和Spring Cloud Alibaba构建微服务架构，将系统拆分为题目、判题、训练、用户、课程团队、论坛、消息、文件、公共能力及部署管理等服务。通过Spring Cloud Gateway实现统一路由和请求入口，Nacos完成服务注册发现与配置管理，OpenFeign完成服务间调用；使用MySQL和MyBatis-Plus持久化业务数据，Redis缓存题目、测试用例和判题状态，RabbitMQ承担判题任务及统计事件的异步传递，Spring Security/JWT实现统一身份认证和角色权限控制。

判题模块设计“代码提交—消息入队—任务消费—沙箱执行—结果落库—事件广播”流程，通过双队列和可配置线程池对提交请求削峰，避免耗时评测阻塞业务接口；采用策略模式兼容本地、远程和第三方沙箱，支持多语言编译运行、普通题与函数题、资源限制、逐用例评测和分数统计。通过Redis缓存测试数据与题目信息，减少跨服务查询；通过异步自测和长轮询改善结果获取体验。判题完成后使用RabbitMQ同步更新题目统计、训练记录和排行榜。

AI问答通过Dify与大模型能力接入，在网关统一完成JWT验证、请求路径改写、服务端密钥注入、流式响应转发和CORS响应头处理，避免API密钥暴露给客户端。运维方面负责Maven多模块构建、自动化发布流水线、Nacos配置、Docker容器与镜像管理、服务制品更新、SSH远程操作、日志分析及故障恢复，具备从需求、架构、开发到部署运维的完整交付能力