派课堂 人工智能实训系统产品系统

职业院校普遍面临实训教学资源分散、线上线下脱节的问题：课程资料散落在各处，实训任务无法在线下发与追踪，教师难以掌握学生实操进度。学校采购的通用教学系统又缺少针对实训环节的支持。本项目为职业院校量身打造一套集课程管理、在线学习、实训任务、过程性考核于一体的教学平台，2023年完成首个院校交付并持续运维至今。

平台包含以下核心模块：一、课程中心，支持课程创建、章节编排、视频与课件上传、资源库管理；二、在线学习，学生端支持视频学习、进度记录、笔记与提问；三、实训任务，教师可下发实训工单、设定验收标准，学生提交实训成果并留痕；四、题库与考试，支持题库管理、组卷、在线测验与自动判分；五、竞赛模块，支持校内竞赛的报名、评分与排名；六、数据看板，统计学习时长、任务完成率、班级学情，为教师提供过程性考核依据；七、后台管理，含用户与角色权限、学校与班级组织架构、内容审核等。

我负责整体架构设计、后端主力开发与生产环境交付运维。技术栈：后端 Python + Django + DRF，异步任务用 Celery，数据层 MySQL 存业务数据、MongoDB 存学习行为日志、Redis 做缓存与会话；前端为独立构建的 Web 应用，通过 Nginx 反向代理接入。部署上采用 Kubernetes 单节点集群，Traefik 作为 Ingress 提供 LoadBalancer 入口，数据库以 StatefulSet 方式部署，MongoDB 采用副本集保证可用性；同时在 Proxmox VE 虚拟化平台上划分虚拟机承载集群。难点在于生产稳定性：曾处理过 MongoDB 副本集因会话日志目录累积三万余文件导致 mongosh 变慢、健康探针超时进而 CrashLoop 的故障，通过原子替换日志目录并放宽 liveness 探针阈值恢复；也做过内存受限环境下的进程编排优化，避免多个 Django 实例并发导致 OOM。此外实现了数据库定时备份、隧道守护与容量告警等运维自动化脚本。