山东大学软件学院项目实训-基于大模型的可解释英语写作评估与反馈系统(一)
·
本项目旨在构建一个基于大模型的可解释英语写作评估与反馈系统,通过融合
LLM、RAG 与 Multi-Agent 机制,实现对雅思英语作文的多维度评估、可解释反
馈与个性化学习指导。
第六周的第一个主要任务是项目初期讨论方向与确定。
在此任务中我确定了个人的工作内容:
- 需求与模块拆解:参与项目需求研讨,明确前端核心任务为主界面开发与评估可视化展示,对齐系统功能与量化指标。
- 技术选型确认:确定前端技术栈为Vue3+Vite+ECharts+Ant Design Vue,适配后端与多 Agent 系统。
- 界面与分工落地:负责主界面、评估结果展示、雷达图 / 柱状图 / 词云图开发,明确页面加载≤2 秒等性能目标。
- 进度与接口规划:制定前端开发时间线,配合团队 12 周计划,确认前后端数据对接规则。
- 关键技术预研:完成可视化图表、大文本输入、图片上传等功能的技术方案验证。
并且进行了个人感悟与反思:
感悟
- 前后端需紧密协同,统一接口与数据标准,保障项目整体流程顺畅。
- 可量化指标让开发目标清晰,有效把控质量与验收标准。
- 技术选型以项目需求为准,轻量化方案更适合快速迭代。
- 前端直接决定用户体验,需兼顾功能实现与评估逻辑的直观展示。
反思
- 需求细节考虑不足,交互规则需提前细化。
- 前后端接口文档应更完善,减少后期联调返工。
- 技术预研深度不够,性能优化需提前验证。
- 与组员分工衔接需更紧密,提升整体开发效率。
第二个任务是环境配置与技术学习。
一、核心工作内容
- 前端环境搭建与配置
- 完成本地开发环境搭建,安装 Node.js (v20+) 与 pnpm 包管理器,初始化 Vue3 + Vite 项目脚手架。
- 集成 Ant Design Vue 组件库与 ECharts 5.x 可视化库,配置全局样式与按需加载规则,解决组件样式冲突问题。
- 配置 OCR 前端集成环境,引入官方 OCR SDK 依赖,完成本地预览功能的基础依赖接入。
- 核心技术预研与落地
- 完成 Vue3 组合式 API 语法规范学习,梳理项目通用 composable 工具函数(如请求封装、通用工具类)。
- 针对 ECharts 可视化 做专项学习,完成雷达图、柱状图、词云图的基础 Demo 开发,验证数据渲染逻辑。
- 学习 Axios 请求封装,配置请求拦截器、响应拦截器及基础错误处理机制,适配前后端数据交互。
- 后端技术协同学习
- 配合后端团队学习 Python + FastAPI 基础架构,对齐前后端通信协议(RESTful API 规范)。
- 了解 LangChain 核心模块与 MySQL 数据库基础操作,明确评估结果数据的存储与读取逻辑。
- 参与接口联调测试,验证前端请求与后端接口的连通性,初步完成数据对接测试。
二、学习成果与解决问题
- 技术成果
- 搭建可运行的前端开发环境,项目可正常启动、热重载,基础组件可正常引入使用。
- 掌握 Vue3 核心语法与 ECharts 可视化开发,完成 3 类核心图表的基础实现,满足初期可视化展示需求。
- 完成 OCR 功能依赖配置,为后续图片识别、文本提取功能开发奠定基础。
- 解决的关键问题
- 解决 Vite 打包时的依赖优化问题,通过配置
rollupOptions减小打包体积,提升页面加载速度。 - 解决 Ant Design Vue 与自定义样式的冲突问题,通过 CSS 作用域隔离与全局样式覆盖,保证界面一致性。
- 解决跨域请求问题,通过配置 Vite 代理服务器,实现前端本地环境与后端接口的正常通信。
- 解决 Vite 打包时的依赖优化问题,通过配置
更多推荐


所有评论(0)