基于 Spring AI Alibaba 的岚图智能考试与数据洞察平台

技术信息

语言技术
Java系统类型
Web行业分类
人工智能

作品详情

行业场景

针对传统在线考试系统出题效率低、主观题批阅成本高、业务人员无法灵活查询数据库的问题，基于 Spring AI Alibaba 与 LangChain4j 构建 AI 智能体应用。平台实现了 AI 自动生成考题、AI 辅助批阅以及 Text-to-SQL 自然语言查库三大核心功能，通过 RAG 技术增强模型对业务知识的理解，提升了公司安全考试与数据运营效率。

功能介绍

AI 辅助批阅与 RAG 增强：针对主观题批阅缺乏标准的问题，引入 RAG（检索增强生成）架构。将历史题库、标准答案及评分细则通过 text-embedding-v3 模型向量化后存入 RedisStack 向量数据库；批阅时检索相似题目的评分标准作为上下文注入 Prompt，使 AI 批阅的准确度对齐人工专家水平。
多模型智能降级策略：基于责任链模式封装统一的大模型调用抽象层（ModelCallStrategy），支持 Kimi、DashScope（通义千问）、DeepSeek 等多模型供应商的无缝切换。当主模型（Kimi）触发限流或服务异常时，自动降级至备用模型（DashScope）完成请求，避免单点故障导致业务中断，服务可用性从约 70% 提升至 99%+。

项目实现

本人负责系统核心架构设计与后端研发。完成 RAG 检索增强链路开发，实现历史题库与评分细则的向量化（text-embedding-v3）及 RedisStack 存储；主导多模型调用抽象层（ModelCallStrategy）设计，基于责任链模式封装 Kimi、DashScope、DeepSeek，实现限流与异常自动降级（可用性 99%+）；完成主观题 Prompt 工程与批阅 API 交付。