当前位置：首页 > news >正文

项目实训（十一）| 学习路线模块：个性化学习路线生成

news 2026/6/24 12:45:12

一个性化路线生成流程

1.1 接口设计

个性化路线生成分为基础版和增强版两个接口。基础版接收用户水平和学习方向两个核心参数，增强版增加学习目标关键词学习周期每日时长等扩展参数。

@router.post("/learning-path")asyncdefgenerate_learning_path(body:LearningPathRequest,user_id:str=Depends(get_current_user_id)):path=awaitlearning_path_service.generate_learning_path(user_level=body.user_level,learning_direction=body.learning_direction,known_concepts=body.known_concepts,)returnResponseBase(data=path)@router.post("/learning-path/enhanced")asyncdefgenerate_learning_path_enhanced(body:LearningPathRequest,user_id:str=Depends(get_current_user_id)):path=awaitlearning_path_service.generate_learning_path_enhanced(user_level=body.user_level,learning_direction=body.learning_direction,learning_goal=body.learning_goal,keywords=body.keywords,study_period=body.study_period,daily_time=body.daily_time,)returnResponseBase(data=path)

1.2 生成机制

后端服务层调用 LLM 生成路线结构，包含阶段数节点数和学习目标等信息。首次生成仅返回框架数据，学习内容在用户进入节点时按需加载。

这种解耦设计的核心技术考量在于 LLM 调用成本较高，一次性生成全部内容会导致响应时间过长。通过只生成框架结构，可以快速响应用户请求，让用户尽快开始学习。节点内容的按需生成则通过会话机制实现，在用户进入具体节点时才调用 LLM 生成详细内容，同时进行缓存，避免重复调用。

1.3 路线保存与分享

用户可将生成的路线保存到热榜，通过 save_generated_path 接口将 AI 生成的路线数据转换为用户路线格式持久化。

@router.post("/learning-path/save")asyncdefsave_generated_path(body:GeneratedPathSaveRequest,user_id:str=Depends(get_current_user_id)):stages_data=[{"name":s.name,"goal":s.goal,"duration_days":s.duration_days,"nodes":[{"title":n.title,"learning_goal":n.learning_goal}fornins.nodes],}forsinbody.stages]result=awaitlearning_path_service.create_user_path(user_id=user_id,title=body.title,summary=body.summary,stages_data=stages_data,)returnResponseBase(data=result)

保存的路线与用户手动创建的路线具有相同的结构和功能，支持投票收藏等互动操作。这种设计实现了内容生成和内容分享的闭环，用户不仅可以获取个性化路线，还可以将优质路线贡献给社区，形成完整的学习生态。

二数据流转设计

2.1 三层数据模型

路线数据在三个层级间流转。展示层仅包含卡片所需的基础信息，详情层增加阶段和节点列表，学习层在用户进入节点时动态生成具体内容。

展示层数据结构示例：

{"id":"path_001","title":"零基础入门投资","summary":"从基础知识到实战操作的完整学习路径","difficulty_level":"入门","learning_direction":"股票投资","estimated_days":14,"stage_count":3,"learner_count":1256}