# Gezhi Xuezhou

**Repository Path**: huahuo12315/gezhi-xuezhou

## Basic Information

- **Project Name**: Gezhi Xuezhou
- **Description**: “格智学舟” 是一款基于大语言模型驱动的学习软件应用，旨在通过 AI 技术赋能教育，为用户提供个性化的学习体验。该应用融合了智能出题、智能测评、知识地图构建等功能，致力于解决传统教育模式下的痛点，满足教育数字化转型的需求。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 2
- **Created**: 2025-07-12
- **Last Updated**: 2025-08-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: RAG, AI

## README

# Gezhi-Xuezhou

## 项目简介

“格智学舟” 是一款基于大语言模型驱动的学习软件应用，旨在通过 AI 技术赋能教育，为用户提供个性化的学习体验。该应用融合了智能出题、智能测评、知识地图构建等功能，致力于解决传统教育模式下的痛点，满足教育数字化转型的需求。

### 主要功能

1. **笔记模块**：支持用户创建笔记分类和笔记，笔记可设置 “待回顾” 和 “已回顾” 状态，方便用户掌握学习情况，且支持富文本格式与图片插入。
2. **答题应用模块**：用户可自主创建个性化答题应用，题目设置可人工或通过 AI 生成，评分策略也有人工设置和 AI 评判两种，发布后经管理员审核即可使用。
3. **知识地图和知识库问答模块**：基于 deepseek-reasoner 模型，用户上传学习资料后，系统自动解析并构建知识地图，同时结合 RAG 技术实现基于知识库的智能问答。
4. **用户和管理员模块**：用户模块负责用户注册、登录等全生命周期管理；管理员模块可对平台内用户、内容等进行管理。

### 优势和创新点

1. **技术深度融合**：将 deepseek-reasoner 模型与 RAG 技术深度整合，在知识检索准确性和答案生成逻辑性上表现出色，尤其在复杂主观题评判中能精准捕捉用户答题思路。
2. **个性化学习闭环**：通过知识地图、个性化题目推荐、动态笔记记录和智能判题的联动，构建完整学习闭环，打破传统题库平台功能割裂局限。
3. **数据驱动策略**：以数据为核心，实现用户个性化学习轨迹追踪和管理员平台运营分析，为教育效率提升提供科学依据。
4. **高扩展性和安全性**：模块化功能设计支持后续快速迭代，MD5 加密、权限分级管理等多重安全机制保障平台数据安全与稳定运行。

## 技术框架

### 前端

采用以 Vue 为核心的技术栈，主要包括：

- **web 网络交互**：Axios，负责前后端数据通信，支持请求拦截和响应拦截。
- **AI 网络交互**：Fetch API，用于特殊响应处理和跨平台适配。
- **页面路由**：Vue Router，实现单页应用的页面导航和权限控制。
- **用户信息缓存**：Pinia，搭配 piniaPluginPersistence 插件实现状态数据持久化。
- **UI 组件**：Element Plus，提供丰富的基础和业务组件。
- **构建工具**：Vite，实现快速冷启动和热更新，解决跨域问题等。

### 后端

以 Flask 框架为核心，主要包括：

- **数据库连接与映射**：SQLAlchemy，支持多类型数据库，将 SQL 操作转化为面向对象编程。
- **路由与校验**：通过 blueprint.add_url_rule 实现模块化路由管理，marshmallow 进行请求数据校验。
- **登录拦截与权限校验**：利用 @app.before_request () 钩子函数和自定义装饰器，结合 JWT 令牌机制保障安全。
- **密码加密**：采用 md5 加密算法处理用户密码。
- **AI 功能**：调用火山引擎的豆包大模型处理题目生成和判题；基于 deepSeek-reasoner 模型生成知识地图；通过 Chroma 向量模型和 deepseek-reasoner 模型实现 RAG 功能等。
- **文件存储**：阿里云 OSS 服务用于图片和用户上传文件的存储。

## 安装说明

### 环境要求

#### 前端

- npm v9.5.0
- node.js v18.15.0

#### 后端

- python 3.10
- langchain 0.3.25
- flask 2.0 版本以上
- mysql 8.0 版本以上

### 安装步骤

#### 方法一：

1. **安装包下载**：获取相关压缩包，前端推荐使用 webstorm 或 vue 编辑器，后端使用 pycharm。
2. 配置依赖
   - 后端
     - 准备 python 3.10 的虚拟环境，进入项目根目录，运行`pip install -r requirements.txt`安装依赖。
     - 设置 ARK_API_KEY、DEEPSEEK_API_KEY、DASHSCOPE_API_KEY 到系统环境变量。
     - 修改 config.py 文件中的数据库地址和密码，运行 run.py，在本机 8080 端口启动。
   - 前端
     - 打开项目后，在根目录终端输入`npm install`下载依赖，完成后运行`npm run dev`，在本机[localhost:5173](https://localhost:5173/)（或 5174）端口启动。

#### 方法二：

1. 使用 Docker 部署本项目，若 您的电脑还未安装 Docker 服务，可在[这里](https://www.docker.com/)下载安装

2. 使用 git 克隆本仓库 (用样，若 您的电脑还未安装 Git 服务，可在[这里](https://git-scm.com/downloads)下载安装)

   ```bash
   git clone https://gitee.com/huahuo12315/gezhi-xuezhou.git
   
   cd gezhixuezhou
   ```

3. 请配置 docker/backend/config.py 文件夹下的大模型的 API-KEY，以及自己 OSS 服务

4. 构建 Docker 镜像并运行

   ```bash
   docker compose up -d
   ```

## 使用说明

### 注册账号

在平台注册页面注册账号，注册后在后台修改 user_role 为 admin 可成为管理员。

### 笔记模块

1. **添加分类**：点击右上角 “添加分类” 创建个人笔记分类。
2. **添加笔记**：选择笔记分类，填写标题、内容，上传封面，设置状态后保存。

### 答题模块

1. **应用展示**：添加应用后经管理员审核通过即可在平台展示。
2. **应用详情**：可进行答题、查看答题记录，创建者还能设置题目（支持 AI 生成）、修改应用等。

### 知识地图模块

1. **文件处理**：上传文件，系统校验后可构建索引和知识地图。
2. **智能问答**：基于上传文件构建的知识库，可进行智能问答，获取精准答案。
3. **地图展示**：生成的知识地图支持拖动和点击查看关系等交互操作。

### 管理员模块

左下角有用户管理、应用管理、题目管理、评分管理、回答管理等模块，具备增删改查等功能，可对平台进行全面管理。

## 项目总结

### 面临的困难

- **技术难题**：大模型接口对接复杂、知识地图三元组提取语义理解不准确、前端跨域及流式输出适配问题等。
- **数据处理挑战**：数据来源复杂导致格式不规范、内容缺失，影响 AI 功能准确性。
- **时间管理压力**：开发周期紧张，部分功能滞后影响联调，需调整计划赶工。

### 后续安排

1. **功能优化**：优化 AI 生成题目和测评功能，提高质量和准确性，增加个性化选项。
2. **性能提升**：对前后端代码、数据库和服务器进行优化，提高系统响应速度和稳定性，引入新框架提升 AI 对话功能。
3. **新功能开发**：计划增加社交互动、开发移动端应用、拓展知识库等。
4. **安全加固**：加强安全防护，定期扫描修复漏洞，保障用户数据和账户安全。