AI学习助手产品系统Vibe Coding

在教育与自主学习场景中，学习者常会遇到资料零散、查阅不便、缺少针对性自测、难以定位薄弱知识点的痛点；传统学习工具缺少私有资料适配能力，统一题库无法匹配个人学习材料。本项目立项旨在搭建私有化学习辅助工具，支持学习者自主上传学习资料，依托大模型实现资料问答、自动出题测评、学情分析，帮助学习者基于自有材料高效复盘、定位知识漏洞，形成闭环自学链路。

1. 资料库管理模块：支持学习者自主上传各类学习文档，资料独立归档管理，作为整个系统的私有学习素材底座；
2. 智能对话问答模块：用户发起提问，优先依托上传的资料库内容作答，结合大模型能力补充拓展信息，实现基于自有资料的精准答疑；
3. 自动出题测评模块：读取资料库内的学习内容，自动生成对应知识点的测评题目，支持自测练习；
4. 学情分析与周报生成模块：采集测评答题数据，分析学习者知识点掌握情况，自动输出学习周报，标注薄弱项、给出后续学习建议

1.技术栈
后端：Python；大模型：DeepSeek-V4.1；存储：本地文件存储；
前端：Web 交互页面；能力链路：资料上传管理、提示词编排、检索增强问答、测评任务编排、结果统计与报告生成。
说明：当前版本为轻量检索方案，暂未接入标准 RAG 向量库，资料上传后做检索匹配，优先基于上传资料回答，再由大模型补充拓展信息。
2.系统架构
采用前端交互层 + 业务调度层 + 大模型服务层三层轻量化架构
1. 前端交互层：提供上传、对话、做题、查看报告的操作界面，接收用户输入、展示结果；
2. 业务调度层：核心调度模块，负责文件接收存储、资料检索、问答任务分发、测评生成、答题数据汇总、学情报告组装；
3. 大模型服务层：调用 DeepSeek-V4.1 接口，承接答疑、出题、知识点分析、周报文案生成等大模型推理任务。
3.实现难点
难点1：资料内容对齐问答与出题的一致性控制
用户上传的文档格式杂乱，需要保证 AI 回答、自动生成的考题不脱离上传资料原文，避免大模型自由发挥输出脱离素材的无关内容；需要设计多层提示词约束，优先锁定本地资料内容，再开放补充拓展信息，平衡准确性和拓展性。
难点 2：测评数据的有效采集与学情分析的合理性
需要记录用户答题对错、错题对应的知识点，让 AI 基于零散答题记录，精准识别薄弱知识点，而不是简单统计正确率；需要设计标准化的答题回传结构，同时约束大模型分析逻辑，保证周报结论客观、可参考，不出现空洞无意义的评价。