项目聚焦高校智慧教育场景,基于AI大模型构建个性化学习助手,实现智能答疑、学情诊断与资源推荐,覆盖课程预习、实验实训、作业批改全流程,助力教学数字化转型。
点击空白处退出提示
项目聚焦高校智慧教育场景,基于AI大模型构建个性化学习助手,实现智能答疑、学情诊断与资源推荐,覆盖课程预习、实验实训、作业批改全流程,助力教学数字化转型。
系统核心功能包括:
· 档案管理:学生/教师信息批量导入、分班调整与课程表配置。
· 考勤签到:支持扫码/GPS定位打卡,自动统计出勤率并生成缺勤预警。
· 成绩管理:多维度排名分析与分数段可视化,自动计算学科均分与进步指数。
· AI智能诊断:基于学业数据定位薄弱知识点,自动推送个性化练习建议。
· 通知协同:公告一键发布至多端,附带已读未读追踪,支持在线作业提交与批改。
· 权限体系:细粒度RBAC区分管理员、教师、学生三端视图,保障数据隐私。
技术层采用Redis缓存热数据,Nginx负载均衡,保障系统在校园高并发场景下秒级响应。
技术栈与架构:
系统采用前后端分离架构(Vue3 + Spring Boot),后端分层设计(Controller-Service-Mapper)。数据层使用 MySQL 存储核心业务,Redis 缓存Token与课程表热点数据,Nginx 作为反向代理实现负载均衡。项目采用 Docker 容器化封装,通过 GitLab CI 搭建自动化流水线完成构建与部署。
个人核心贡献:
1. 核心开发:独立设计数据库表结构(学生/课程/成绩),开发成绩管理及AI诊断接口,实现Excel批量导入导出。
2. 性能优化:通过索引优化与Redis缓存,将高频查询(如成绩排名)响应时间从800ms降至150ms。
3. 运维落地:编写Dockerfile与docker-compose编排文件,配置CI/CD流水线,实现代码提交后自动打包、镜像推送及服务重启,保障了测试环境的快速迭代。



评论