在线教育 / 智能学习行业。AI 大模型普及后，传统在线教育产品（录播课、题库、问答工具）仍停留在"单向知识灌输"，学生自学普遍面临三大痛点：知识碎片化难以串联成体系、学习进度无量化反馈、缺乏个性化学习路径。市场需要的不只是更强的聊天机器人，而是能"沉淀知识结构、追踪学习进度、规划学习路径"的自适应学习产品。本项目正是针对这一场景打造的知识图谱驱动的自适应导学 AI Agent，定位为智能学习产品的核心引擎，可独立部署使用，也可作为课程 SaaS、教务系统的增值模块接入，目标用户为高校学生、在线教育平台与职业培训机构。
基于大模型的全栈智能导学系统，已实现完整可运行的产品闭环：
多模式 AI 教学：自适应引导（按用户画像动态调整引导强度）、自由对话、递归式教学（基于图谱拓扑逐层讲解）、学习路径推荐（LLM 拆解问题→生成骨架图谱→拓扑排序推荐下一步）四种模式
知识图谱可视化与管理：D3.js 力导向图，节点/边增删改查、拖拽缩放；AI 对话后自动生长新知识点；Kahn 算法学习路径推荐
两阶段流式对话引擎：SSE 逐字流式输出 + 后台 function calling 并行操作图谱/画像/RAG 检索，事件总线解耦通知，前端无感知自动刷新
RAG 知识库：支持上传 PDF / Word / PPT / 图片 / Markdown 文档，按目录树组织；向量检索 + whoosh BM25 混合检索（宽召回 Top-30 + RRF 融合），命中结果父级上下文扩展
用户画像系统：动态更新学习者能力画像（Markdown 持久化），规则引擎 + 贝叶斯推断量化掌握度
完整用户体系：JWT 登录注册、多用户数据隔离、对话历史跨会话持久化
独立完成全栈开发，从需求分析、架构设计到前后端实现全程负责：
后端：Python FastAPI + SQLAlchemy（异步）+ aiosqlite + JWT + Pydantic，分层模块化架构（api/core/models/services），进程内事件总线解耦，统一错误码体系，RESTful API + SSE 流式端点
前端：Vue 3 + Vite + D3.js + Pinia + Element Plus，SPA 单页应用，D3 力导向图可视化，暗色主题适配
AI 集成：对接 OpenAI 兼容接口（阿里云百炼 qwen-plus / text-embedding-v4），自实现 function calling 工具调度、两阶段流式对话引擎
RAG 检索：自研混合检索模块（向量 + whoosh BM25），自实现中文 bigram 分词（不依赖 jieba）、宽召回 + RRF 融合、父级上下文扩展，检索链路 P0-P3 四阶段完整落地
工程化：101 个 pytest 测试用例（单元 + 端到端集成，mock 掉 LLM 零网络依赖）、一键安装/启动脚本、Swagger 自动文档、开源 CMRC2018 离线评测基线
项目规模：约 1.7 万行代码（Python 8.8k + Vue 6.4k + JS 1.3k），依赖克制（Python 20 个、npm 9 个），设计文档齐全，可作完整交付案例
评论