跳到正文
Iden项目履历
项目履历知析
教育科技 · 产品与工程实践

知析AI 学习诊断平台

从一次作业，走向下一步学习。
把识别、判分、复核、诊断与练习串起来，让每一道错题都有后续行动。

体验学习闭环 查看技术实现
  • Next.js 16
  • React 19
  • TypeScript
  • Prisma 7
  • PostgreSQL 17
知析知识图谱的真实界面，展示虚构样例的知识点状态与关联关系
真实产品界面 · 虚构演示数据
项目年份
2026 · 持续迭代
工作范围
产品设计、全栈开发与 AI 工作流设计
核心场景
个人作业诊断与针对性练习
系统形态
Web + 后台 Worker + PostgreSQL

一次作业，不该只留下分数。

知析面向学生的日常作业和阶段试卷，解决批改之后的信息断层：题目虽然改完了，错误原因、关联知识点和后续训练却仍然分散。项目把这些步骤收拢到一个工作台，让一次作答成为下一轮学习的依据。

用户上传作业图片后，系统提取题目和答案，进行 AI 辅助判分，再交给人逐题核对。确认后的结果进入报告、错题、掌握度和知识图谱；需要巩固时，可按薄弱点生成练习，并分别打印题目卷与答案卷。

让 AI 处理重复工作，让人保留判断与修正。

这个案例着重展示完整业务流程如何落地：如何处理不可靠的识别结果、耗时的 AI 任务、人工修正后的数据一致性，以及练习生成的可用性。

需求，从批改之后开始。

目标不是增加一份孤立的报告，而是缩短“发现问题”到“开始巩固”之间的距离。

减少重复整理

多张作业图片进入统一任务，保留题号、题干、学生答案、标准答案与分值，让报告可以逐题追溯。

允许纠正 AI

识别到的学科或年级不确定时先确认；答案或判分不准确时可修改，避免错误结果继续影响诊断。

追踪薄弱知识点

按科目、年级、知识点和题型归集错误，结合最近表现与历史作答，区分偶发错误与持续薄弱项。

形成可执行练习

围绕选中的错题或教材知识点分配题量，生成可核对、可打印、题目与答案分开的练习。

  1. 上传作业
  2. 辅助判分
  3. 逐题复核
  4. 薄弱诊断
  5. 专项出题
  6. 练习巩固

亲手改一道题，看后续如何变化。

样例里，第 1 题的正确答案被识别错了，第 2 题则确实算错了。试着修正识别结果、确认复核，再查看诊断与对应练习，体验人工介入的意义。

固定样例演示，不调用真实 AI，不保存个人数据。

先载入固定样例，再进行识别复核；确认后开放诊断和练习。

从两道题开始

数学样例 · 原始作答

第 1 题 50 分

2x + 3 = 7，求 x。

学生作答：x = 2

第 2 题 50 分

计算 1/3 + 1/6。

学生作答：2/9

第 1 题作答正确，但固定识别结果把 2 读成了 7。第 2 题识别无误，学生却直接把分子、分母分别相加。

接下来区分识别错误和知识错误，体验人工复核如何影响诊断。

等待载入样例。

页面负责交互，任务在后台完成。

识别和生成耗时不稳定，因此 Web 请求负责校验与创建任务，独立 Worker 执行 AI 流程。任务状态保存在数据库中，页面通过查询状态展示进度与结果。

任务状态与业务记录共同构成可恢复的处理流程

浏览器工作台

Next.js / React
作业、复核、报告、图谱与练习

服务端 API

身份与归属校验
输入校验、任务入队、结果查询

后台 Worker

领取任务、识别、判分、出卷
调用兼容接口的 AI 服务

PostgreSQL + Prisma任务队列、作答事实、练习记录与积分账本
文件与教材目录临时输入文件、教材知识点与关系数据
Next.js 16 / React 19 / TypeScript
统一组织工作台页面与服务端 API，约束数据结构与交互状态。
PostgreSQL 17 / Prisma 7
用关系模型、唯一约束和事务维护业务一致性，数据库也承担当前任务队列。
独立 Worker / Docker
Web、Worker 和数据库分别运行，耗时 AI 请求不依赖浏览器页面保持打开。
AI 服务适配 / 结构化校验
通过兼容接口调用模型；对返回结果做结构与业务规则校验，再进入后续流程。

教材知识图谱使用项目维护的知识点与关系目录；个人表现来自作答记录的聚合，不把模型推测当作已有学习事实。

把关键规则写进系统。

以下是当前源码中已经实现的机制。展开可查看处理方式与对应模块。

识别与判分：先校验，再交给人复核

图片先提取题干、题号、题型、满分和学科元信息，再执行判分。只有元信息置信度达到 0.8、分类完整且识别到题目，流程才自动继续；否则要求人工确认。这个阈值用于控制流程，不代表判分准确率。

AI 输出保留学生答案、标准答案、得分、诊断和知识点，配合结构化校验、题号对齐和分值边界检查。用户仍可修改每道题的结果。

对应模块：analysis-task-runner.ts、analysis-task-rules.mjs

任务执行：可领取、可重试、可接管

分析任务与出卷任务进入数据库队列。Worker 使用 SKIP LOCKED 领取任务，避免多个执行者同时拿到同一条任务；租约限制占用时间，进程中断后，过期任务可由后续执行者接管。

上传内容使用 SHA-256 指纹识别重复文件，并通过用户范围内的请求 ID 与唯一约束处理重复提交。页面离开不会取消数据库中已经创建的后台任务。

对应模块：analysis-worker.mjs、analysis-task-runner.ts、practice-task-runner.ts、schema.prisma

人工修改：防止覆盖，保持总分与明细一致

逐题修改支持答案、得分、诊断和知识点。提交带有版本信息；如果另一页面已修改过同一记录，服务端返回 409 冲突，让用户刷新确认，避免静默覆盖。

题目更新与考试总分重算放在同一事务中。报告、错题与图谱根据题目事实聚合，减少多份独立结果互相矛盾的机会。

对应模块：api/exams/[id]/questions/[number]/route.ts

学习诊断：有证据才展示掌握情况

知识点掌握度按相关题目的累计得分与满分计算；没有作答证据的知识点显示“未知”，不会自动给出 0%。错题按科目、年级、知识点和题型归组。

强化建议结合累计错误、最近错误和连续对错表现。图谱把这些个人表现映射到教材知识节点，帮助定位需要巩固的范围。

对应模块：learning-rules.mjs、graph-rules.mjs、mistake-groups.mjs

专项练习：拆批生成，校验后再交付

支持错题查缺补漏与教材知识点出卷，题量范围为 1～30 题。系统按工作量预算拆批调用，校验题数、题型、知识点分配与答案结构，对可修复的结构问题进行受限重试。

生成前预占积分，成功后结算，失败进入退款流程；请求键和数据库事务控制重复结算。题目卷与答案卷采用不同服务端数据投影，生成的 SVG 配图通过标签和属性白名单检查。

对应模块：practice-generation.mjs、practice-rules.mjs、practice-task-runner.ts、workspace/print-rules.mjs

用户隔离：从页面身份到数据归属

Web 使用 Cookie 会话，移动调用使用 Bearer 身份，两种身份不一致时明确拒绝。服务端按用户 ID 校验任务、报告与图谱的数据归属，避免只依赖页面上的可见性控制。

这一实现面向个人账号的数据隔离，不能等同于完整的教师、家长、班级和学校多角色权限体系。

对应模块：session.mjs、principal.ts、api/graphs/personal/route.ts

工程选择，也包括控制复杂度。

AI 自动化到哪一步？

把自动化建立在可确认、可修正的数据之上。对不确定元信息要求人工确认，逐题保留编辑入口。代价是多一次交互，换来后续诊断有可追溯的依据。

为什么用数据库队列？

复用 PostgreSQL 能把任务状态、业务记录与结算放在同一数据系统内，减少运维组件。实现中需要正确处理领取、锁与租约；更大规模的任务调度仍需压测与容量评估。

为什么不能只校验 JSON？

结构正确不代表题目可用。还要核对数量、题型、知识点、分值与答案，控制重试范围；打印场景要进一步区分题目和答案，处理生成配图的安全边界。

如何处理结果变化？

把逐题作答作为事实来源。人工修改有版本校验，总分在事务中重算，诊断基于明细聚合，让用户看到的多个视图有共同依据。

真实界面，完整的使用场景。

以下截图来自实际产品组件，考试、学生与题目均为虚构演示数据。图中的分数和趋势用于说明功能，不代表真实学生成绩或学习效果。点击图片可查看原图。

知识点掌握度真实界面，使用虚构演示数据
知识点掌握度汇总作答记录，查看掌握情况、薄弱知识点与历史变化。
个人知识图谱真实界面，使用虚构演示数据
个人知识图谱沿教材知识关系浏览节点，结合个人作答查看诊断。
查缺补漏出卷真实界面，使用虚构演示数据
查缺补漏出卷选择薄弱点、分配题量，确认专项练习的生成范围。
学习记录真实界面，使用虚构演示数据
学习记录将多次作业关联起来，回看每次结果与变化。

已经做到了什么，边界在哪里。

当前成果是一条可运行的个人学习诊断流程，并围绕异步执行、人工修正、生成校验与用户数据隔离建立了工程机制。

当前已实现

  • 图片作业识别、AI 辅助判分与逐题人工复核。
  • 报告、错题聚合、知识点掌握度与个人知识图谱。
  • 错题和教材知识点专项出卷，题目与答案独立打印。
  • 可恢复后台任务、重复提交控制与积分结算流程。
  • Web、Worker、数据库容器化；移动端共享 API 契约。

仍有明确边界

  • PDF 上传目前进入人工录入，尚未完成 PDF 自动 OCR。
  • AI 使用外部模型服务，非自研教育大模型；仍需人工核对。
  • 教师、家长与班级的完整多角色体系尚待完善。
  • Android 处于内部调试阶段，iOS 尚未完成构建与真机闭环。
  • 准确率、长期学习效果与大规模任务吞吐仍需专项评估。

技术内容依据当前项目源码与边界文档整理，核对日期：2026 年 9 月 11 日。本页交互演示采用固定样例，展示业务流程，不代表在线 OCR、实时 AI 判分或正式产品的完整功能。

← 返回项目履历再体验一次学习闭环 ↑