生成式AI赋能大学英语告诫语言能力培养平台-开发日志（Day 1）

项目背景

本项目是外文局研究课题"生成式AI赋能大学生英语高阶语言能力培养的教学模式构建与实践研究"的核心交付物。目标是构建一个双端教学平台，让教师能够设计AI辅助的课堂任务链，学生在手机端按步骤完成任务，AI在各个环节扮演不同角色，所有过程数据自动沉淀并支持导出用于教学研究。

平台围绕四种高阶能力设计：批判性思维、跨文化理解、论证表达、反思修订。

一.技术依赖

1.Python FastAPI：自动生成OpenAPI文档、原生async支持、AI接口集成最方便、课题组Python技能门槛低
2.SQLAlchemy 2.0 + Alembic：Python生态最成熟的ORM，DeclarativeBase声明式映射，Alembic支持自动生成迁移脚本
3.PyMySQL + MySQL 9.4：本地开发MySQL已运行，PyMySQL是纯Python驱动，无需编译C扩展
4.pydantic-settings：从.env文件读取配置，密码不硬编码在源代码中
5.python-jose + passlib：JWT令牌认证+bcrypt密码哈希Python FastAPI

二.数据库设计

统共22张表，这是Day 1的核心产出。整个平台的功能可以抽象为5个模块，每个模块对应若干张数据库表。

模块1：用户系统（1张表）

users表

class User(Base):
tablename = "users"
id # 主键，自增
username # 教师账号/学生学号，唯一索引
hashed_password # bcrypt哈希后的密码
name # 真实姓名
email # 邮箱（仅教师填写）
role # 枚举：teacher / student
is_active # 是否激活
created_at # 注册时间
设计要点：username设置了唯一索引，登录查询时会走索引；role用数据库原生ENUM类型保证数据完整性；密码字段存储的是bcrypt哈希值而非明文。

模块2：课程管理（3张表）

Course（课程表）：名称、描述、核心问题、教师ID、状态、创建/更新时间。一对多关系关联选课、任务和小组。
Enrollment（选课表）：学生ID、课程ID、小组ID。实现学生和课程的多对多关联。
Group（小组表）：组名、课程ID。通过Enrollment的group_id外键实现"学生-选课-小组"的间接关联。

设计要点：cascade="all, delete-orphan"确保删除课程时自动清理关联数据。

模块3：任务系统（6张表）
这是整个平台最核心的部分。

TaskTemplate（任务模板）：7种模板的预设（读写整合/文本精读/观点写作/跨文化比较/课堂辩论/AI伦理反思），含中英文名称、描述、默认9步任务链配置（JSON格式）。
Task（任务实例）：关联课程和模板，含标题、状态、课堂代码（唯一）、二维码链接、开放/截止时间。
TaskStep（任务步骤）：9步任务链中的单个步骤。step_type是枚举类型，9个值对应：情境导入->资料研读->观点生成->人机对话->同伴协商->语言输出->AI反馈->人工修订->反思评价。每个步骤可以单独启用/关闭。
AIRole（AI角色预设库）：预设AI角色（预习助手、文本追问者、反方质询者、写作反馈助手、文化视角提醒者等），含名称、描述、默认提示语模板、默认回复规则。
TaskAIRule（任务AI规则配置）：将AI角色绑定到任务的具体步骤上，允许自定义提示语和回复规则。
EvaluationScale（评价量表）：6个标准评价维度（观点清晰度/文本证据/论证逻辑/反方意识/文化视角/语言准确性），每个维度有权重和满分值。

模块4：提交与反馈（7张表）

Submission（提交物）：版本管理（初稿version=1、修改稿=2、终稿=3），支持文本内容和文件上传。
AISession和AIMessage（AI对话）：一对多的对话关系。AISession记录一次对话的开始/结束时间，AIMessage记录单条消息（区分user/ai角色）。
FeedbackRecord（AI反馈记录）：按维度存储AI评分和建议。关键设计是acceptance字段（采纳/部分采纳/不采纳），让学生逐条判断AI建议。
PeerReview（同伴互评）：内容建议+语言建议。
TeacherFeedback（教师审核反馈）：教师评语，is_audit字段区分是否为抽样审核。
StudentProgress（学生进度追踪）：记录每个学生在每个任务的每个步骤的完成状态、时间、AI互动次数，是"过程监控"页面的数据基础。

模块5：伦理表单（5张表）

AICheckForm（AI输出核查表）：AI生成了什么、哪些与教材一致、哪些不确定、需要修改什么、修正版。
CulturalPerspectiveForm（文化视角核查表）：核心表达、单一理解、价值预设、补充视角、修正表达。
AIUsageRecord（AI使用记录）：使用目的(JSON)、关键提示语、AI建议、采纳/拒绝了什么、自己修改了什么、是否使用完整句段。
AIDeclaration（学生AI使用声明）：5项布尔确认（未直接提交AI文章、已核查信息、能说明使用情况、对最终作品负责、同意抽样审核）。
ReflectionLog（学习反思日志）：学到了什么、困难、解决方法、AI反思。

三、配置文件架构

requirements.txt
列出14个依赖包，安装命令：pip install -r requirements.txt

env文件系统：
.env（已加入.gitignore）存储数据库密码和JWT密钥。
.env.example是提交到版本控制的模板。
config.py用pydantic-settings读取.env，提供全局Settings对象。

database.py
使用SQLAlchemy 2.0的DeclarativeBase，配置连接池（pool_size=10, max_overflow=20, pool_pre_ping=True），提供get_db()依赖注入函数。

main.py
FastAPI入口，配置CORS中间件，导入app.models使模型注册到Base.metadata，提供/api/health健康检查接口。

四、Alembic迁移

alembic/env.py动态从settings读取数据库URL，自动比对模型定义和数据库状态生成迁移脚本。

迁移流程：

1. 修改模型定义
2. alembic revision --autogenerate -m "描述"
3. alembic upgrade head

首次迁移自动生成了22张表的完整DDL，包含主键、外键、索引、枚举类型，已在MySQL中成功建表。

五、下一步计划

Day 2：认证系统（JWT登录注册）+ 前端项目重构
Day 3-4：教师端API（课程管理、任务设计、AI配置）
Day 5-7：学生端API（9步任务链、AI对话、提交管理）
Day 8-9：数据导出、过程监控、集成测试