山东大学软件学院项目实训团队博客：基于AI大模型的智能考研助手（二）
本周，小组围绕 “基于 AI 大模型的智能考研社区” 项目，完成后端架构设计、核心接口开发、环境搭建优化、AI 服务接入、前端 UI 开发等全链路关键工作，打通用户体系、错题本基础功能的前后端链路，为后续智能功能迭代打下坚实基础。
一、本周整体进度概览
- 邵木凡：完成数据库表结构设计、核心实体类封装，实现用户登录注册、错题本、错题管理后端接口。
- 邢越：搭建 Python AI 微服务，实现通义千问大模型接入、RabbitMQ 异步通信，为 RAG 功能预留扩展。
- 王浩：完善 Redis/RabbitMQ/MySQL 本地环境配置，优化登录 / 注册 / 错题本 CRUD 功能，完成 Swagger 接口测试。
- 王睿：完成 uni-app 全模块 UI 设计与页面开发，实现用户端、管理端核心页面与交互逻辑。
二、各模块工作详情
（一）后端架构与数据库设计（邵木凡）
1.数据库表结构设计
user 表：存储用户基础信息，包含 id、name、password、avatar、创建 / 更新时间及逻辑删除字段。
notebook 表：错题本实体表，记录名称、简介、所属用户 ID 及时间字段。
topic 表：错题实体表，存储题目标题、题干、答案等核心信息。
topic_notebook 表：错题本与错题多对多关联表。
topic_picture 表：错题图片存储表，区分题干图片（0）与答案图片（1）。
2.通用封装与实体类
BaseEntity：统一整合创建时间、更新时间、逻辑删除字段。
Result<T>：统一后端响应格式，封装响应码、信息与返回数据。
BaseRequest：封装基础请求参数，简化接口参数传递。
3.核心接口实现
用户模块：登录、注册、用户信息更新，集成 JWT 身份认证。
错题本模块：增删改查、列表获取、详情查询。
错题模块：增删改查、列表获取、详情查询。
文件上传模块：对接阿里云 OSS，实现头像上传。
（二）后端环境搭建与功能优化（王浩）
1.基础环境搭建
Redis 配置：自定义 RedisTemplate<String, Object>，指定 String 与 JSON 序列化。
RabbitMQ 配置：安装 Erlang 与 RabbitMQ，启用管理插件，清空死信消息；优化消费者服务，增加消息手动确认、JSON 校验、错误消息丢弃。
MySQL 本地化：搭建本地 MySQL 8.0，创建 studynote_localdev 库，初始化 6 张核心表；通过 application-dev.yml 配置本地数据源，解决字符集兼容问题。
2.功能与安全优化
完善 User 实体与 UserMapper，添加 Swagger 注解，统一主键生成策略。
登录优化：移除 LoginVO 中 password 字段，避免明文返回；LoginDTO 添加非空与长度校验。
JWT 优化：将密钥、过期时间移至配置文件，通过 @Value 注入，提升安全性与灵活性。
3.Swagger 接口测试
用户注册、登录接口测试通过。
错题本添加、列表、详情、更新、删除 CRUD 全流程测试通过。
（三）AI 微服务搭建（邢越）
1.异构架构采用 Java 业务层 + Python AI 层，通过 RabbitMQ 消息队列解耦，保证高并发、低延迟。
2.核心 AI 服务
入通义千问大模型，封装 AIService，设定学习助手角色。
实现内存会话管理，保留最近 10 轮对话上下文。
搭建 RabbitMQ 消费者，监听 ai_task_queue，处理 chat 任务，支持后续扩展错题分析、推题等。
- 架构优势
Python AI 生态友好，便于后续 RAG、FAISS 向量库落地。
异步解耦，避免 AI 耗时任务阻塞前端。
共享 MySQL 数据库，AI 可实时读取错题数据。
（四）前端 UI 与页面开发（王睿）
1.设计规范
主色调：蓝紫色渐变（#667eea→#764ba2）。
风格：现代简约、圆角卡片、渐变、阴影。
适配：rpx 单位、flex 布局，兼容多端。
2.核心页面
用户端：登录 / 注册、首页推荐、错题本、社区、院校数据、AI 助手、个人中心。
管理端：仪表盘、用户 / 帖子 / 评论 / 举报管理、系统设置、操作日志。
3.功能与交互
错题本左滑编辑 / 删除、下拉刷新、上拉加载、空状态提示、对话气泡布局。
封装 AppIcon、卡片、按钮等通用组件。
完成全模块 API 请求封装，自动携带 Token。
三、本周总结
- 后端完成数据库设计、接口开发、环境优化与全量接口测试。
- AI 服务完成大模型接入与消息队列通信，架构具备强扩展性。
- 前端完成全模块 UI 与页面开发，具备前后端联调条件。
- 项目整体进入前后端联调与 AI 功能深化阶段。
四、下周计划
- 完成前后端接口联调，实现登录、错题本等功能端到端验证。
- 推进 RAG 知识库构建，实现题目 / 知识点向量化与检索。
- 完善前端交互，对接真实接口数据。
- 完善文档、注释，修复已知问题。