26软工实践团队作业（一）：福大智联团队展示、选题报告与需求分析

26软工实践团队作业（一）：福大智联团队展示、选题报告与需求分析

从真题证据到学习闭环：考研英语智学 Agent

团队：福大智联｜项目：考研英语智学 Agent（研英智学）
课程：2026-01 软件工程与软件工程实践
源码：GitHub 仓库

目录

• 26软工实践团队作业（一）：福大智联团队展示、选题报告与需求分析
  • 从真题证据到学习闭环：考研英语智学 Agent
  • 一、作业与项目基本信息
  • 二、团队展示
    • 2.1 团队成员与分工
      • 成员个人任务细化
    • 2.2 团队合照
    • 2.3 团队协作方式
  • 三、选题背景与真实需求
    • 3.1 为什么选择考研英语阅读
    • 3.2 调研方法与样本边界
    • 3.3 关键调研发现
    • 3.4 问卷逐题统计与结果解读
      • A. 样本画像（Q1—Q4）
      • B. 英语基础与备考习惯（Q5—Q8）
      • C. 阅读困难与错题处理（Q9—Q12）
      • D. 生词、复习与学习支持（Q13—Q15）
      • E. AI 功能期待与使用偏好（Q16—Q19）
      • F. 开放建议
    • 3.5 调研限制
  • 四、项目目标、用户与范围
    • 4.1 目标用户
    • 4.2 项目目标
    • 4.3 当前范围与非目标
  • 五、系统方案与 Agent 定制
    • 5.1 技术架构
    • 5.2 工具、模型与数据的职责
    • 5.3 主要使用流程
    • 5.4 界面示意
  • 六、需求分析与验收设计
    • 6.1 需求优先级
    • 6.2 代表性验收场景
    • 6.3 运行与验收入口
  • 七、项目特点与当前不足
    • 7.1 项目特点
    • 7.2 当前不足与改进计划
  • 八、结语

一、作业与项目基本信息

项目	内容
作业所属课程	2026-01 软件工程与软件工程实践
课程作业	团队项目第一次作业：团队展示、选题报告与需求分析
团队名称	福大智联
项目名称	考研英语智学 Agent（简称“研英智学”）
项目形态	面向考研英语一、英语二阅读训练的 Web 工作台，当前为单用户本地应用
代码与验收材料	项目 GitHub 仓库；按仓库本地启动文档运行后进行功能验收

二、团队展示

2.1 团队成员与分工

团队共 13 人，按照项目工作划分为 PM、Agent、后端、前端、硬件、测试六组。下表姓名与学号依据团队提供的成员名单，黄俊翔为组长。

学号	姓名	小组	负责方向
102402125	黄俊翔（组长）	后端组	API、数据库、真题解析引擎
102402126	黄炜杰	PM 组	项目管理、需求整理、展示与答辩协作
102402127	金若曦	Agent 组	领域知识库、提示词、工具开发、流程编排
102402143	越长智	Agent 组	领域知识库、提示词、工具开发、流程编排
102402124	洪豊幀	PM 组	项目统筹、需求文档、答辩主讲与跨组协调
102402134	王世豪	后端组	API、数据库、真题解析引擎
102402133	谭段昊	后端组	API、数据库、真题解析引擎
102402132	邱福铭	前端组	页面交互与学习数据可视化
102402135	王伟浩	前端组	页面交互与学习数据可视化
102402119	陈封	前端组	页面交互与学习数据可视化
102402121	陈韦融	硬件组	ESP32 墨水屏单词卡方案
102402122	邓杰	测试组	功能测试、验收测试、答案准确性校验
102302113	王泽炜	测试组	功能测试、验收测试、答案准确性校验

成员个人任务细化

• 黄俊翔（组长）：负责后端基础服务与数据层，参与 SQLite 表结构、初始化流程和真题内容入库约定；实现或维护健康检查及前端所需的数据接口，关注外键关系、数据完整性和重复导入保护；与 Agent 组确认词汇、题目、句子及出处字段，支持团队复现演示数据库。
• 黄炜杰：协助 PM 组整理调研问题、用户场景和功能优先级，维护需求条目与版本变更记录；把团队讨论转成可检查的任务清单，跟进材料引用、图表和答辩页面的一致性；在评审中收集意见并整理为下一轮修改事项，支持项目过程管理。
• 金若曦：侧重考研英语领域知识整理，梳理长难句学习步骤、阅读题型和常见干扰项定义，建立可供工具查询的规则结构；参与提示词与解析模板设计，要求输出说明原文依据和推理边界；与测试组对齐典型错项样例，检查知识表达是否清楚。
• 越长智：侧重 Agent 工具与流程编排，将词汇核验、真题检索、单词本写入及答题记录等动作组织为可复用工作流；设计输入输出字段、异常分支和模型调用失败时的降级策略；配合后端保存工具执行轨迹，便于复核 Agent 在每一步引用了什么资料。
• 洪豊幀：负责把控项目目标、范围和阶段节奏，组织需求讨论并推动任务拆分；跟进 Agent、前后端、硬件和测试组之间的接口依赖，汇总风险与进度；统筹需求文档和答辩叙事，协调演示顺序，并根据验收反馈安排优先级调整。
• 王世豪：侧重真题与阅读训练相关 API，整理英语一、英语二篇章和题目的查询条件，支持按年份、试卷和篇章筛选；配合解析引擎返回题干、选项、答案及来源句等结构化信息；与前端联调作答提交和历史记录读取，处理空解析或数据缺失时的返回情况。
• 谭段昊：侧重学习状态与分析接口，围绕用户单词本、练习记录和复习进度梳理数据读写流程；协助核对答题结果如何沉淀为统计依据，并与前端约定报告所需字段；检查初始化数据和个人记录的边界，避免演示题库快照覆盖学习者已保存的状态。
• 邱福铭：侧重前端整体框架和信息架构，组织首页与左侧导航、页面标题、连接状态及通用提示；搭建可复用的布局和组件规范，保证长难句、阅读练习、词汇和报告页面在操作方式上保持一致；关注窄屏导航、加载状态与错误反馈，让关键学习入口容易找到。
• 王伟浩：侧重阅读真题训练交互，将篇章阅读、题目选择、答案提交和结果反馈组织成连贯页面；实现提交前后状态区分，避免答题前暴露正确答案，并呈现选项依据、陷阱类型和原文定位；与后端联调试卷筛选及作答记录，处理基础题缺少完整解析的情况。
• 陈封：侧重词汇及辅助学习页面，梳理词条详情、语境出处、加入单词本和复习反馈等交互；参与资料库、AI 对话或学习报告相关页面的组件整合，使不同入口共享统一的提示和状态展示；根据用户操作检查空列表、无到期词和请求失败等边界体验。
• 陈韦融：负责 ESP32 墨水屏单词卡方向的方案探索，拆解设备显示词条、释义和复习提示所需的数据字段与页面布局；评估设备端刷新、供电和离线查看等约束，并与软件组讨论单词本数据同步接口；硬件完成状态及实际联动效果应以现场设备演示为准。
• 邓杰：侧重功能测试与验收流程，依据用户场景编写首页、拆句、作答、加词和复习等操作检查项；关注模型密钥缺失、后端断开、题目解析不完整等异常分支；记录问题复现步骤、预期与实际表现，推动修复后回归检查。
• 王泽炜：侧重考研英语内容与答案准确性核验，抽查题目答案、原文定位、长难句结构和干扰项解释是否能在来源材料中找到依据；协助建立样例题核对表，区分确定性答案错误与模型讲解偏差；把发现的问题反馈给 Agent、后端和测试同学，形成可追踪的修订记录。

2.2 团队合照

2.3 团队协作方式

团队以共同的真题内容、学习状态和验收场景作为协作接口：PM 组维护范围和需求；Agent 组组织领域规则、工具及模型工作流；后端组提供数据接口与持久化；前端组将学习任务组织成页面；测试组围绕关键流程、答案依据和数据变化检查结果；硬件组探索把词汇复习延伸到墨水屏设备。后续迭代应继续通过统一的数据结构、接口约定、任务记录和验收清单减少跨组集成偏差。

团队愿景：福大智联希望以软件工程方法和智能技术回应真实学习需求，打造一款面向考研英语阅读的可靠学习助手。我们期待把真题理解、选项分析、词汇积累和复习反馈连接起来，让学习过程有依据、可追溯、能持续改进；也希望在协作实践中打磨需求分析、系统设计、开发测试与团队沟通能力。

三、选题背景与真实需求

3.1 为什么选择考研英语阅读

考研英语阅读需要学习者连续完成多种任务：理解长难句、定位文章证据、判断选项与干扰项、处理生词、回看错题并安排复习。实际学习中，这些工作常分散在真题册、词典、笔记和通用聊天工具里。单独获得一句翻译或一个答案，并不必然留下可复查的依据，也不一定转化为下一次训练材料。

因此，团队把选题聚焦在“做题之后怎样有效复盘”，而不是泛化为能回答所有英语问题的聊天机器人。项目希望把阅读训练、解释依据、词汇沉淀与学习记录连接起来，让一次练习可以继续进入复习。

3.2 调研方法与样本边界

团队于 2026 年 10 月开展在线问卷调查，共回收 56 份。年级、专业等基本信息题以 56 份为样本；考研英语基础、学习方式、阅读困难和功能期待等后续题项的有效样本为 41 份。问卷含单选、多选、排序和开放建议题。以下比例均按对应题项的有效样本计算；多选题的比例之和可以超过 100%。

在 56 份总体样本中，大三学生占 50.00%（28 人），理学/工学专业占 83.93%（47 人）。是否考研一题也以 56 份为分母：正在备考 26.79%（15 人），计划考研但尚未开始 30.36%（17 人），暂不确定 16.07%（9 人），不考研 26.79%（15 人）。后续考研英语题项有效样本为 41 份，二者是不同题目口径。

3.3 关键调研发现

1. 长难句和词汇是突出的阅读困难。排序题中，“单词都认识但连起来读不懂”的综合得分为 4.07，56.25% 的排序有效答题者将其排在第一；“词汇量不够、生词太多”得分 3.88，46.67% 排第一。排序题分母因题项作答情况而异，比例应与问卷平台统计口径一并理解。
2. 选项判断需要更细的错因反馈。在 41 份有效答卷中，51.22% 表示“二选一”时经常选错，31.71% 偶尔选错。多选错因中，63.41% 选择了“偷换概念”，43.90% 选择扩大/缩小范围，43.90% 选择正反混淆。
3. 生词记录和复习不够稳定。48.78% 表示遇到生词会根据上下文猜意思，24.39% 会查词典并记录到单词本。仅 9.76% 表示按艾宾浩斯曲线复习，另有 29.27% 觉得背了容易忘。
4. 学习计划与监督是受访者提及较多的缺口。51.22% 选择“学习计划与监督”，高于“优质学习资料”的 24.39%。当前产品并未实现完整的周计划、提醒或监督机制，因此这项调研结果同时指出了产品仍未解决的问题。
5. 受访者愿意尝试 AI，但重视准确性。“非常愿意”和“比较愿意”使用 AI 辅助的比例合计为 92.68%；58.54% 希望解析准确率达到 90% 以上且偶尔错误可接受，31.71% 要求 100% 准确。该结果支持提供 AI 辅助，也提醒团队必须保留出处、解释和人工核验路径。
6. 功能期待与产品范围存在差距。68.29% 希望自动提取生词并安排复习，63.41% 希望导入真题并逐句拆解，58.54% 希望分析选项陷阱，53.66% 希望得到薄弱题型专项训练建议。现有版本分别是部分实现、学生端导入未开放、选项分析已实现、报告建议部分实现；不能把所有调查期待写成已交付能力。

3.4 问卷逐题统计与结果解读

下面将问卷统计结果按题目整理，图表和文字数据均来自团队提供的问卷统计报告。Q1—Q3 使用 56 份总体样本；Q4—Q19 使用 41 份后续有效样本。多选题的比例表示选择该项人数占有效样本的比例，因此各项比例之和可以超过 100%。Q9 为排序题，保留平台综合得分及各名次统计。

A. 样本画像（Q1—Q4）

图 1：总体样本中大三和理工科学生占比较高；后续有效答题者中，近半数尚未确定英语一或英语二。

题目	选项分布
Q1 年级（n=56）	大一 9（16.07%）；大二 8（14.29%）；大三 28（50.00%）；大四 11（19.64%）；已毕业/其他 0（0%）
Q2 专业类别（n=56）	文学/语言学 1（1.79%）；理学/工学 47（83.93%）；经管类 2（3.57%）；法学/教育学 1（1.79%）；医学/农学 2（3.57%）；其他 3（5.36%）
Q3 是否考研（n=56）	正在备考 15（26.79%）；计划考但未开始 17（30.36%）；不确定 9（16.07%）；不考研 15（26.79%）
Q4 目标试卷（n=41）	英语一 14（34.15%）；英语二 7（17.07%）；还不确定 20（48.78%）

Q3 中 15 名选择“不考研”的受访者未进入后续考研英语题项，因此 Q4 起有效样本为 41。样本画像说明的是本次问卷覆盖到的人群，不代表全国考研人群。目标试卷暂未确定者占比较高，也支持产品同时覆盖英语一和英语二阅读，而不是预设用户已经确定报考方向。

B. 英语基础与备考习惯（Q5—Q8）

图 2：背词 APP 和自学刷真题较常见；生词记录和规律复习仍有改进空间。

题目	选项分布
Q5 CET-4 成绩（n=41）	未通过 5（12.20%）；425–500 分 25（60.98%）；500–550 分 9（21.95%）；550 分以上 2（4.88%）
Q6 CET-6 成绩（n=41）	未通过/未考 24（58.54%）；425–500 分 13（31.71%）；500–550 分 2（4.88%）；550 分以上 2（4.88%）
Q7 每天考研英语投入（n=41）	不到 1 小时 25（60.98%）；1–2 小时 10（24.39%）；2–3 小时 4（9.76%）；3 小时以上 2（4.88%）
Q8 备考方式（多选，n=41）	使用背单词 APP 32（78.05%）；自学刷真题 23（56.10%）；看网课 17（41.46%）；使用 AI 工具 7（17.07%）；其他 5（12.20%）；报辅导班 2（4.88%）

样本中六级未通过或未考者占 58.54%，每天投入英语不足一小时者占 60.98%。同时，78.05% 使用背词 APP、56.10% 自学刷真题，说明产品更适合补足阅读练习后的句子理解、选项复盘和词汇沉淀，而非替代现有课程与工具。Q8 为多选题，各项比例不要求相加为 100%。

C. 阅读困难与错题处理（Q9—Q12）

图 3：长难句与词汇排在阅读困难前列；“偷换概念”是受访者选择最多的干扰项原因。

题目	选项分布
Q9 阅读困难排序	长难句读不懂：综合得分 4.07，第一位 18（56.25%），第二位 5（15.63%）；词汇量不足：3.88，第一位 14（46.67%），第二位 13（43.33%）；做题时间不够：2.07，第一位 2（9.09%），第二位 8（36.36%）；选项分析困难：1.85，第一位 2（9.09%），第二位 1（4.55%）；推理题不会：1.24，第一位 3（16.67%），第二位 1（5.56%）；文章主题把握不准：1.17，第一位 2（11.11%），第二位 1（5.56%）
Q10 做完真题如何处理错题（n=41）	看答案解析并仔细分析 26（63.41%）；基本不分析 7（17.07%）；只看正确答案 6（14.63%）；看了解析仍不懂 2（4.88%）
Q11 排除两个选项后选错频率（n=41）	几乎总是选错 4（9.76%）；经常选错 21（51.22%）；偶尔选错 13（31.71%）；很少选错 3（7.32%）
Q12 选项设错原因（多选，n=41）	偷换概念 26（63.41%）；扩大/缩小范围 18（43.90%）；正反混淆 18（43.90%）；无中生有 15（36.59%）；过于绝对 15（36.59%）；不清楚、感觉差不多 10（24.39%）

Q9 排序题的有效作答数因名次栏位而异，表中沿用问卷平台的综合得分和名次统计，不把它当作单选题比例解读。Q10 显示多数人会看解析，但 Q11 中过半受访者仍表示“二选一”时经常选错。结合 Q12，团队把“逐项指出选项如何偏离原文证据”作为阅读解析的重要方向。

D. 生词、复习与学习支持（Q13—Q15）

题目	选项分布
Q13 遇到生词怎么处理（n=41）	根据上下文猜意思 20（48.78%）；查词典并记录到单词本 10（24.39%）；查词典但不记录 8（19.51%）；直接跳过 3（7.32%）
Q14 是否有科学的复习计划（n=41）	按艾宾浩斯曲线复习 4（9.76%）；有但凭感觉复习 14（34.15%）；没有、背了就忘 12（29.27%）；用 APP 自动安排复习 11（26.83%）
Q15 备考中最缺乏的要素（n=41）	个性化指导 7（17.07%）；优质学习资料 10（24.39%）；学习计划与监督 21（51.22%）；答疑渠道 3（7.32%）

近半受访者遇到生词时主要靠上下文猜，明确表示会查词并记录的比例为 24.39%；按艾宾浩斯曲线复习的比例为 9.76%。最缺少的备考要素中，“学习计划与监督”居首。当前系统虽有单词本和基础间隔复习，但没有完整周计划、推送提醒或监督机制，因此这是需求依据，也是现有版本尚未解决的差距。

E. AI 功能期待与使用偏好（Q16—Q19）

图 4：受访者对 AI 辅助整体接受度较高，同时多数人对解析准确性有明确要求。

题目	选项分布
Q16 希望 AI 工具提供的功能（多选，n=41）	自动提取生词并安排复习 28（68.29%）；导入真题并逐句拆解长难句 26（63.41%）；分析选项陷阱 24（58.54%）；薄弱题型专项训练 22（53.66%）；模拟出题/预测考点 16（39.02%）；在线答疑/对话辅导 12（29.27%）
Q17 使用 AI 辅助考研英语的意愿（n=41）	非常愿意 19（46.34%）；比较愿意 19（46.34%）；一般 3（7.32%）；不太愿意 0（0%）；不愿意 0（0%）
Q18 对 AI 解析准确性的期望（n=41）	90% 以上、偶尔出错可接受 24（58.54%）；必须 100% 准确 13（31.71%）；80% 以上、主要看思路 3（7.32%）；不太在意准确性 1（2.44%）
Q19 可接受的工具形式（n=41）	网页版 7（17.07%）；手机 APP 14（34.15%）；微信小程序 2（4.88%）；都可以 18（43.90%）

合并“非常愿意”和“比较愿意”，愿意使用 AI 的比例为 92.68%；合并“90% 以上”和“必须 100%”，要求解析至少 90% 准确的比例为 90.25%。这反映的是用户期待，不是系统已经达到的准确率，仍需通过人工抽样和标准答案核验。形态偏好中 34.15% 首选手机 APP，而当前产品仍是 Web 端，这也是后续结合资源评估的方向。

F. 开放建议

开放题共收到 11 条补充建议，其中 6 条为“无”或空泛答复。其他建议包括：方便复习之前的问题单词、测试词汇量并定制个人复习计划；结合用户痛点给出个性化推荐；界面简洁易用；希望产品尽早上线。开放反馈与选择题中的复习和计划需求相互呼应，但文本答复数量较少，只作为补充理解，不单独推导总体结论。

3.5 调研限制

本次调查属于便利样本，样本中大三和理工科学生占比较高，不能代表全国考研人群。考研英语相关题项有效样本为 41，样本量有限；多选题反映的是受访者选择情况，不能说明各因素之间的因果关系；排序题与单选比例也不宜直接比较。调查没有覆盖付费意愿、长期留存、竞品使用时长等内容。因此，本调研用于支持课程项目的需求假设与优先级讨论，不作为普遍性市场结论。

四、项目目标、用户与范围

4.1 目标用户

用户	主要任务	对应支持
考研英语一、英语二学习者	看懂阅读文章中的复杂句	按文章选句，查看结构化拆解、词汇和出处
需要强化阅读解题的学习者	作答后弄清选项对错	查看题型、原文定位、逐项分析与干扰项类型
希望持续积累词汇的学习者	整理阅读中的生词并复习	将词汇连同语境和来源保存到单词本，按间隔复习
希望复盘训练效果的学习者	回看正确率和薄弱环节	查看已有练习记录的汇总与题型表现

4.2 项目目标

• 为长难句提供可重复使用的结构分析步骤，而非只给整句翻译。
• 让阅读练习采用先作答、后查看解析的交互，并展示各选项的依据。
• 将词汇与原句语境、真题来源和用户学习记录关联起来。
• 提供基础的间隔复习和练习报告，支持学习者回顾自己的训练情况。
• 采用领域工具检索和数据库记录关键事实，限制模型自由编造题目答案、出处或学习状态。

4.3 当前范围与非目标

当前项目面向考研英语一、英语二阅读 Part A 训练，是单用户本地 Web 应用。题库包括英语一 2018、2019、2021—2026 年及英语二 2018—2026 年阅读 Part A，共 68 篇、340 道题；不包含整张试卷的完形填空、翻译、新题型或写作。数据库另有 1,295 个句子切片、5,064 条大纲词汇、8 类陷阱规则、6 份缓存拆解、7 个演示单词本条目和 20 条演示练习记录。题库年份与覆盖范围是当前导入数据的描述，不代表完整历年真题库。

当前版本不提供账号体系、多用户隔离、学生端题库上传、原生手机 App 或微信小程序；不提供完整周计划、提醒与打卡，不提供模拟预测、写作批改和整卷训练。新句子拆解和开放式讲解依赖服务端模型配置，未配置 API Key 时会受限或降级；现有间隔复习是简化规则，不应称为完整 SM-2 算法。

五、系统方案与 Agent 定制

5.1 技术架构

Web 前端使用 React 19、TypeScript、Vite 与 Tailwind CSS；后端使用 FastAPI，业务数据保存在 SQLite。前端通过统一 API 客户端与后端交互，开发环境由 Vite 将 /api 请求代理至 FastAPI。需求文档列出 9 张主要数据表，覆盖词汇、真题篇章与句子、题目、陷阱规则、单词本、练习记录、Agent 运行记录和句子拆解缓存。仓库还保留早期 Streamlit MVP；当前主要 Web 工作台是 React + FastAPI 版本。

5.2 工具、模型与数据的职责

项目采用“工具查证据、模型做有限讲解、数据库保存状态”的设计：

• 领域工具负责查询大纲词汇、检索真题语料、把词汇加入个人单词本、记录作答与错因等确定性动作。
• 模型用于需要语言生成的解释或对话；它不应自行决定真题答案、出处、数据库是否写入等事实。
• 后端数据库保存题库、词汇、练习与复习状态；工具调用记录和引用信息用于提高结果可追溯性。
• 无模型密钥或模型调用失败时，部分开放生成能力不可用或会降级；页面应给出状态提示，不能伪造解析。

真题材料按题库导入流程由团队维护，当前学生端并未开放上传题库。需求文档也指出，词频统计仅针对当前导入的句子切片，不等同于多年真题的全量考频。

5.3 主要使用流程

长难句学习：选择年份与文章 → 选择句子 → 依次查看句子主干、从句、修饰成分、逐层翻译和语法考点 → 核对词汇与来源 → 将需要复习的词加入单词本。

阅读练习：选择试卷和篇章 → 阅读文章并提交答案 → 查看对错、题型、来源句与选项解析 → 将学习结果保存在练习记录中。

词汇复习与报告：在单词本查看词义、语境和复习状态 → 按到期队列完成复习反馈 → 在学习报告回顾已有题目数、正确率和薄弱题型。报告依据当前同步到前端的学习记录计算；其完整性取决于用户是否产生了足够练习数据。

5.4 界面示意

以下图片来自团队提供的当前版本界面截图，用于说明页面形态。截图中的静态演示数据不等同于在线服务状态或独立验收结果。

首页展示题库、词汇与学习入口等概览信息。

长难句页面围绕真题原句组织阅读与结构化讲解。

阅读练习页面提供篇章阅读和答题后的解析区域。

资料库提供项目已整理的学习内容入口。

报告页根据已有练习记录汇总训练情况。

对话页面是开放式讲解入口，回答范围受当前工具与模型配置限制。

六、需求分析与验收设计

6.1 需求优先级

优先级	需求	本次版本现状
P0 核心闭环	首页与服务状态、长难句学习、阅读题作答与解析、单词本、基础复习、题库数据完整性	主要流程已纳入当前 Web 系统；模型生成能力需配置密钥，学生端不支持导题
P1 学习增强	学习报告、资料库、领域知识库、基于薄弱项的学习建议	页面或基础能力存在；专项训练编排和个性化计划尚未实现
后续探索	自动提取生词、周计划与提醒、手机端形态、墨水屏同步、多用户服务	属于待完善或拓展方向，不能视为当前完整交付

6.2 代表性验收场景

验收编号	操作	预期观察点
AC-01	全新环境初始化并启动后端	健康检查正常，数据库载入 68 篇与 340 道题
AC-02	打开首页	展示的概览数据与后端数据一致，连接状态明确
AC-03	选择一篇真题中的句子	五步拆解内容可切换，且与所选句子对应
AC-04	未配置模型密钥时选择未缓存句子	显示明确提示，不展示虚构拆解
AC-05	提交有完整解析的阅读题	展示答题结果、四个选项分析和陷阱类型，并记录作答
AC-06	提交只有基础答案的题目	保存结果，不因缺少逐项解析而报错或补造内容
AC-07	从拆句页面加入词汇	单词本中出现对应单词、语境与来源
AC-08	完成一次复习	熟悉度及复习间隔按当前规则更新；需求文档描述的间隔为 1/2/4/7/15/30 天
AC-09	累积练习后打开报告	展示训练总数、正确率、题型表现与薄弱项
AC-10	关闭后端再刷新页面	页面显示后端不可用提示，不白屏、不以假数据冒充在线数据
AC-11	在已有数据库上运行团队初始化脚本	脚本拒绝覆盖现有数据

6.3 运行与验收入口

源码、README、架构说明、数据说明和本地启动指南位于项目仓库。验收时应先依据仓库最新说明启动 FastAPI 服务和 Web 前端，再逐项演示上表中的流程，并记录运行环境、是否配置模型 API Key、数据库初始化方式和结果截图。当前未收到部署 URL、统一测试记录或教师可直接访问的在线服务地址，因此本稿不声称已有公网在线验收环境。

七、项目特点与当前不足

7.1 项目特点

1. 围绕学习链路组织功能。将长难句、阅读题、词汇复习与报告放进连续流程，关注练习之后的沉淀。
2. 强调证据可追溯。真题内容、词汇和学习状态由领域数据与后端工具提供，回答尽可能展示原文出处与工具执行信息。
3. 把模型能力限制在适合的位置。模型主要补充开放式语言解释，关键答案、来源和记录写入由程序数据流程负责。
4. 兼顾功能与数据边界。用明确的题库年份、数据规模与限制描述当前版本，避免把样例数据说成全部真题或把计划说成已上线功能。

7.2 当前不足与改进计划

• 扩大并核验内容覆盖。补充更多经审核的题目、解析和句子拆解；明确题库授权与来源记录，并持续抽查内容准确性。
• 加强解析质量评估。建立固定抽样集，由人工检查句子结构、出处和选项解释，记录错误类型与修正过程。问卷显示受访者对准确性预期较高，但目前材料没有提供达到某一准确率的正式测评结果。
• 补齐复习闭环。改进自动生词提取、错题重做和个性化计划；学习计划与监督是问卷中显著需求，而当前系统还没有周计划、通知和打卡。
• 改善导入与部署。学生端题库导入当前关闭；如需恢复，应先设计内容审核、答案核对和异常处理。若计划提供公网访问，还需补充账号、数据隔离、部署与安全设计。
• 评估移动端与硬件联动。根据真实使用反馈决定是否开发 App/小程序，并验证 ESP32 墨水屏单词卡是否能与单词本同步及其离线体验。
• 完善项目文档一致性。需求文档指出 README 中仍有旧页面和旧句子数量描述；对外演示前需统一数字、路由、部署方式和验收结果。

八、结语

“研英智学”来自团队对考研英语阅读学习过程的拆解：理解句子、判断选项、整理词汇、记录练习和回看薄弱点。问卷为这些需求提供了初步依据，当前 Web 原型则尝试用真题数据、领域工具、模型解释和本地学习状态把它们连接起来。项目仍处在课程实践迭代阶段，题库范围、模型依赖、学习计划和正式准确性评估都有清晰边界。接下来，团队将以可复现的运行步骤、可核验的材料出处和具体验收记录继续完善系统，让“回答得出”逐渐变成“学得会、查得到、能复盘”。