# star-ai-ketang **Repository Path**: alan921/star-ai-ketang ## Basic Information - **Project Name**: star-ai-ketang - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 5 - **Created**: 2026-07-31 - **Last Updated**: 2026-07-31 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 项目介绍 ## 1. 项目背景与目标 - 背景概述 随着在线教育和智慧教学的广泛应用，教育平台需要在内容生产、自动批改、学习路径推荐与教学质量评估上做到数据驱动和工程化落地。siren 是一个以 AI 为核心驱动的智慧教育云平台，旨在把教学内容、学习行为与评估结果闭环起来，提升教学效率与内容生产效率。 - 首页（仪表盘）： ![首页](docs/images/1超级首页.png) - 典型行业痛点（与平台目标的对应） - 数据分散、样本难以统一管理与版本追踪，影响教学资源复用与模型训练复现； - 标注与评估规范不一致，导致自动批改/评分模型精度不稳定； - 模型训练、验证、部署链路割裂，整体落地周期长、迭代慢； - 业务流程缺少可追溯的审计与日志，问题排查成本高； - 模型上线后缺少持续回流机制（用户反馈与验证样本），难以快速优化效果。 - 建设目标 - 建立工程化的教育数据治理体系（版本化数据集、标签规范）； - 提供标准化标注与批改工具，保证训练数据质量与一致性； - 实现端到端 ML 生命周期（训练 → 验证 → 部署 → 监控 → 回流）； - 提供可审计的操作链路与日志，便于故障定位与合规审计； - 快速构建上线模型的持续改进闭环，实现业务与模型的协同演进。 ## 2. 项目应用场景 - 在线试题自动批改：OCR + NLP/视觉模型实现客观题与主观题自动评分与反馈。 - 个性化学习推荐：根据学习历史与测评结果，推荐学习资源与练习路径。 - 教师辅助内容生成：基于 AI 自动生成试题、讲义、PPT 大纲与教学计划。 - 题库管理与版本化：统一题目、答案、解析与标签的管理与版本控制。 - 课堂与作业分析：统计学生表现、发现薄弱点并生成班级/学生报表。 - 接入第三方 LMS/教学系统：通过标准 API 对接学校或企业内部系统。 ## 3. 核心功能概述 - 数据管理：统一存储题库、作答记录、标注与训练集版本，支持导入/导出。 - 标注与审核：提供图像/文本标注工具，支持标注流程、权限与质量检查。 - 模型训练管理：可配置训练任务、监控训练日志与指标，支持分布式训练。 - 在线推理与服务化部署：一键部署推理服务（容器化 / REST/gRPC），支持版本路由。 - 自动批改引擎：集成 OCR、文本理解与评分策略，支持可配置的评分规则。 - 反馈回流：将验证与真实业务中的错误样本回流至数据集，支撑模型再训练。 - 仪表盘与报表：用户与教师行为、模型绩效、系统健康状态可视化。 - 权限与审计：基于角色的访问控制（RBAC）与操作日志审计。 - API 与二次开发：对外提供标准 REST/GraphQL API 与 SDK，便于集成与扩展。 - 部署与运维：提供 Docker / Kubernetes 部署脚本、健康检查与自动伸缩配置建议。 ## 4. 主要技术栈 - 编程语言：Java（后端主服务）、TypeScript（前端）、Python（数据与模型）、Dart/Flutter（移动端，可选）。 - 后端框架：Spring Boot（REST、SSE）、Spring Security（认证授权）、MyBatis / JPA（数据访问）。 - 前端框架：React + TypeScript（Web 管理端与用户端），Vite 构建工具。 - 数据库：PostgreSQL（业务数据）、Elasticsearch（全文检索/日志索引）。 - 缓存/消息：Redis（缓存、会话）、Kafka / RabbitMQ（事件与任务队列）。 - 存储：对象存储（如 OSS / S3）用于附件、试卷与媒体文件。 - ML / 算法：Python（scikit-learn、XGBoost、PyTorch、TensorFlow）、模型版本管理（MLflow/自研）。 - 容器与编排：Docker、Docker Compose（开发）、Kubernetes（生产）。 - CI/CD 与运维：GitHub Actions / GitLab CI / Jenkins、Prometheus + Grafana（监控）、ELK 或 EFK（日志）。 - 安全：OAuth2 / JWT（认证）、HTTPS、审计日志与流量限流策略。 ## 技术栈 ### 前端技术 | 技术 | 版本 | 用途 | |:---|:---:|:---| | **React** | 19.2 | Web 用户端 + 管理后台 | | **TypeScript** | 5.9 | 类型安全 | | **Vite** | 7.2 | 构建工具 (SWC) | | **TailwindCSS** | 4.1 | 原子化 CSS | | **Flutter** | 3.10+ | 移动端 (Android/iOS) | | **Dart** | 3.10+ | Flutter 语言 | ``` ┌─────────────────────────────────────────────────────────────┐ │ 前端层 │ ├─────────────────────┬───────────────────────────────────────┤ │ Web 前端 │ 移动端 (Flutter) │ ├─────────────────────┼───────────────────────────────────────┤ │ React 19.2 │ Flutter 3.10+ / Dart 3.10+ │ │ TypeScript 5.9 │ TDesign Flutter 组件库 │ │ Vite 7.2 (SWC) │ Dio + Token 自动刷新拦截器 │ │ TailwindCSS 4.1 │ WebSocket + STOMP (实时聊天) │ │ Zustand 状态管理 │ sqflite 本地数据库 (离线缓存) │ │ React Flow 工作流 │ flutter_secure_storage 安全存储 │ │ json-bigint 大数 │ SSE 流式 AI 对话 │ └─────────────────────┴───────────────────────────────────────┘ ``` ### 后端技术 | 技术 | 版本 | 用途 | |:---|:---:|:---| | **Java** | 21 | 后端语言 | | **Spring Boot** | 3.5.8 | 应用框架 | | **Spring Security** | 6.2 | 安全认证 | | **MyBatis Plus** | 3.5.5 | ORM 框架 | | **Langchain4j** | 0.36.2 | AI 集成 | ``` ┌─────────────────────────────────────────────────────────────┐ │ 后端服务层 │ ├─────────────────────────────────────────────────────────────┤ │ 核心: Java 21 + Spring Boot 3.5.8 (DDD 四层架构) │ │ 持久化: MyBatis Plus 3.5.5 (80+ PO / 80+ Mapper) │ │ 安全: Spring Security + JWT (jjwt 0.12.6) │ │ AI: Langchain4j 0.36.2 + DashScope SDK 2.16.7 │ │ 工作流: 自研 DAG 引擎 (18 种节点 + 代码沙箱) │ │ 微服务: Python-PPTX (PPT生成) + Typst (试卷排版) │ ├─────────────────────────────────────────────────────────────┤ │ 数据存储 │ PostgreSQL 15+ (主数据库, 31 张表) │ │ │ Redis 7+ (缓存/会话/离线消息) │ │ │ Elasticsearch 8+ (全文检索) │ │ │ Neo4j 5+ (知识图谱/推荐) │ ├─────────────────────────────────────────────────────────────┤ │ 外部服务 │ 阿里云 OSS (文件存储) │ │ │ 阿里云 NLS (语音 ASR/TTS) │ │ │ WebSocket + STOMP (实时通信) │ │ │ Docker Java + GraalJS (代码沙箱) │ └─────────────────────────────────────────────────────────────┘ ``` ## 5. 系统界面预览 - 仪表盘： ![仪表盘](docs/images/0仪表盘.png) - 圈子： ![圈子](docs/images/2圈子.png) - 聊天： ![聊天](docs/images/3.1聊天.png) - 智能体中心： ![智能体中心](docs/images/3.2智能体中心.png) - 智能体配置： ![智能体配置](docs/images/3.3智能体配置.png) - 书架： ![书架](docs/images/4.1书架.png) - 课程： ![课程](docs/images/4课程.png) - 智能批改： ![智能批改](docs/images/5智能批改.png) - 课程管理： ![课程管理](docs/images/6课程管理.png) - 班级管理： ![班级管理](docs/images/7班级管理.png) - 用户管理： ![用户管理](docs/images/8用户管理.png) - 教师管理： ![教师管理](docs/images/9教师管理.png) - 电子书管理： ![电子书管理](docs/images/10电子书管理.png) - 题库管理： ![题库管理](docs/images/11题库管理.png) - 试卷管理： ![试卷管理](docs/images/12试卷管理.png) - 知识库管理： ![知识库管理](docs/images/13知识库管理.png) - 公告管理： ![公告管理](docs/images/14公告管理.png) - 群聊管理： ![群聊管理](docs/images/15群聊管理.png) - 每日单词： ![每日单词](docs/images/16每日单词.png) - MCP服务器： ![MCP服务器](docs/images/17MCP服务器.png) ## 6. 项目使用指南 ### 6.1 环境要求 - 操作系统：Linux（生产推荐）或 Windows（开发可用）。 - 推荐硬件（开发/小规模测试）：4 CPU、8 GB RAM、SSD。生产按负载规划（CPU/GPU、内存、存储）。 - 运行时要求与依赖（示例占位）： - Java JDK 11+ 或 17+（后端） - Maven（或使用 mvnw） - Node.js 16+（前端） - Python 3.8+（数据处理与模型训练） - PostgreSQL 12/13+、Redis、Docker、Docker Compose - 可选：NVIDIA GPU、Kubernetes、Elasticsearch、Kafka ### 6.2 启动步骤 以下为典型的本地开发 / 测试启动流程（示例命令以 PowerShell 为例）。请将 ``、占位配置替换为实际值。 - 1) 克隆项目 ```powershell git clone siren cd siren ``` - 2) 准备依赖服务（推荐使用 Docker Compose） ```bash cd docker Copy-Item .env.example .env # 编辑 .env，替换占位配置（DB/Redis/OSS/AI KEY 等） docker-compose up -d ``` - 3) 启动后端（Maven） ```bash cd ..\backend .\mvnw spring-boot:run # 或构建并运行 jar .\mvnw clean package -DskipTests java -jar target\*.jar ``` - 4) 启动前端（React） ```bash cd ..\web npm install npm run dev ``` - 5) 启动模型/数据服务（可选） ```bash cd ..\ml python -m venv .venv .\.venv\Scripts\Activate.ps1 pip install -r requirements.txt python serve_inference.py --port ``` ## 6.3 访问地址 - 前端 UI（占位）：http://localhost:/ - 后端 API（占位）：http://localhost:/api/ - Swagger（占位）：http://localhost:/swagger-ui.html --- ## 6.4 默认账号说明 - 默认管理员账号（占位，请上线前修改）： - 用户名：admin - 密码：123456 - 安全建议：首次部署后立即修改默认管理员密码，并使用密钥管理服务保存凭证。 --- # 7. 典型使用流程 1. 登录系统（管理员/教师账号） 2. 导入题库与样本数据（CSV/API） 3. 标注与质检，生成训练集版本 4. 触发训练并监控训练指标 5. 验证模型并一键部署推理服务 6. 前端接入后对学生作答进行自动批改 7. 收集低置信度/错误样本回流用于下一轮训练 # 8. 演示视频 - 通过网盘分享的文件：AI课堂.mp4 链接: https://pan.baidu.com/s/1Q74AaZirgY08MFQvmcuVzA 提取码: bn37