Python大模型智能学习平台——设计与实现（AI教学系统）

一、项目背景

随着人工智能技术的快速发展，特别是大语言模型的广泛普及，对Python编程 与AI技术 的复合型人才需求日益增长。然而，传统编程学习平台普遍存在交互性不足、实践环境搭建复杂、缺乏智能化辅导等问题。本实训旨在开发一个集学习、实践、评测与教学管理于一体的Python大模型智能学习平台。

二、平台核心目标

1. 零环境门槛：浏览器直接运行 Python，预装 numpy/pandas/matplotlib 等科学计算库；

2. AI 全流程辅助：实时对话答疑、自动生成章节习题、个性化学习报告；

3. 教师教学工作台：班级创建、邀请码入班、实时群聊、公告发布、实验下发批改、学情数据分析；

4. 游戏化学习激励：星级评分、经验等级、30 天学习热力图、知识雷达图；

5. 数据双通道持久化：本地缓存 + MySQL 云端存储，支持多设备同步学习进度。

三、技术栈

分层	技术选型	核心作用
前端框架	Vue3 + TypeScript + Vite	Composition API + script setup，类型安全，极速热更新
浏览器 Python 运行	Pyodide(WASM)	前端本地执行 Python，内置数据分析库
AI 能力	deepseek API	后端代理转发，SSE 流式输出对话
后端框架	Express(Node.js)	RESTful 接口、模块化路由、中间件鉴权
数据库	MySQL8.0(utf8mb4)	支持表情存储，外键级联删除保证数据一致性

四、系统架构

平台整体架构如下图：

4.1 核心模块

• 学习地图：卡片式展示 12 阶递进教学章节，展示星级与完成状态，作为平台首页；
• AI 学习视图：三合一布局，集成 Markdown 教程、在线代码编辑器、AI 对话面板；
• 教师管理后台：五大功能入口（班级、实验、学情、用户、资源管理）；
• 个人中心：学习仪表盘、学习记录、错题本、我的班级。

五、核心功能模块详细实现

5.1 AI 小智对话模块

5.2 AI 智能出题模块（自动生成章节练习）

平台可一键生成两类习题：

1. 客观选择题：考察函数、语法、库基础用法（如 np.zeros 创建数组）；
2. 实操编程题：完整业务流程代码任务（矩阵运算、数据读取、线性回归训练）。

缓存优化机制

• 同一章节出题结果存入后端缓存，重复访问直接读取，减少大模型 API 调用成本；

5.3 班级与实验教学模块

教师创建班级自动生成邀请码，学生凭码加入；内置班级群聊、公告发布功能。教师可下发绑定章节的实验任务，学生在线编码提交，教师后台统一查看代码、打分填写评语，形成完整实训批改闭环。

六、数据库整体建模设计

6.1 数据库设计思路

1. 采用关系型 MySQL，使用外键建立实体关联，ON DELETE CASCADE级联删除，自动清理冗余脏数据；
2. 区分基础实体表、多对多关联表、业务记录表；
3. 动态数据（错题、答题记录）使用 JSON 字段存储，避免建立大量细分小表；
4. 字符集统一utf8mb4，支持表情、特殊代码字符存储。

6.2 核心数据表设计逻辑

1. users 用户主实体：存储账号、角色（学生 / 教师 /admin）、加密密码，所有业务关联的根表
2. classes 班级实体：教师创建班级，存储班级名称、唯一 6 位邀请码、归属教师 ID
3. class_members 多对多关联表：用户与班级绑定，区分学生 / 助教身份，解决一个教师管理多个班级、一个学生加入多个班级
4. experiments 实验任务表：教师下发的实训任务，关联班级、所属章节、截止时间
5. experiment_submissions 实验提交表：学生提交代码、教师批改分数评语，关联用户与实验
6. learning_progress 学生学习进度主表：按用户 + 章节维度存储完成状态、错题集合、AI 生成学习报告
7. learning_activities 行为记录表：记录每日学习操作，为热力图、活跃度统计提供数据源
8. class_announcements 班级公告表：教师发布通知，绑定对应班级
9. class_chat_messages 班级群聊表：存储班级实时聊天记录

七、前后端工程化分层设计

7.1 前端 Vue3 工程设计

1. 组件分层设计
   • 全局布局组件：统一顶部导航、侧边栏；
   • 页面根组件：学习地图、AI 学习视图、教师工作台、个人中心；
   • 通用业务子组件：代码编辑器、AI 对话框、实验卡片、统计仪表盘；
2. 状态分层
   • authStore：登录、token、用户角色全局状态；
   • progressStore：学习进度、星级、热力图数据；
   • resourceStore：代码文件、实验资源管理；
3. 路由设计：路由懒加载拆分打包体积，全局路由守卫统一鉴权拦截未登录访问；
4. 接口层统一封装：独立 apiService 模块，自动携带 JWT 请求头，统一捕获异常弹窗。

7.2 后端 Express 路由模块化设计

按业务领域拆分 5 个独立路由模块：

1. auth.js：账号注册、登录、用户角色查询；
2. teacher.js：班级、群聊、公告、实验、学情统计；
3. progress.js：学习进度 CRUD、仪表盘聚合数据；
4. messages.js：章节留言、敏感词过滤；
5. ai-proxy.js：SSE 流式对话、AI 出题、大模型请求中转。

中间件分层设计

1. 一级中间件authMiddleware：解析请求头 JWT，挂载 userId、role 到请求对象；
2. 二级中间件requireTeacher：校验角色，拦截普通学生访问教师专属接口。

八、界面设计效果

整体采用扁平化简约设计风格，视觉统一干净：

九、平台拓展性

本平台在课程内容管理、AI模型适配、学习数据分析、教学功能深化和终端适配五个方面具备可扩展能力，具体如下：

（一）课程内容可动态扩展。 目前平台涵盖12个章节，后续可根据教学需要动态增删章节内容，无需修改前端代码。章节数据由后端统一管理，新增章节自动出现在学习地图和进度追踪中，平台具备良好的课程内容扩展能力。

（二）AI模型可灵活切换。 当前平台已适配DeepSeek大模型接口，具备模型切换的基础。后续可进一步引入模型路由机制，根据不同提问类型自动选择最优模型，亦可接入开源模型实现本地化部署，降低对云端API的依赖。

（三）个性化学习推荐。 随着平台上积累的学生学习行为数据不断增多，后续可引入学习分析技术，构建学生知识图谱，实现学习路径的智能推荐。例如，当系统识别到某学生在"列表推导式"知识点上反复出错时，可自动推荐相关章节的补充练习，实现真正的个性化学习。

（四）教学管理功能深化。 教师工作台目前提供了班级管理和学情分析的基础功能，后续可进一步拓展小组协作学习、互评机制、课堂互动等功能模块，使平台从"作业管理"向"课堂生态"延伸。

（五）多端适配延伸。 平台采用前后端分离架构，各模块耦合度低，便于横向扩展。当前平台以Web端为主，后续可基于现有API服务开发移动端小程序或App，方便学生利用碎片化时间学习。

十、网页视频展示

十一、总结

本平台采用分层前后端分离架构，围绕学生、教师角色完成全流程功能设计，配套规范化数据库模型与五大核心业务流程。针对在线编程、AI 交互、班级教学 等核心场景定制专属实现方案，并从前、后端、数据库、AI、代码运行五层做性能优化，解决传统教学平台环境难搭、管理薄弱、性能卡顿等问题，整套设计完整可落地。