团队作业3--需求改进&系统设计

一、作业基本信息

这个作业属于哪个课程	https://edu.cnblogs.com/campus/gdgy/Class34Grade23ComputerScience/
这个作业要求在哪里	https://edu.cnblogs.com/campus/gdgy/Class34Grade23ComputerScience/homework/13482
这个作业的目标	修改完善需求规格说明书，完成Alpha任务分配和测试计划
github仓库链接	https://github.com/Have-you-slept/LLM

二、团队展示

团队名	睡了吗
成员1：肖俊(组长)	3123004804
成员2：陈俊彦	3123004782
成员3：蓝毅	3123004789
成员4：杨腾竣	3123004809
成员5：曾梓垚	3123004764
成员6：王坤平	3123004758
成员7：何睿欣	3223003267
成员8：余嘉祺	3123004811

三、需求&原型改进

1 针对课堂讨论的修改

问题1：知识图谱的结构化数据与大语言模型的非结构化知识如何有效结合？
修改1：将知识图谱的结构化关系作为提示词上下文注入大模型，提升回答的准确性和逻辑性；利用大模型的实体识别和关系抽取能力，从问答对话和文档中自动提取新知识点，丰富知识图谱。

问题2： 如何确保不同技术背景的学生都能轻松使用系统？
修改2：分层界面设计：有简洁的问答对话框，适合快速查询；也有集成知识图谱可视化、资源推荐等高级功能。

加分部分：

• 用户调查过程：我们针对目标用户群体进行了深入的访谈
• 调查对象：广工计算机学院学生2名
• 调查方法：一对一访谈、原型展示和反馈
• 用户痛点分析：考前复习资料分散，难以系统整理，传统搜索引擎返回结果相关性差
• 使用前场景：同学在期末考试前，需要在多个平台间切换查找复习资料，花费大量时间却难以找到系统化、高质量、符合广工期末考试的复习材料
• 使用后场景：通过智能问答系统输入"计算机组成原理重点知识点"，系统立即提供相关的知识图谱展示知识点关联、精选的复习资料百度网盘链接

2 修改完善需求规格说明书

初稿的不足：

• 功能模块描述不够详细，缺少具体用户场景。

具体改进内容：

• 增加典型用户场景：
  角色：计算机学院大三学生张明
  场景：操作系统期末考试前一周
  目标：在有限时间内系统掌握课程重点，找到高质量复习资料

• 故事叙述：
  晚上8点，张明打开"广工智能问答系统"，在搜索框输入："操作系统进程调度算法有哪些？各自优缺点是什么？"

• 系统响应1（智能问答）：
  立即返回清晰的分类回答：
  先来先服务(FCFS)算法：简单但可能导致饥饿现象
  短作业优先(SJF)算法：平均等待时间最短但需要预知运行时间
  优先级调度算法：考虑进程紧急程度但可能产生优先级反转
  时间片轮转(RR)算法：公平响应但上下文切换开销大

• 系统响应2：
  右侧自动展开知识图谱，清晰展示：
  "进程调度"为核心节点
  连接各种调度算法子节点
  显示算法间的演进关系和适用场景
  高亮标记考试重点（根据历年真题分析）

• 张明进一步探索：
  点击知识图谱中的"银行家算法"节点，系统：
  详细解释算法原理和死锁避免机制
  提供经典例题分步骤解析
  推荐相关模拟试题

• 系统响应3（资源推荐）：
  底部推荐区域显示：
  操作系统精选复习资料
  《操作系统概念》重点章节总结.pdf [提取码: os01]
  近3年期末真题及解析合集 [提取码: exam02]

• 张明的收获：
  原本需要2小时查阅资料和理解的概念，在15分钟内系统掌握，并获得了针对性的复习资料，复习效率提升80%。

3 功能分析四象限

重要且紧急：智能问答核心功能、知识库基础检索
重要不紧急：知识图谱可视化、多轮对话管理、个性化推荐
紧急不重要：界面美化优化、高级搜索筛选
不紧急不重要：社交分享功能、多语言支持

4 调整任务分解WBS及相应的项目进度计划

任务分解WBS图：

项目进度计划：

阶段	时间	主要任务
需求细化	第10周	用户场景完善、功能优先级排序
架构设计	第11周	系统架构设计、数据库设计
核心开发	第12-13周	智能问答模块、知识库管理
集成测试	第14周	系统集成、性能测试
优化部署	第15周	用户体验优化、部署上线

四、系统设计

1 系统架构设计

2 技术栈选择

• 前端技术栈
  Gradio: 快速构建AI应用界面，支持实时交互
  Cytoscape.js: 知识图谱可视化

• 后端技术栈
  FastAPI: 高性能异步框架，自动生成API文档
  Python 3.9+: AI生态完善，开发效率高
  Uvicorn: ASGI服务器，支持高并发

• AI与数据技术栈
  ChatGLM: 优秀的开源中文大语言模型
  LangChain: 大模型应用开发框架
  Chroma: 轻量级向量数据库
  Neo4j: 图数据库，适合知识图谱
  PostgreSQL: 关系型数据存储

3 数据库设计

用户表 (users)

• 字段组成： user_id(主键), username, email, password_hash, role, created_at, last_login, profile_data
  作用： 存储系统所有用户的基本信息、身份认证数据和角色权限，支持用户管理和个性化设置。

对话会话表 (conversations)

• 字段组成： conv_id(主键), user_id(外键), start_time, last_active, status, title, metadata
  作用： 记录用户与系统的对话会话信息，包括会话状态、活跃时间和元数据，支持对话历史管理。

知识文档表 (documents)

• 字段组成： doc_id(主键), title, file_path, uploader_id(外键), upload_time, file_size, file_type, status, metadata, vector_status
  作用： 管理上传的知识文档元数据和处理状态，包括文件信息、上传者信息和向量化处理进度。

消息表 (messages)

• 字段组成： msg_id(主键), conv_id(外键), content, sender_type, timestamp, msg_type, references, confidence_score, feedback
  作用： 存储用户与系统交互的具体消息内容，包括消息类型、置信度评分和用户反馈数据。

资源链接表 (resource_links)

• 字段组成： link_id(主键), subject, baidu_url, extract_code, description, uploader_id(外键), upload_time, validity, access_count, resource_type, difficulty
  作用： 维护学习资源链接信息和访问统计，包括学科分类、链接有效性和资源难度等级。

学习记录表 (learning_records)

• 字段组成： record_id(主键), user_id(外键), knowledge_point, interaction_type, timestamp, duration, confidence_score, subject, related_questions, study_notes
  作用： 追踪用户的学习行为和知识点掌握情况，记录学习时长、交互类型和个人笔记，支持个性化学习分析。

五、Alpha任务分配计划

1 Product Backlog

2 Sprint Backlog

3 甘特图

六、测试计划

目标： 通过系统化的测试，发现并修复智能问答系统的功能性、性能和安全性问题，确保高质量的用户体验和稳定的系统性能。

测试类型：

• 功能测试： 验证智能问答、知识库管理、知识图谱等核心功能模块是否按照需求正常工作。
  安全性测试： 保障用户数据安全和系统的隐私保护措施。
  用户体验测试： 收集用户反馈，优化界面交互和问答流程设计。
  性能测试： 测试系统的响应速度、负载承受能力，确保在高并发情况下的稳定性。

功能测试

• 用户注册和登录： 验证注册和登录流程，密码找回功能的可用性。
  智能问答功能： 确保问答理解、答案生成、多轮对话等操作正确执行。
  知识库文档管理： 验证文档上传、解析、向量化处理的准确性。
  知识图谱展示： 测试图谱可视化、节点关系展示、交互操作的功能完整性。
  学习资源推荐： 验证学科识别、资源匹配、链接有效性的准确性。
  对话历史管理： 测试历史记录保存、查看、删除的功能正确性。
  权限管理系统： 验证用户角色权限、知识库访问控制的功能实现。

安全性测试

• 数据加密： 验证用户信息、对话内容、密码的加密存储。
  权限控制： 检查用户权限分级和知识库访问控制，确保没有未授权访问。
  防止攻击： 进行SQL注入、XSS攻击、文件上传漏洞的模拟测试，确保系统抗攻击能力。
  API安全： 验证接口鉴权、请求频率限制、敏感信息过滤的安全机制。

用户体验测试

• 界面测试： 验证问答界面、知识图谱可视化、资源推荐等页面的用户友好性。
  交互流程： 观察用户在提问、查看图谱、获取资源等核心流程的操作，确保流畅性。
  响应反馈： 测试系统响应时间、加载状态提示、错误信息展示的用户体验。

性能测试

• 问答响应测试： 验证问答接口的响应时间，确保简单问题<3秒，复杂问题<8秒。
  并发测试： 模拟高并发访问，特别是问答接口和知识检索功能，确保系统承载能力。
  向量检索性能： 测试Chroma向量数据库的检索速度和准确率，保证知识检索效率。
  图谱查询性能： 验证Neo4j图数据库的复杂查询性能，确保图谱展示流畅。

测试流程

• 测试计划制定： 根据项目进度制定详细的测试计划，包括每个模块的测试时间、目标、内容等。
  单元测试： 由开发团队编写并执行单元测试，确保各个模块的基本功能实现。
  集成测试： 对多个模块的集成功能进行测试，确保问答、知识库、图谱等模块能够正确协作。
  系统测试： 全面测试所有功能模块，验证系统的完整性和业务逻辑的正确性。
  用户体验测试： 邀请真实学生用户使用系统，收集反馈以优化界面和操作流程。
  回归测试： 在发现并修复问题后，进行回归测试确保修复未引入新问题。
  验收测试： 在Alpha阶段发布前进行验收测试，确认所有核心功能按预期工作。
  性能与压力测试： 使用自动化测试工具模拟高并发场景，测试系统的负载能力和稳定性。

工具与环境

• 测试工具： 使用Postman进行API测试，JMeter进行性能测试，pytest进行单元测试，Selenium进行UI自动化测试。
  测试环境： 搭建与生产环境相似的测试环境，包括ChatGLM模型服务、Chroma向量数据库、Neo4j图数据库，确保测试结果的准确性。

测试报告与反馈

• 报告生成： 每轮测试结束后生成测试报告，包括测试成功率、失败的用例、性能数据等。
  问题跟踪： 使用Leangoo看板记录、跟踪和分配问题，确保每个缺陷得到及时处理。
  反馈与改进： 基于测试结果和用户反馈，安排修复、优化和重新测试，确保在Alpha阶段提高系统的质量和稳定性。