山东大学软件学院项目实训：基于AI大模型的智能考研助手（三）

本周的任务是着重于错题系统AI模块的开发，包含AI智能推题，OCR自动识图，AI智能分析题目并推送相关的题目等AI功能。我负责这一模块的架构，接口和具体的数据库表的设计。

设计label表，用于用户给错题设计相应的标签，作为此题的特征给AI的分析

设计topic_label表，作为错题与标签的关联，对于用户来说，一个标签可以给多个题目，一个题目也能有多个标签：

设计topic_daily_count表，用户可以自己选择每日的推题个数：

设计topic_daily表，存储用户的每日推题数据，其中type表示此题是用户自己的错题还是AI自己整合的新题，由AI端设计定时任务，每日填充此表：

设计topic_record表，记录用户对每一个错题的详细做题情况，负责交给AI进行智能分析，方便推题：

设计错题系统AI模块的接口如下：

/** *TODO * AI分析题目，将题目上传给AI分布解析 * 将信息传到消息队列中 * 在错题本页面单独的一个按钮，这里参数得到的是URL * */ @PostMapping("/uploadAI") @Operation(summary = "AI分析题目") public Result<TopicAnalyseVO> uploadAI(@RequestBody BaseRequest baseRequest){ log.info("AI分析题目参数: {}", baseRequest); TopicAnalyseVO result = topicService.uploadAI(baseRequest); return Result.success(result); } /** *TODO * 生成知识图谱 * 暂时不搞这个 * * */ @PostMapping("/generateKnowledgeGraph") @Operation(summary = "生成知识图谱") public Result generateKnowledgeGraph(@RequestBody BaseRequest baseRequest){ log.info("生成知识图谱参数,{}", baseRequest); return Result.success(); } /** *TODO * OCR识别文字，这里参数得到的是图片URL * */ @PostMapping("/ocr") @Operation(summary = "OCR识别文字") public Result<OCRTextVO> ocr(@RequestBody BaseRequest baseRequest){ log.info("OCR识别文字参数,"); return Result.success(); } /** *TODO * 做题，即修改topic_record * 如果一开始record中没有，就新建一个 *如果检测到 */ @PostMapping("/doTopic") @Operation(summary = "做题") public Result doTopic(@RequestBody BaseRequest baseRequest){ log.info("做题参数,{}", baseRequest); return Result.success(); } /** *TODO * 获取每日推题 * 通过访问日常题库，获取每日题 * 根据用户id在推题表中查找 * 可以从自己的错题里面找，也可以AI生成新的 * 不用访问消息队列 */ @PostMapping("/getDailyTopic") @Operation(summary = "获取每日推题") public Result<List<TopicVO>> getDailyTopic(){ log.info("获取每日推题参数"); return Result.success(); } //TODO 设置每天推送的题数 @PostMapping("/setDailyTopicNum") @Operation(summary = "设置每天推送的题数") public Result setDailyTopicNum(@RequestBody TopicDailyCountDTO topicDailyCountDTO){ log.info("设置每天推送的题数参数,{}", topicDailyCountDTO); return Result.success(); }

AI分析方式为业务后端接收到前端传来的数据，然后通过消息队列传给AI后端，再通过消息队列监听获得AI分析之后的结果。在此设计各个Package类，用于表示传给消息队列中的数据结构：

//用来发送图片url的包 @Data public class UrlPackage { private String url; private Long userId; // 请求ID，用于关联请求和响应 private String requestId; }

@Data public class TopicAnalysePackage { @Schema(description = "请求ID，用于关联请求和响应") private String requestId; @Schema(description = "题干") private String questionStem; @Schema(description = "题目解析") private String analyseQuestion; @Schema(description = "用户错点分析") private String analyseWrong; @Schema(description = "建议标签") private List<String> suggestLabels; @Schema(description = "同类题推荐") private List<TopicVO> recommendTopics; }

创建相关消息队列：

/** * 创建图片发送队列 */ @Bean public Queue pictureQueue() { return QueueBuilder.durable(PICTURE_QUEUE).build(); } /** * 创建AI结果队列 */ @Bean public Queue aiResultQueue() { return QueueBuilder.durable(AI_RESULT_QUEUE).build(); }

撰写相关的文档，后端接口文档（节选）：

前端UI的UML图：