SmartCET——面向在校大学生的多智能体四六级个性化备考 Web 系统

团队项目第一次作业：团队展示 + 选题报告 + 需求分析

作业所属课程	https://edu.cnblogs.com/campus/gdgy/Class56-Grade2024-CS/
作业要求链接	https://edu.cnblogs.com/campus/gdgy/Class56-Grade2024-CS/homework/16766
作业的目标	确定团队选题，完成真实需求调研，编写规范的需求分析文档，完成团队分工展示并做好后续开发规划
团队理解的作业目标具体内容	聚焦在校大学生四六级备考的真实痛点选定项目方向，通过问卷调研验证需求刚性，不做脱离实际的功能承诺，为后续开发、联调与上线交付打下基础。
团队名称	酱味大鸡队
团队成员	吴东鹏-3124004141 姚祥捷-3124004147 杨梓南-3124004145
GitHub 仓库地址	https://github.com/south-symphony/SmartCET

一、 团队展示

1、项目定位

SmartCET —— 面向在校大学生的多智能体个性化四六级备考 Web 系统。项目聚焦单词记忆、写作批改两大高频提分场景，搭配学情测评与动态学习规划能力，打造轻量化、定制化的备考工具，替代传统低效的机械刷题背词模式。

2、团队项目规划及描述

阶段一：需求调研与规格定稿期（2026.10.26 - 2026.11.08）
核心目标：完成选题验证、需求落地与技术预研，锁定开发边界

• 完成四六级备考需求问卷调研与数据分析，验证选题真实性与刚需性
• 输出完整的软件需求规格说明书，明确功能边界、数据结构与验收标准
• 统一前后端技术栈与开发环境，敲定接口规范与团队协作流程

阶段二：基础功能并行开发期（2026.11.09 - 2026.11.15）
核心目标：完成前后端基础模块开发，实现单功能本地闭环

• 后端侧：完成用户账号体系、单词数据管理、学习计划引擎、作文存储模块的接口开发，搭建智能体网关基础框架
• 前端侧：完成学习看板、单词训练、作文批改、个人中心全量页面的静态开发与本地交互逻辑
• 智能体与测试侧：完成智能体提示词深度调优与四六级知识库扩充，输出首轮功能测试用例，同步跟进开发进度校验需求一致性

阶段三：核心链路联调闭环期（2026.11.16 - 2026.11.19）
核心目标：打通全业务链路，实现智能体与业务系统的深度融合

• 完成前后端全量接口联调，解决数据交互、状态同步、异常处理等问题
• 完成 4 个智能体与后端网关的正式对接，实现意图识别、任务分发与结果返回的完整流程
• 打通「学情测评→生成计划→单词学习→作文批改→数据反馈→计划动态调整」的核心学习闭环
• 开展全量集成测试，修复联调过程中出现的功能 Bug 与逻辑缺陷

阶段四：部署上线与验收准备期（2026.11.20 - 2026.11.22）
核心目标：系统公网上线，完成最终优化与验收材料准备

• 完成云服务器部署与运行环境配置，实现公网环境可正常访问系统
• 开展多端兼容性测试、基础性能测试与全量回归测试，优化页面响应速度与智能体返回时效
• 完善项目文档、使用说明与代码仓库归档
• 完成项目功能自测与验收标准核对

3、成员分工

姓名	学号	软工角色	技术栈	分工职责
杨梓南	31240041	后端开发	Python、FastAPI、数据库设计、算法实现	负责后端服务整体架构搭建、数据库设计、核心学习算法实现、智能体网关开发与接口联调。
吴东鹏	31240041	前端开发	Vue 3、TypeScript、Vant UI、响应式布局	负责 Web 端全量页面开发、交互逻辑实现、移动端与 PC 端响应式适配、前端性能优化。
姚祥捷	31240041	智能体开发与测试	提示词工程、知识库搭建、测试用例设计	负责多智能体搭建与提示词调优、四六级领域知识库维护、全流程测试用例编写、功能验收与质量把关。

4、团队合照

5. 团队项目的愿景

SmartCET 愿景：
我们希望打造一款真正贴合大学生备考节奏的四六级智能助手。告别机械背词的低效、作文无人批改的困境与盲目规划的焦虑，通过多智能体的分工协作，为每位使用者定制专属的学习路径，让四六级备考更轻松、更高效、更有方向。

二、选题报告

1. 痛点：四六级备考中的普遍困境

结合自身备考经历与身边同学的反馈，我们发现大学生四六级备考普遍存在四类高频痛点：

• 词汇记忆脱离语境，遗忘成本高：传统背词工具孤立记词，缺少真题场景支撑，背得快忘得更快，大量时间投入后，考试中依然无法灵活运用词汇；
• 写作练习缺少反馈，提分无方向：日常写完作文缺少专业批改渠道，不知道自己的真实得分水平，语法、词汇、逻辑层面的问题难以及时纠正，长期依赖通用模板难以突破瓶颈；
• 备考计划千人一面，缺乏针对性：多数同学不清楚自身能力短板，制定的计划要么强度太大难以坚持，要么内容松散效果有限，薄弱知识点得不到针对性强化；
• 学习工具碎片化，数据不互通：背词、刷题、写作练习需要切换多个平台，学习数据零散，难以形成完整学习闭环，复盘调整的时间成本很高。

2. 需求调研与数据

我们面向本校大二、大三学生发起了四六级备考习惯调研，共回收 20 份有效问卷。

题目一

需求推导与结论：单词记忆与写作批改是四六级备考的两大痛点，刚需属性极强；个性化备考计划覆盖近六成用户，是项目的核心差异化方向。本期优先落地这三大模块。

题目二

需求推导与结论：科学的遗忘曲线复习 + 真题语境记忆是核心价值点；轻量化、无冗余功能的设计更贴合学生使用偏好。

题目三

需求推导与结论：批改的专业性与准确度是功能核心，精细化逐句批注比笼统评价更实用；润色参考能显著提升功能价值。

3。产品定位与设计思路

产品定位：轻量型多智能体四六级个性化备考 Web 工具。
我们不做全功能的备考平台，而是聚焦单词、写作两个提分最快的核心模块，结合学情测评与自适应计划，用多智能体技术解决传统备考的效率痛点，打造 “小而准” 的专属备考助手。

设计思路：

1. 场景聚焦，不做大而全
   优先把单词记忆、写作批改、学习规划三个核心场景做深做透，不盲目堆叠功能，保障开发周期内可落地、可验收，真正解决学生的高频痛点。
2. 双轨响应，兼顾速度与效果
   单词打卡、数据查询等标准化操作，通过本地业务逻辑直接响应，响应快、成本低；作文批改、学情分析、计划调整这类个性化需求，交由专项智能体专业处理，保证输出质量。
3. 数据驱动，真正个性化
   所有学习方案都基于用户真实测评数据生成，并根据每日学习反馈动态调整，拒绝千人一面的通用内容，让备考节奏匹配每个人的真实水平。
4. 轻量化开箱即用
   采用 Web 端形态，无需下载安装，移动端优先适配，打开浏览器就能学习，契合大学生碎片化、移动式的学习场景。

4. 三大核心价值场景

场景一：测评定级，一键生成专属备考路线
用户首次登录后完成 15 分钟的入学测评，系统会从词汇量、语法基础、写作能力三个维度评估真实水平，再结合用户的目标分数、考试剩余时间、每日可学习时长，自动生成一份分阶段的备考方案，明确每天的单词任务量、写作练习频率与重点提升方向。不用再花时间查攻略、做计划，注册完成就能直接开始有效备考。

场景二：真题语境记词，科学对抗遗忘
系统词库严格按照四六级考频排序，每个单词都配套历年真题中的原句作为例句，让用户在真实考试语境里理解单词的用法和搭配，告别孤立背词。同时基于艾宾浩斯遗忘曲线，根据用户每次的标记结果动态调整复习时间，已掌握的单词快速过，薄弱单词反复巩固，把时间花在真正不会的词上，大幅提升背词效率。

场景三：对标官方标准，作文精批细改
用户选择历年真题作文题目并提交习作后，系统会严格参照四六级官方的四大评分维度给出得分，逐句标注语法错误、词汇升级点、句式优化建议，同时输出保留原文逻辑的高分润色版本，最后附上针对性的写作提升建议。相当于随身带了一位专属写作批改老师，练一篇就有一篇的收获。

三、需求规格说明

我们参照软件工程需求文档通用规范，将系统的前端、后端、智能体模块与验收要求梳理如下。

1. 文档迭代记录

版本	日期	修订人	修订说明
v0.1	2026-10-28——2026-11-05	全体成员	完成问卷设计与回收，输出调研数据与需求优先级
v0.2	2026-11-06	姚祥捷	完成产品初步需求梳理，确定三大核心场景与 4 智能体架构
v0.3	2026-11-06	吴东鹏	完成前端页面原型与交互流程设计，补充前端功能细节
v0.4	2026-11-06	杨梓南	梳理后端数据结构与接口初步方案，补充本文档技术章节
v0.5	2026-11-07	全体成员	完成答辩 PPT（10 页）与博客初稿

2. 项目标识

3. 系统功能架构

SmartCET 系统功能架构
│
├── 用户交互层
│   ├── 首页看板：今日任务、学习进度、数据概览
│   ├── 学情测评：答题测试、能力报告、短板分析
│   ├── 单词学习：卡片背词、真题例句、复习检测、单词本
│   ├── 写作批改：真题题库、在线作答、批改报告、润色对照
│   └── 个人中心：备考设置、历史记录、数据统计
│
├── 业务逻辑层
│   ├── 用户管理模块：账号校验、信息管理、隐私保护
│   ├── 计划引擎模块：自适应算法、任务调度、动态调整
│   ├── 智能体网关模块：请求转发、上下文管理、异常兜底
│   └── 数据统计模块：学习数据聚合、趋势分析、报告生成
│
├── 智能体服务层
│   ├── 规划中枢智能体：全局调度、计划生成、动态优化
│   ├── 学情分析智能体：能力测评、画像构建、数据追踪
│   ├── 单词记忆智能体：词库管理、遗忘匹配、例句关联
│   └── 写作批改智能体：多维评分、逐句批注、内容润色
│
└── 基础支撑层
    ├── 大模型底座：扣子Coze平台接入
    ├── 数据存储：用户与学习数据持久化
    └── 部署运维：云服务器部署

4. 核心数据实体设计

系统核心实体围绕用户、学习方案、单词本、写作任务与能力画像展开，实体关系如下：
1 个用户对应 1 份学习方案，1 份学习方案关联 1 本单词本与多篇写作任务，同时对应 1 份持续更新的能力画像。

User（用户实体）
+ int userId
+ string account
+ string passwordHash
+ string nickname
+ int targetLevel   // 目标等级：四级/六级
+ date examDate
+ int dailyStudyTime   // 每日学习时长（分钟）
+ datetime createTime

LearningScheme（学习方案实体）
+ int schemeId
+ int userId
+ date startDate
+ date endDate
+ string currentStage
+ dict dailyTaskConfig
+ float progress
+ int adjustCount

WordBook（单词本实体）
+ int bookId
+ int userId
+ list wordList
+ dict masteryStatus
+ datetime nextReviewTime

WritingTask（写作任务实体）
+ int taskId
+ int userId
+ string topic
+ string userContent
+ float totalScore
+ dict dimensionScores
+ string comment
+ string polishedVersion

AbilityProfile（能力画像实体）
+ int profileId
+ int userId
+ int vocabularyLevel
+ int writingLevel
+ list weakPoints
+ datetime updateTime

5. 前端模块说明（吴东鹏负责）

前端采用 Vue 3 + Vite + TypeScript + Pinia 技术栈，UI 组件库选用 Vant UI，数据可视化使用 ECharts，采用移动端优先的响应式设计，同时兼容 PC 端浏览器访问。

首页看板（HomePage.vue）：

• 顶部信息栏：展示考试剩余天数、累计学习天数、当日任务完成进度；
• 快捷任务入口：单词学习、写作练习一键进入，任务完成后自动更新打卡状态；
• 数据可视化区域：折线图展示单词正确率、作文得分变化趋势，雷达图呈现词汇与写作能力水平。

单词学习页（WordStudy.vue）：

• 卡片式背词交互：上下滑动切换单词，展示音标、释义、真题例句，支持一键标记 “认识 / 不认识”；
• 复习检测模块：每日复习单词按遗忘曲线排序推送，支持拼写检测强化记忆；
• 单词本管理：按掌握程度分类筛选，支持标记熟词、收藏重点单词。

写作批改页（WritingPage.vue）：

• 真题题库：按年份、题型分类展示历年作文真题，快速选题进入作答；
• 在线编辑器：支持文本输入与实时字数统计，自动保存草稿防止内容丢失；
• 批改结果展示：呈现总分与各维度分项得分，逐句标注优化建议，支持原文与润色版左右对照；
• 快捷操作：支持一键复制润色后的作文内容。

个人中心页（ProfilePage.vue）：

• 备考设置：修改目标等级、考试日期、每日学习时长；
• 学习记录：查看历史作文批改记录、单词学习统计；
• 系统设置与意见反馈入口。

6. 后端与智能体说明（杨梓南、姚祥捷负责）

后端由杨梓南基于 Python 3.11 + FastAPI + SQLModel + SQLite 开发，部署在云服务器；智能体提示词调优与效果优化由姚祥捷负责。

智能体调度网关：

• 统一接入扣子 Coze 平台，对接兼容 OpenAI 接口规范的大模型；
• 规划中枢智能体统一进行意图识别，简单查询类请求通过本地规则直接返回，个性化、复杂需求分发至对应专项智能体处理；
• 设置单轮最多 3 次工具调用限制，避免大模型陷入循环，同时配置超时兜底机制，保障系统可用性；
• 严格保障用户数据安全，用户提交的作文内容仅用于当次批改，不额外存储、不对外泄露、不用于模型训练。

核心算法引擎：

• 艾宾浩斯遗忘曲线算法：根据单词掌握程度与历史正确率，计算每个单词的最佳复习时间点；
• 自适应计划算法：结合用户能力基线与每日学习反馈，动态调整次日任务量与难度，针对性强化薄弱项；
• 写作评分校准机制：基于官方评分标准优化智能体提示词，保障评分维度的一致性与结果合理性。

7. P0 阶段核心功能清单

1. 用户与权限模块
   • 用户注册登录、信息管理（负责人：吴东鹏、杨梓南）
   • 游客演示模式（负责人：吴东鹏、杨梓南）
2. 学情与计划模块
   • 入学测评与能力报告生成（负责人：全体）
   • 个性化备考计划生成与动态调整（负责人：吴东鹏、姚祥捷）
3. 单词学习模块
   • 单词卡片学习与状态标记（负责人：吴东鹏、杨梓南）
   • 基于遗忘曲线的复习推送（负责人：吴东鹏、姚祥捷）
4. 写作批改模块
   • 真题题库与在线作答（负责人：杨梓南）
   • 智能批改与润色优化（负责人：吴东鹏、姚祥捷）
5. 数据统计模块
   • 学习数据可视化展示（负责人：吴东鹏、杨梓南）
   • 阶段学习总结生成（负责人：吴东鹏、姚祥捷）
6. 适配与兼容
   • 多端响应式适配（负责人：杨梓南）

8. 验收测试用例

为保障最终验收可量化、可核验，我们制定了以下核心测试用例：

用例 C01：测评生成学习计划
操作：新用户完成 15 道入学测评，设置目标四级、备考 30 天、每日学习 30 分钟；
验收标准：提交后 10 秒内输出能力报告，明确标注词汇与写作能力等级；自动生成每日学习计划，单词与写作任务分配逻辑合理，符合备考周期。

用例 C02：单词记忆与复习机制
操作：完成当日单词学习任务，将部分单词标记为不认识；
验收标准：单词掌握状态实时同步更新；次日复习任务自动包含标记的陌生单词，排序符合遗忘曲线规律。

用例 C03：作文智能批改
操作：选择 2024 年 12 月四级作文题目，提交一篇 120 词左右的习作；
验收标准：30 秒内返回批改结果，包含总分与四个维度的分项得分；逐句标注不少于 3 处优化建议；输出完整润色版本，且保留原文核心观点与行文逻辑。

用例 C04：学习计划动态调整
操作：连续 3 天单词正确率低于 60%；
验收标准：第 4 天单词任务自动调整，复习单词占比提升，新词数量降低，适配当前学习状态。

用例 C05：多端适配访问
操作：分别通过移动端浏览器与 PC 端浏览器访问系统；
验收标准：两端均可正常登录并使用全部核心功能，页面布局无错乱，交互流程流畅。