课题宝产品系统Vibe Coding

一、立项原因和行业背景：
1、科研选题存在信息不对称问题：传统科研选题往往依赖导师指导或研究者自身的大量文献阅读，缺乏对海量最新项目指南、基金和文献资源的高效整合能力。研究者很难快速捕捉“热门方向”和“核心关键词”，导致选题耗时极长。
2、AI大模型技术赋能垂直领域：随着科研大模型的成熟，技术已经能够支撑起对庞大学术数据进行快速挖掘、智能推演和深度分析。
3、提升科研效率的市场刚需： 用户申报课题时面临“找方向慢、写本子难”的痛点，希望能通过工具的辅助，将前期准备阶段耗费的时间从按“月/周”计算，压缩至“5分钟定题、3步出标书”
二、行业使用场景
1、高校/科研院所科研申报： 教师、博士生、硕士生在准备申请国家级（国自然、国社科）、省部级及各类横向课题时，使用该工具进行前期的选题方向确认和可行性预研。
2、学术论文开题与写作： 研究生在确定毕业论文方向或科研人员撰写学术论文前，利用其文献分析、关键词推荐功能，寻找研究空白点（创新性）。
3、科研机构成果转化预研： 机构在进行产学研项目立项前，快速评估市场/学界的研究热度，制定研究计划。
4、跨学科研究探索： 对于需要进入陌生研究领域的人员，利用该工具快速了解该领域的基金分布、热门方向和研究现状。

一. 极速智能选题（核心流程）
5分钟定创新选题：用户只需按步骤“输入选题基本信息”（如研究领域、方向等），AI即可在极短时间内推演出热门研究趋势。
双轨类别覆盖：提供“自然科学基金”与“社会科学基金”两大核心类别选择，精准适配理、工、医、文等不同学科用户的申报需求。
课题类型定制：支持选择具体的课题类型（如面上项目、青年基金、国自然等），并内置“查看样例”功能，降低用户输入门槛。
二. 深度多维分析报告
自动生成课题标题：精准锁定核心关键词，系统自动生成高质量、符合学术规范的课题名称。
创新性与可行性评估：生成的选题分析报告不仅包含研究内容概述，还内置了“创新性”与“可行性”的智能评分机制。系统会明确指出选题的优势与潜在风险，辅助用户做最终决策
数据底座支撑：基于官方最新项目指南，以及深度整合的全球879万+基金数据和1.8亿+文献资源进行关联分析
三、全链路科研辅助
3步出标书：在确定选题后，系统无缝衔接标书生成的后续步骤，大幅压缩从“定题”到“完稿”的时间周期。
可视化文献分析：结合AI优先引用近5年中科院二区及以上SCI文献，提供强大的智能文献分析与引用建议。
国内外课题基金查询：内置便捷的基金查询功能，方便用户随时了解同行资助情况，把握科研风向。

一、负责全栈前后端业务系统构建
1、C端用户中心：登录/注册、会员付费体系（区分会员与非会员）、个人选题项目管理、多端数据同步逻辑。
2、核心业务流交互：实现“选择基金类别 → 输入选题信息 → 在线预览AI生成报告/标书”的核心工作流。
3、数据中台与检索：搭建科研数据的索引库，实现基金查询与文献快速匹配。
二、负责AI 大模型接入
Prompt工程与精调：将“鲸灵AI”大模型与垂直科研场景对接，设计高度定制化的提示词，确保AI输出的“创新性”、“可行性”符合学术规范。
流式输出与体验优化：实现AI生成长篇报告时的流式传输（打字机效果），提升用户体验。
三、技术栈与系统架构
1、前端与客户端：
Vue.js：Web端开发框架，构建响应式、轻量级的前端交互界面
Android & iOS：原生或跨平台（如Flutter/UniApp，图中选定了原生标签）开发，实现移动端APP的多端覆盖。
2、后端与算法：
Python：搭建AI推理服务（对接“鲸灵AI”接口）、处理NLP文本分析、以及数据清洗。
PHP：构建高并发的Web业务逻辑层、用户鉴权、付费网关接口转发
3、Web服务器
Nginx：作为反向代理服务器和负载均衡器，处理静态资源分发及API网关转发，保障系统的高并发稳定性。