2026秋软工实践 FitPulse——项目原型设计+概要设计

项目	内容
作业所属课程	202601软件工程
作业要求	2026秋软工实践团队作业第二次
作业的目标	在第一次需求分析的基础上，完成软件原型设计（用户端+管理后台），进行概要设计（系统架构、UML建模），设计数据库结构，制定详细开发计划，并建立团队GitHub仓库作为项目文档与代码的管理中心
团队名称	FitPulse
团队成员学号-名字	102401317-罗炜、102401529-陈加豪、102401527-林复彬、102401521-陈辉腾、102401218-罗堉楠、102401328-马锦城、102401531-徐心铭、102401121-张智轩、102401119-林祺皓、102401203-连向薇、102401222-李江炜

一、原型设计（40%）

1.1 原型设计工具与在线展示

设计工具：墨刀（Modao）+ HTML/CSS 高保真原型
原型展示链接：🔗 在线预览（GitHub托管） | 📁 源代码

1.2 设计理念

FitPulse 是一款面向学生健身新手的「随身智能教练」。原型设计围绕以下核心理念展开：

对话即交互：用户与智能Agent通过自然语言对话完成所有操作——查询动作、生成计划、上传纠错，无需复杂菜单层级。
三屏合一：教练对话、训练计划、个人记录三个核心视图通过底部导航一键切换。
Agent 可见：设计上让用户清楚感知「正在和智能教练对话」，而非传统的表单填写式工具。
虚拟陪练形象：加入 AI 虚拟陪练人物（卡通健身教练），以动画形象呈现于对话页和计划页，提供陪伴感和鼓励反馈，降低健身过程的枯燥感。

1.3 用户端应用原型

1.3.1 首页——智能教练对话

用户打开应用即进入与 FitPulse 智能教练的对话界面：

欢迎引导：首次进入时，Agent 主动问候并采集用户基本信息（健身水平、目标、可用器械、每周可训练天数），以对话气泡形式逐条询问，降低填写负担。
对话输入：底部固定输入框 + 发送按钮，支持文字输入；右侧「📷」按钮支持拍照/上传动作照片用于纠错。
回答展示：Agent 回答以富文本卡片形式呈现——文字说明、配图、结构化列表（如训练计划表格），并标注知识出处（如「参考：运动解剖学·深蹲篇」）。
快捷入口：对话顶部提供三个快捷按钮——「🔍 查动作」「📋 生成计划」「🩺 动作纠错」，点击后自动填入引导性提问。
虚拟陪练形象：页面顶部展示 AI 虚拟陪练动画人物（卡通健身教练），以浮动动画效果呈现，并配有「AI虚拟陪练在线」标记。Agent 消息旁配有小尺寸虚拟形象 + 对话气泡，如「你好！我是你的AI虚拟陪练，会一直陪着你训练，加油！💪」，增强陪伴感和激励机制。

1.3.2 训练计划页

计划列表：按日期展示当前周的训练计划，每天一张卡片，包含：日期、训练部位、动作列表（动作名+组数+次数+休息时间）、预计时长。
计划详情：点击卡片展开完整计划，每个动作配有要领缩略图、目标肌群标注。
完成打卡：每个动作可勾选「已完成」，当日全部完成时卡片变为绿色并显示「✅ 今日完成」。
刷新计划：顶部「🔄 重新生成」按钮，点击后 Agent 根据用户最新状态重新生成一周计划。

1.3.3 动作纠错页

上传入口：支持两种方式——「📸 拍照」实时拍摄动作照片、「🖼️ 从相册选择」上传已有照片。
纠错结果：上传后 Agent 分析并返回结构化纠错反馈：
- 整体评价（如「俯卧撑整体不错，但有一个关键问题需要调整」）
- 问题列表（每条标注问题部位 + 问题描述 + 纠正建议 + 参考图对比）
- 安全提示（如有疼痛/不适，建议停止并就医）
历史记录：下方按时间倒序展示历史纠错记录，可展开查看详情。

1.3.4 个人中心

个人资料：头像、昵称、健身水平、目标、可用器械，均可编辑修改。
训练统计：本周训练天数、累计训练次数、总训练时长、完成率环形图。
我的纠错：历史纠错记录汇总入口。
关于 FitPulse：版本信息、使用帮助、反馈入口。

1.4 后台管理原型

后台管理面向系统管理员，用于管理知识库内容和查看系统运行状态：

知识库管理：三大领域知识模块（标准动作/肌肉发力/错误姿势）的条目列表，支持新增、编辑、删除、批量导入。每条知识包含标题、模块分类、正文内容、配图、出处来源。
用户管理：用户列表（ID、昵称、注册时间、训练天数），支持查看用户详情。
系统概览：仪表盘——总用户数、今日活跃用户、本周纠错次数、知识库条目数、API 调用量趋势图。
反馈管理：用户反馈列表，支持标记处理状态。

1.5 智能体交互界面与任务流程

FitPulse 的核心差异在于「Agent 驱动的对话式交互」。原型中重点设计了三条 Agent 任务流程：

流程一：查询动作要领

用户点击「🔍 查动作」→ 输入框自动填入"我想了解……"
→ 用户输入"深蹲的标准动作"
→ Agent 识别意图 → 调用「动作库查询」工具 → 检索知识库
→ 返回结构化回答：
   📌 深蹲（标准动作）
   目标肌群：股四头肌、臀大肌、核心
   起始姿势：双脚与肩同宽，脚尖微外展……
   动作轨迹：吸气下蹲至大腿与地面平行……
   呼吸：下蹲吸气，起身呼气
   节奏：2-1-2（下2秒-底停1秒-上2秒）
   ⚠️ 常见错误：膝内扣、塌腰、重心前移
   📷 [配图：深蹲标准姿势]
   📚 参考：运动解剖学·下肢篇

流程二：生成训练计划

用户点击「📋 生成计划」
→ Agent 检查用户档案（已采集过则跳过）
→ 若未采集：依次询问「你的健身水平？」「目标？」「有什么器械？」「每周能练几天？」
→ 调用「训练计划生成」工具
→ 输出结构化周计划卡片（动作+组数+次数+休息+配图+选择理由）
→ 用户可「保存到我的计划」

流程三：动作纠错

用户点击「🩺 动作纠错」→ 拍照/选照片上传
→ Agent 接收图片 → 调用「动作纠错」工具
→ 结合「标准动作」+「错误姿势危害」知识分析
→ 返回纠错卡片：
   整体评价 + 问题列表（问题部位/描述/纠正/参考图）
→ 若检测到明显伤痛信号 → 走安全边界：建议就医

1.6 UI 设计说明

配色方案：主色活力橙 #FF6B35，辅色深灰 #2D2D2D，背景浅灰 #F5F5F5，强调健康、活力、专业的品牌感。
字体：系统默认中文字体（苹方/PingFang SC / 微软雅黑），标题加粗，正文常规。
圆角卡片：所有内容以圆角卡片承载，视觉上温和友好。
底部导航：三个Tab——「💬 教练」「📋 计划」「👤 我的」，教练Tab居中突出。
交互动效：对话气泡淡入、卡片点击微缩放、纠错结果逐条展开，提升操作反馈感。

二、概要设计（40%）

2.1 系统架构设计

FitPulse 采用前后端分离 + Agent 编排架构，整体分为四层：

┌────────────────────────────────────────────────────────────┐
│                      用户接入层                              │
│  响应式网页（移动端优先）                                      │
│  React SPA · 对话/计划/纠错/个人中心                          │
└────────────────────────┬───────────────────────────────────┘
                         │ HTTPS / WebSocket
┌────────────────────────▼───────────────────────────────────┐
│                      API 网关层                              │
│  Nginx 反向代理 · 路由分发 · 限流 · 鉴权                      │
└────────────────────────┬───────────────────────────────────┘
                         │
┌────────────────────────▼───────────────────────────────────┐
│                     业务编排层（核心）                         │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐ │
│  │ 意图识别     │  │ 工具调度     │  │ 上下文管理           │ │
│  │ Router       │  │ Dispatcher   │  │ Context Manager     │ │
│  └──────┬──────┘  └──────┬──────┘  └──────────┬──────────┘ │
│         │                │                     │            │
│  ┌──────▼────────────────▼─────────────────────▼──────────┐ │
│  │              Agent 编排引擎 (Orchestrator)               │ │
│  │  接收用户输入 → 意图分类 → 装配上下文 → 调度工具 → 生成响应 │ │
│  └────────────────────────┬───────────────────────────────┘ │
└───────────────────────────┼─────────────────────────────────┘
                            │
┌───────────────────────────▼─────────────────────────────────┐
│                      能力支撑层                               │
│  ┌──────────┐  ┌──────────────┐  ┌────────────────────────┐ │
│  │ LLM API  │  │ 知识检索 RAG  │  │ 工具集 (Tools)          │ │
│  │ (Claude) │  │ (向量检索+重排)│  │ 计划生成/纠错/动作查询    │ │
│  └──────────┘  └──────────────┘  └────────────────────────┘ │
└───────────────────────────┬─────────────────────────────────┘
                            │
┌───────────────────────────▼─────────────────────────────────┐
│                      数据持久层                               │
│  ┌──────────┐  ┌──────────────┐  ┌────────────────────────┐ │
│  │ MySQL    │  │ 向量数据库     │  │ 对象存储 (OSS)          │ │
│  │ 用户/计划 │  │ Milvus/Chroma │  │ 动作图片/纠错照片        │ │
│  │ /记录    │  │ 知识向量      │  │                        │ │
│  └──────────┘  └──────────────┘  └────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘

架构说明

层	职责	技术选型
用户接入层	前端界面，用户交互	React 18 + TailwindCSS，移动端优先响应式布局
API 网关层	统一入口，流量控制	Nginx + JWT 鉴权
业务编排层	Agent 核心：意图识别、工具调度、上下文管理、生成响应	Python (FastAPI) + LangChain/LlamaIndex
能力支撑层	LLM 调用、知识检索、工具执行	Claude API、Chroma/Milvus、自定义工具
数据持久层	业务数据、知识向量、文件存储	MySQL 8.0、向量数据库、MinIO/OSS

2.2 智能体集成设计

2.2.1 Agent 与系统的集成方式

FitPulse 的智能体不是独立的对话机器人，而是深度嵌入软件系统的编排核心：

用户输入（文字/图片）
       │
       ▼
┌──────────────────┐
│   系统提示词       │  ← 角色设定：专业健身教练
│   System Prompt   │    输出规范、安全边界
└──────┬───────────┘
       │
       ▼
┌──────────────────┐
│   意图分类器       │  ← 判断用户意图类别：
│   Intent Router   │   动作查询 / 计划生成 / 动作纠错 / 闲聊
└──────┬───────────┘
       │
       ├── 动作查询 ──→ [知识检索 RAG] ──→ [组装上下文] ──→ LLM 生成
       │
       ├── 计划生成 ──→ [采集用户档案] ──→ [计划生成工具] ──→ LLM 润色
       │
       ├── 动作纠错 ──→ [图片预处理] ──→ [知识检索] ──→ [纠错工具] ──→ LLM 分析
       │
       └── 闲聊 ──→ 直接 LLM 回复（不触发工具）

2.2.2 领域知识在系统中的作用

知识模块	存储方式	检索方式	在Agent中的作用
标准动作	结构化条目 + 向量	语义检索（按动作名/目标肌群/描述）	回答动作要领、提供配图、作为纠错基准
肌肉发力	结构化条目 + 向量	语义检索（按动作名/肌群）	解释发力感、分析代偿、回答"为什么酸这里"
错误姿势危害	结构化条目 + 向量	语义检索（按动作名/错误类型）	定位纠错原因、评估风险、给出纠正步骤

2.2.3 工具调用与任务流程

工具名称	触发条件	输入	输出	调用的领域知识
`query_exercise`	用户询问动作要领	动作名/肌群名	动作卡片（要领+图文+出处）	标准动作、肌肉发力
`generate_plan`	用户要求生成计划	用户档案（水平/目标/器械/时间）	结构化周计划	标准动作、肌肉发力
`correct_posture`	用户上传动作照片/描述不适	图片 + 可选文字描述	纠错卡片（问题+纠正+对比）	标准动作、错误姿势危害
`get_progress`	用户查询训练进度	用户ID	统计数据+可视化数据	用户训练记录

2.3 UML 设计

2.3.1 用例图（Use Case Diagram）

                              ┌─────────────────────────────────────────┐
                              │            FitPulse 系统                  │
                              │                                          │
     ┌──────────┐             │   ┌──────────────────────────────┐      │
     │          │  查询动作要领  │   │                              │      │
     │          │─────────────────▶│  「查询动作要领」               │      │
     │          │             │   │  extend: 显示配图               │      │
     │          │             │   │  extend: 标注知识出处            │      │
     │          │             │   └──────────────────────────────┘      │
     │          │             │                                          │
     │   普通   │  生成训练计划  │   ┌──────────────────────────────┐      │
     │   用户   │─────────────────▶│  「生成训练计划」               │      │
     │          │             │   │  include: 采集用户档案           │      │
     │          │             │   │  extend: 保存到我的计划           │      │
     │          │             │   └──────────────────────────────┘      │
     │          │             │                                          │
     │          │  动作纠错     │   ┌──────────────────────────────┐      │
     │          │─────────────────▶│  「动作纠错」                   │      │
     │          │             │   │  include: 上传动作照片           │      │
     │          │             │   │  extend: 安全就医建议            │      │
     │          │             │   └──────────────────────────────┘      │
     │          │             │                                          │
     │          │  打卡/记录    │   ┌──────────────────────────────┐      │
     │          │─────────────────▶│  「训练打卡与进度查看」          │      │
     └──────────┘             │   └──────────────────────────────┘      │
                              │                                          │
     ┌──────────┐             │   ┌──────────────────────────────┐      │
     │          │  管理知识库   │   │                              │      │
     │  系统    │─────────────────▶│  「知识库管理」                 │      │
     │  管理员  │             │   │  CRUD知识条目、批量导入          │      │
     │          │  管理用户    │   └──────────────────────────────┘      │
     │          │─────────────────▶│  「用户管理」                           │
     │          │  查看系统概览  │   └──────────────────────────────┘      │
     │          │─────────────────▶│  「系统概览仪表盘」                     │
     └──────────┘             │   └──────────────────────────────┘      │
                              └─────────────────────────────────────────┘

2.3.2 活动图（Activity Diagram）——训练计划生成流程

┌──────┐
│ 开始  │
└──┬───┘
   │
   ▼
┌─────────────────┐
│ 用户请求生成计划   │
└────────┬────────┘
         │
         ▼
┌─────────────────┐     ┌─────────────────┐
│ 检查用户档案      │────▶│ 档案不完整       │
│ 是否完整？        │     │ 逐项询问采集      │
└────────┬────────┘     └────────┬────────┘
         │ 完整                  │ 采集完成
         ▼                       ▼
┌─────────────────────────────────────┐
│ 调用「训练计划生成」工具              │
│ 输入：水平/目标/器械/可用时间/偏好     │
└────────────────┬────────────────────┘
                 │
                 ▼
┌─────────────────────────────────────┐
│ RAG 检索相关动作                     │
│ 按目标肌群 + 器械筛选 + 难度匹配     │
└────────────────┬────────────────────┘
                 │
                 ▼
┌─────────────────────────────────────┐
│ 规则引擎编排                          │
│ · 每周训练天数 → 分割训练部位         │
│ · 每个动作 3-4 组 × 8-15 次          │
│ · 组间休息 60-90s                    │
│ · 热身 + 主体训练 + 拉伸             │
└────────────────┬────────────────────┘
                 │
                 ▼
┌─────────────────────────────────────┐
│ LLM 组装并润色                       │
│ · 为每个动作选择理由生成说明文字      │
│ · 标注注意事项                        │
│ · 配图标注                           │
└────────────────┬────────────────────┘
                 │
                 ▼
┌─────────────────┐
│ 返回结构化周计划  │
│ 展示给用户        │
└────────┬────────┘
         │
    ┌────▼────┐
    │ 用户操作 │
    └─┬───┬──┘
      │   │
  保存 │   │ 重新生成
      │   │
      ▼   ▼
  ┌────┐ ┌──────────┐
  │结束│ │回到「检查 │
  └────┘ │用户档案」 │
         └──────────┘

2.3.3 活动图（Activity Diagram）——动作纠错流程

┌──────┐
│ 开始  │
└──┬───┘
   │
   ▼
┌─────────────────┐
│ 用户上传动作照片  │
│ + 可选文字描述    │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ 图片预处理        │
│ · 格式校验        │
│ · 尺寸标准化     │
│ · 质量检查        │
└────────┬────────┘
         │
    ┌────▼────┐
    │ 描述是否 │
    │ 包含动作名?│
    └─┬───┬──┘
      │   │
   是 │   │ 否
      │   │
      ▼   ▼
┌──────────┐ ┌──────────────┐
│ 直接检索  │ │ 视觉分析估测  │
│ 对应动作  │ │ 动作类型      │
│ 知识     │ │ (多模态模型)  │
└────┬─────┘ └──────┬───────┘
     │              │
     └──────┬───────┘
            │
            ▼
┌─────────────────────────────────────┐
│ RAG 检索：标准动作 + 错误姿势危害     │
│ 同时获取「应该怎样」和「常见错法」    │
└────────────────┬────────────────────┘
                 │
                 ▼
┌─────────────────────────────────────┐
│ 调用「动作纠错」工具                  │
│ · 对比标准姿势 vs 用户照片            │
│ · 识别偏差部位                       │
│ · 匹配已知错误类型                    │
└────────────────┬────────────────────┘
                 │
                 ▼
┌─────────────────────────────────────┐
│ LLM 生成纠错报告                     │
│ · 整体评价                           │
│ · 问题列表（部位/描述/纠正/参考图）   │
│ · 安全兜底检查                       │
└────────────────┬────────────────────┘
                 │
          ┌──────▼──────┐
          │ 是否检测到   │
          │ 伤痛信号？    │
          └──┬──────┬───┘
             │      │
          是 │      │ 否
             │      │
             ▼      ▼
   ┌─────────────┐ ┌──────────────┐
   │ 追加安全提示 │ │ 返回纠错卡片  │
   │ 建议停止并   │ │              │
   │ 就医        │ │              │
   └──────┬──────┘ └──────┬───────┘
          │               │
          └───────┬───────┘
                  │
                  ▼
              ┌──────┐
              │ 结束  │
              └──────┘

2.3.4 类图（Class Diagram）

classDiagram class User { +String userId +String nickname +String avatarUrl +String fitnessLevel +String goal +String[] equipment +Int weeklyDays +DateTime createdAt +DateTime updatedAt +getProfile() UserProfile +updateProfile(data) void } class Exercise { +String exerciseId +String name +String category +String[] targetMuscles +String[] synergists +String difficulty +String equipmentNeeded +String instructions +String breathing +String tempo +String[] imageUrls +String[] commonErrors +String source } class KnowledgeChunk { +String chunkId +String module +String exerciseId +String content +String[] tags +String source +Float[] embedding +DateTime createdAt } class TrainingPlan { +String planId +String userId +Int weekNumber +DateTime startDate +DateTime endDate +PlanDay[] days +String explanation +String status +generatePlan(user) void +updateProgress(dayIndex, exerciseIndex, done) void } class PlanDay { +Int dayIndex +String focusArea +PlanExercise[] exercises +Int estimatedMinutes +Boolean completed } class PlanExercise { +String exerciseId +Int sets +Int reps +Int restSeconds +String notes +Boolean done } class PostureCorrection { +String correctionId +String userId +String imageUrl +String userDescription +String detectedExercise +CorrectionIssue[] issues +String overallAssessment +String safetyNote +DateTime createdAt } class CorrectionIssue { +String bodyPart +String problemDescription +String correctionAdvice +String referenceImageUrl +String severity } class WorkoutRecord { +String recordId +String userId +String planId +Int dayIndex +DateTime completedAt +String feedback +Int difficultyRating } class AgentSession { +String sessionId +String userId +Message[] history +String currentIntent +Map~String,Object~ context +DateTime createdAt +DateTime lastActiveAt } class Message { +String role +String content +ToolCall[] toolCalls +DateTime timestamp } class ToolCall { +String toolName +Map~String,Object~ args +String result +DateTime executedAt } class SystemConfig { +String key +String value +String description } class Feedback { +String feedbackId +String userId +String type +String content +String status +DateTime createdAt } User "1" --> "*" TrainingPlan : 拥有 User "1" --> "*" WorkoutRecord : 记录 User "1" --> "*" PostureCorrection : 纠错 User "1" --> "*" AgentSession : 对话 User "1" --> "*" Feedback : 反馈 TrainingPlan "1" --> "*" PlanDay : 包含 PlanDay "1" --> "*" PlanExercise : 包含 PlanExercise "*" --> "1" Exercise : 引用 PostureCorrection "1" --> "*" CorrectionIssue : 包含 AgentSession "1" --> "*" Message : 包含 Message "1" --> "*" ToolCall : 触发 KnowledgeChunk "*" --> "1" Exercise : 关联

2.3.5 时序图（Sequence Diagram）——生成训练计划

用户          前端          API网关       编排器       RAG服务      LLM API     计划工具      数据库
 │             │              │             │           │           │           │           │
 │ 点击生成计划 │              │             │           │           │           │           │
 │────────────▶│              │             │           │           │           │           │
 │             │ POST /plan   │             │           │           │           │           │
 │             │─────────────▶│             │           │           │           │           │
 │             │              │ 路由+鉴权    │           │           │           │           │
 │             │              │────────────▶│           │           │           │           │
 │             │              │             │ 查用户档案  │           │           │           │
 │             │              │             │──────────────────────────────────────────▶│
 │             │              │             │◀──────────────────────────────────────────│
 │             │              │             │           │           │           │           │
 │             │              │             │ 档案不完整 → 返回采集问题                    │           │
 │             │◀────────────────────────────│           │           │           │           │
 │ 回答采集问题 │              │             │           │           │           │           │
 │────────────▶│─────────────▶│────────────▶│           │           │           │           │
 │             │              │             │ 按目标肌群检索知识                          │           │
 │             │              │             │──────────▶│           │           │           │
 │             │              │             │◀──────────│           │           │           │
 │             │              │             │  相关知识条目                              │           │
 │             │              │             │           │           │           │           │
 │             │              │             │ 调用计划生成工具                                         │
 │             │              │             │───────────────────────────────────────────────────────▶│
 │             │              │             │◀───────────────────────────────────────────────────────│
 │             │              │             │  结构化计划数据                                          │
 │             │              │             │           │           │           │           │
 │             │              │             │ 组装 prompt（系统提示词+知识+用户档案+计划数据+输出格式）   │
 │             │              │             │───────────────────────▶│           │           │
 │             │              │             │◀───────────────────────│           │           │
 │             │              │             │  润色后的计划文本        │           │           │
 │             │              │             │           │           │           │           │
 │             │              │             │ 保存计划到数据库                                         │
 │             │              │             │───────────────────────────────────────────────────────▶│
 │             │              │             │◀───────────────────────────────────────────────────────│
 │             │              │             │           │           │           │           │
 │             │ 返回计划卡片  │             │           │           │           │           │
 │             │◀────────────────────────────│           │           │           │           │
 │ 展示计划    │              │             │           │           │           │           │
 │◀───────────│              │             │           │           │           │           │

2.3.6 协作图（Collaboration Diagram）——动作纠错场景

┌──────────────────────────────────────────────────────────────────┐
│                       动作纠错协作场景                             │
│                                                                  │
│                        ┌──────────┐                              │
│                        │  用户     │                              │
│                        └────┬─────┘                              │
│                             │                                     │
│              1. 上传动作照片 + 文字描述                             │
│                             │                                     │
│                             ▼                                     │
│    ┌────────────────────────────────────────────┐                │
│    │              前端 (React SPA)               │                │
│    │  ┌──────────────────────────────────────┐  │                │
│    │  │ 纠错上传组件                           │  │                │
│    │  │ · 拍照/选照片                          │  │                │
│    │  │ · 预览 + 文字描述输入                   │  │                │
│    │  │ · 上传进度                              │  │                │
│    │  └──────────────────────────────────────┘  │                │
│    └──────────────────┬───────────────────────┘                │
│                       │ 2. POST /api/correct (multipart/form)    │
│                       ▼                                         │
│    ┌────────────────────────────────────────────┐                │
│    │           业务编排器 (Orchestrator)          │                │
│    │  3. 图片预处理                              │                │
│    │  4. 意图分类 → "动作纠错"                     │                │
│    │  5. 调用视觉模型分析动作类型                   │                │
│    │  6. 组装纠错工具调用参数                      │                │
│    │  7. 返回纠错报告给前端                        │                │
│    └───┬──────────────┬──────────────┬─────────┘                │
│        │              │              │                            │
│        ▼              ▼              ▼                            │
│  ┌──────────┐  ┌───────────┐  ┌──────────┐                      │
│  │ LLM API  │  │ RAG 服务   │  │ 纠错工具  │                      │
│  │ (Claude) │  │            │  │ (Tool)   │                      │
│  │          │  │ 按动作名    │  │          │                      │
│  │ 视觉分析  │  │ 检索:      │  │ 对比:    │                      │
│  │ +文本生成 │  │ · 标准动作  │  │ 用户图   │                      │
│  │          │  │ · 错误姿势  │  │ vs       │                      │
│  │          │  │ · 纠正方法  │  │ 标准图   │                      │
│  └──────────┘  └───────────┘  └──────────┘                      │
│        │              │              │                            │
│        └──────────────┴──────────────┘                            │
│                       │                                         │
│                       ▼                                         │
│  ┌────────────────────────────────────────────┐                │
│  │              数据存储层                      │                │
│  │  ┌──────────┐  ┌──────────────────────┐    │                │
│  │  │ MySQL    │  │ 对象存储 (OSS)         │    │                │
│  │  │ 纠错记录  │  │ 用户上传的原始照片      │    │                │
│  │  │ 用户档案  │  │ 标注后的对比图         │    │                │
│  │  └──────────┘  └──────────────────────┘    │                │
│  └────────────────────────────────────────────┘                │
│                                                                  │
│  消息传递：                                                       │
│  1→2: uploadImage(image, description)                            │
│  2→3: preprocess(image) → normalizedImage                        │
│  3→4: classifyIntent("动作纠错")                                  │
│  4→5: analyzeImage(normalizedImage) → detectedExercise            │
│  5→6: searchKnowledge(detectedExercise, ["标准动作","错误姿势"])    │
│  5→7: comparePosture(normalizedImage, referenceImages) → issues   │
│  6→7: generateReport(issues, knowledge) → correctionReport        │
│  7→2: return correctionReport                                     │
│  2→1: display correctionReport                                    │
└──────────────────────────────────────────────────────────────────┘

三、数据库设计

3.1 ER 图（实体-关系图）

erDiagram User ||--o{ TrainingPlan : "拥有" User ||--o{ WorkoutRecord : "记录" User ||--o{ PostureCorrection : "发起纠错" User ||--o{ AgentSession : "对话" User ||--o{ Feedback : "提交反馈" TrainingPlan ||--o{ PlanDay : "包含" PlanDay ||--o{ PlanExercise : "包含" PlanExercise }o--|| Exercise : "引用" PostureCorrection ||--o{ CorrectionIssue : "包含" AgentSession ||--o{ Message : "包含" Message ||--o{ ToolCall : "触发" Exercise ||--o{ KnowledgeChunk : "关联知识" User { varchar user_id PK varchar nickname varchar avatar_url varchar fitness_level varchar goal json equipment int weekly_days datetime created_at datetime updated_at } Exercise { varchar exercise_id PK varchar name UK varchar category json target_muscles varchar difficulty text instructions json image_urls varchar source } TrainingPlan { varchar plan_id PK varchar user_id FK int week_number date start_date date end_date varchar status datetime created_at } PlanDay { varchar day_id PK varchar plan_id FK int day_index varchar focus_area int estimated_minutes boolean completed } PlanExercise { varchar id PK varchar day_id FK varchar exercise_id FK int sets int reps int rest_seconds boolean done } PostureCorrection { varchar correction_id PK varchar user_id FK varchar image_url varchar detected_exercise text overall_assessment text safety_note datetime created_at } CorrectionIssue { varchar issue_id PK varchar correction_id FK varchar body_part text problem_description text correction_advice varchar severity } KnowledgeChunk { varchar chunk_id PK varchar module varchar exercise_id FK text content json tags varchar source vector embedding } AgentSession { varchar session_id PK varchar user_id FK varchar current_intent json context datetime created_at datetime last_active_at } Message { varchar message_id PK varchar session_id FK varchar role text content datetime timestamp } ToolCall { varchar call_id PK varchar message_id FK varchar tool_name json args text result datetime executed_at } WorkoutRecord { varchar record_id PK varchar user_id FK varchar plan_id FK int day_index datetime completed_at text feedback int difficulty_rating } Feedback { varchar feedback_id PK varchar user_id FK varchar type text content varchar status datetime created_at }

3.2 关系数据模型

表名	字段	类型	约束	说明
users	user_id	VARCHAR(36)	PK	UUID
	nickname	VARCHAR(50)	NOT NULL	昵称
	avatar_url	VARCHAR(500)		头像URL
	fitness_level	ENUM('beginner','intermediate','advanced')	NOT NULL	健身水平
	goal	ENUM('lose_fat','build_muscle','improve_posture','general')	NOT NULL	目标
	equipment	JSON		可用器械列表
	weekly_days	TINYINT	1-7	每周可训练天数
	created_at	DATETIME	NOT NULL, DEFAULT NOW()
	updated_at	DATETIME	NOT NULL, ON UPDATE NOW()
exercises	exercise_id	VARCHAR(36)	PK
	name	VARCHAR(100)	UK, NOT NULL	动作名称
	category	VARCHAR(50)	NOT NULL	分类(胸/背/腿/肩/核心/全身)
	target_muscles	JSON	NOT NULL	目标肌群
	synergists	JSON		协同肌群
	difficulty	ENUM('beginner','intermediate','advanced')	NOT NULL
	equipment_needed	VARCHAR(200)		所需器械
	instructions	TEXT	NOT NULL	动作要领(Markdown)
	breathing	VARCHAR(500)		呼吸方法
	tempo	VARCHAR(50)		动作节奏
	image_urls	JSON		配图URL列表
	common_errors	JSON		常见错误列表
	source	VARCHAR(500)		知识出处
	created_at	DATETIME	NOT NULL
training_plans	plan_id	VARCHAR(36)	PK
	user_id	VARCHAR(36)	FK→users, NOT NULL
	week_number	INT	NOT NULL	第几周
	start_date	DATE	NOT NULL
	end_date	DATE	NOT NULL
	status	ENUM('active','completed','abandoned')	DEFAULT 'active'
	explanation	TEXT		计划说明
	created_at	DATETIME	NOT NULL
plan_days	day_id	VARCHAR(36)	PK
	plan_id	VARCHAR(36)	FK→training_plans, NOT NULL
	day_index	TINYINT	NOT NULL, 1-7	星期几
	focus_area	VARCHAR(100)	NOT NULL	训练部位
	estimated_minutes	INT		预估时长(分钟)
	completed	BOOLEAN	DEFAULT FALSE
plan_exercises	id	VARCHAR(36)	PK
	day_id	VARCHAR(36)	FK→plan_days, NOT NULL
	exercise_id	VARCHAR(36)	FK→exercises, NOT NULL
	sets	TINYINT	NOT NULL	组数
	reps	SMALLINT	NOT NULL	次数
	rest_seconds	SMALLINT	DEFAULT 60	组间休息(秒)
	notes	VARCHAR(500)		备注
	done	BOOLEAN	DEFAULT FALSE
	sort_order	TINYINT	DEFAULT 0	排序
posture_corrections	correction_id	VARCHAR(36)	PK
	user_id	VARCHAR(36)	FK→users, NOT NULL
	image_url	VARCHAR(500)	NOT NULL	上传的图片URL
	user_description	TEXT		用户文字描述
	detected_exercise	VARCHAR(100)		识别出的动作
	overall_assessment	TEXT		整体评价
	safety_note	TEXT		安全提醒
	created_at	DATETIME	NOT NULL
correction_issues	issue_id	VARCHAR(36)	PK
	correction_id	VARCHAR(36)	FK→posture_corrections, NOT NULL
	body_part	VARCHAR(50)	NOT NULL	问题部位
	problem_description	TEXT	NOT NULL	问题描述
	correction_advice	TEXT	NOT NULL	纠正建议
	reference_image_url	VARCHAR(500)		参考配图
	severity	ENUM('mild','moderate','severe')	DEFAULT 'moderate'
knowledge_chunks	chunk_id	VARCHAR(36)	PK
	module	ENUM('standard_action','muscle_activation','error_harm')	NOT NULL	知识模块
	exercise_id	VARCHAR(36)	FK→exercises, NULLABLE	关联动作
	content	TEXT	NOT NULL	知识内容
	tags	JSON		检索标签
	source	VARCHAR(500)		出处
	embedding	VECTOR(1536)		向量(Claude embedding)
	created_at	DATETIME	NOT NULL
agent_sessions	session_id	VARCHAR(36)	PK
	user_id	VARCHAR(36)	FK→users, NOT NULL
	current_intent	VARCHAR(50)		当前意图
	context	JSON		上下文状态
	created_at	DATETIME	NOT NULL
	last_active_at	DATETIME	NOT NULL
messages	message_id	VARCHAR(36)	PK
	session_id	VARCHAR(36)	FK→agent_sessions, NOT NULL
	role	ENUM('user','assistant','system','tool')	NOT NULL
	content	TEXT	NOT NULL
	timestamp	DATETIME	NOT NULL
tool_calls	call_id	VARCHAR(36)	PK
	message_id	VARCHAR(36)	FK→messages, NOT NULL
	tool_name	VARCHAR(100)	NOT NULL
	args	JSON		调用参数
	result	TEXT		返回结果
	executed_at	DATETIME	NOT NULL
workout_records	record_id	VARCHAR(36)	PK
	user_id	VARCHAR(36)	FK→users, NOT NULL
	plan_id	VARCHAR(36)	FK→training_plans
	day_index	TINYINT	NOT NULL
	completed_at	DATETIME	NOT NULL
	feedback	TEXT		训练感受
	difficulty_rating	TINYINT	1-5	难度评价
feedbacks	feedback_id	VARCHAR(36)	PK
	user_id	VARCHAR(36)	FK→users, NOT NULL
	type	ENUM('bug','feature','praise','other')	NOT NULL
	content	TEXT	NOT NULL
	status	ENUM('pending','processing','resolved')	DEFAULT 'pending'
	created_at	DATETIME	NOT NULL

3.3 对象关系映射（ORM 映射）

以 Python SQLAlchemy 为例，核心实体与库表的映射关系：

实体类	库表	映射说明
`User`	`users`	`equipment` 字段使用 `JSON` 类型映射为 Python `list`；`fitness_level`/`goal` 使用 `Enum` 类型
`Exercise`	`exercises`	`target_muscles`/`image_urls` 等用 `JSON` 类型；`instructions` 为 Markdown 文本
`TrainingPlan`	`training_plans`	与 `PlanDay` 为一对多关系，通过 `plan_days` 反向引用
`PlanDay`	`plan_days`	与 `PlanExercise` 为一对多关系
`PlanExercise`	`plan_exercises`	通过 `exercise_id` 外键关联 `Exercise`
`PostureCorrection`	`posture_corrections`	与 `CorrectionIssue` 为一对多关系
`KnowledgeChunk`	`knowledge_chunks`	`embedding` 字段为 VECTOR 类型，由向量数据库插件处理
`AgentSession`	`agent_sessions`	`context` 为 JSON 字典，存储会话中间状态
`Message`	`messages`	与 `ToolCall` 为一对多关系
`WorkoutRecord`	`workout_records`	同时关联 `User` 和 `TrainingPlan`

3.4 领域知识与智能体数据存储设计

3.4.1 知识库存储

结构化管理：三大领域知识模块（标准动作/肌肉发力/错误姿势危害）以结构化条目存储在 knowledge_chunks 表中，每条知识关联到具体的 Exercise。
向量化存储：知识条目通过 Claude Embedding API 向量化（1536维），存入向量数据库（Chroma/Milvus）。用户提问时通过语义相似度检索 Top-K 条相关知识，注入 LLM 上下文。
出处标注：每条知识记录 source 字段，Agent 回答时标注引用，实现可追溯。

3.4.2 用户交互记录存储

会话记录：agent_sessions + messages + tool_calls 三表记录完整的对话历史，支持上下文连续对话、工具调用回溯。
训练记录：workout_records 记录每次训练完成情况，difficulty_rating 和 feedback 用于分析计划合理性和调整难度。
纠错记录：posture_corrections + correction_issues 记录每次纠错的完整结果，支持用户回溯查看。

3.4.3 任务执行结果存储

训练计划：training_plans + plan_days + plan_exercises 三表完整存储生成计划，用户可随时查看和修改完成状态。
工具调用日志：tool_calls 表记录每次工具调用的参数和结果，用于分析 Agent 行为、优化工具效果、调试排错。

四、团队协作记录（20%）

4.1 预期开发计划时间安排

以下计划从第二次作业截止日期（2026.11.09）开始，覆盖后续全部开发阶段，直至最终答辩。

周次	日期范围	阶段	里程碑	产出
第9周	11.10–11.16	环境搭建与知识库整理	开发环境就绪、知识库初版完成	① 云服务器/数据库/向量数据库部署完成 ② 三大领域知识库各≥15条结构化条目 ③ 知识向量化入库
第10周	11.17–11.23	Agent 核心开发	Agent 原型跑通三大任务	① 系统提示词定稿 ② RAG 检索链路跑通 ③ 三大工具（动作查询/计划生成/纠错）可独立调用
第11周	11.24–11.30	前端 + 后端联调	前后端联调通过	① 前端对话/计划/纠错三个页面开发完成 ② API 接口联调通过 ③ 端到端流程可走通
第12周	12.01–12.07	功能完善与测试	功能冻结、测试完成	① 所有核心功能完成 ② 测试用例全部通过 ③ UI 细节优化
第13周	12.08–12.14	典型案例对比与上线	系统上线、典型案例完成	① 部署上线（公网可访问） ② 定制前vs定制后三组对比案例完成 ③ 用户验收测试
第14周	12.15–12.21	答辩准备	答辩材料完成	① PPT 定稿 ② 现场演示流程排练 ③ 博客总结
第15周	12.22–12.28	答辩与复盘	答辩完成	① 现场答辩 ② 复盘总结

4.2 预期开发计划分工安排

序号	学号-姓名	角色	详细负责部分	所属阶段
1	102401317-罗炜	队长/项目统筹	整体规划、进度管理、风险把控、答辩主讲、架构设计	全阶段
2	102401529-陈加豪	产品经理/需求	需求细化、用户画像完善、PRD更新、验收标准跟踪	第9-12周
3	102401527-林复彬	领域知识研究员A	「标准动作」库：深蹲/俯卧撑/平板支撑/弓步/臀桥/卷腹/肩推等≥15个动作的要领+配图整理	第9-10周
4	102401521-陈辉腾	领域知识研究员B	「肌肉发力」+「错误姿势危害」库：每个动作的肌群分析+常见错误+纠正方法，≥15条错误条目	第9-10周
5	102401218-罗堉楠	提示词工程师	系统提示词设计、角色设定、输出格式规范、安全边界、few-shot样例编写	第10周
6	102401328-马锦城	RAG/知识库工程师	知识切片策略、向量化、Chroma/Milvus部署、检索+重排链路、出处标注	第9-11周
7	102401531-徐心铭	后端/API集成	FastAPI服务端、Claude API集成、数据库设计落地、计划生成/纠错/查询API	第9-11周
8	102401121-张智轩	前端工程师	React页面开发：对话界面、计划展示、纠错上传、个人中心、响应式适配	第11-12周
9	102401119-林祺皓	工具调用/流程编排	工具定义(schema设计)、Agent任务流程编排、意图路由、上下文管理	第10-11周
10	102401203-连向薇	测试工程师	测试用例编写、功能测试、三组典型案例对比（定制前vs定制后）、验收报告	第12-13周
11	102401222-李江炜	UI/UX设计+文档	界面视觉设计、原型设计（墨刀）、PPT美化、博客撰写与排版、文档管理	第9-14周

4.3 本次作业协作过程记录

4.3.1 分工记录

任务	负责人	完成情况
原型设计（用户端 4 页面 + 后台管理 3 页面）	李江炜、罗炜	✅ 已完成
原型交互流程设计（三条 Agent 任务流程）	罗炜、罗堉楠	✅ 已完成
系统架构设计（四层架构图）	罗炜、徐心铭	✅ 已完成
UML 建模（用例图/活动图/类图/时序图/协作图）	罗炜、林祺皓	✅ 已完成
数据库设计（ER图/关系模型/ORM/知识存储）	徐心铭、马锦城	✅ 已完成
开发计划与分工安排	罗炜、陈加豪	✅ 已完成
系统设计说明书文档	罗炜、陈加豪	✅ 已完成
数据库设计说明书文档	徐心铭、马锦城	✅ 已完成
博客撰写与排版	李江炜、罗炜	✅ 已完成
GitHub 团队仓库建立	罗炜	✅ 已完成

五、原型设计展示

原型展示链接：在线预览（GitHub托管）

原型设计中的重要突出特点

Agent 驱动对话式交互：不同于传统应用的表单+列表模式，FitPulse 原型以对话为核心交互方式。
智能体可见性设计：Agent 回答带有角色标识、知识出处标注。
AI 虚拟陪练形象：创新加入卡通健身教练动画人物——浮动动画呈现，通过对话气泡与用户互动，提供陪伴感和激励机制，解决居家健身「缺乏陪伴」的核心痛点。
安全边界内嵌：伤痛信号检测 → 建议就医的安全兜底路径。
后台知识库可管理：领域知识不是写死在代码里，而是通过后台知识库管理界面可增删改，支持持续迭代优化。

六、后端设计展示

所有后端设计图已在第二章「概要设计」中展示，包括：

系统架构图（四层架构）
用例图（系统功能边界与参与者）
活动图（训练计划生成流程、动作纠错流程）
类图（Mermaid 格式，完整实体关系）
时序图（训练计划生成时序）
协作图（动作纠错协作场景）
ER 图（数据库实体关系）

以上设计图在博客中以 ASCII Art / Mermaid 格式呈现。在《系统设计说明书》和《数据库设计说明书》PDF 中将提供更规范的图形版本。

七、GitHub 仓库与文档下载（5'）

资源	链接
GitHub 团队仓库	https://github.com/power819/FitPulse
FitPulse_系统设计说明书.pdf	GitHub下载
FitPulse_数据库设计说明书.pdf	GitHub下载

说明：PDF 文档将上传至团队 GitHub 仓库 docs/ 目录，同时提供云盘备用下载链接。

八、参考资料

软件系统设计说明书国标参考：GB/T 8567-2006《计算机软件文档编制规范》
数据库设计说明书国标参考：GB/T 8567-2006
UML 建模参考：OMG UML 2.5 Specification
智能体平台参考：文心智能体平台、Kimi+、ChatGPT/GPTs、扣子、Dify、LangChain

posted @ 2026-11-08 23:06 power1897 阅读(5) 评论(0) 收藏举报

刷新页面返回顶部

power1897

2026秋软工实践 FitPulse——项目原型设计+概要设计

2026秋软工实践 FitPulse——项目原型设计+概要设计

一、原型设计（40%）

1.1 原型设计工具与在线展示

1.2 设计理念

1.3 用户端应用原型

1.3.1 首页——智能教练对话

1.3.2 训练计划页

1.3.3 动作纠错页

1.3.4 个人中心

1.4 后台管理原型

1.5 智能体交互界面与任务流程

流程一：查询动作要领

流程二：生成训练计划

流程三：动作纠错

1.6 UI 设计说明

二、概要设计（40%）

2.1 系统架构设计

架构说明

2.2 智能体集成设计

2.2.1 Agent 与系统的集成方式

2.2.2 领域知识在系统中的作用

2.2.3 工具调用与任务流程

2.3 UML 设计

2.3.1 用例图（Use Case Diagram）

2.3.2 活动图（Activity Diagram）——训练计划生成流程

2.3.3 活动图（Activity Diagram）——动作纠错流程

2.3.4 类图（Class Diagram）

2.3.5 时序图（Sequence Diagram）——生成训练计划

2.3.6 协作图（Collaboration Diagram）——动作纠错场景

三、数据库设计

3.1 ER 图（实体-关系图）

3.2 关系数据模型

3.3 对象关系映射（ORM 映射）

3.4 领域知识与智能体数据存储设计

3.4.1 知识库存储

3.4.2 用户交互记录存储

3.4.3 任务执行结果存储

四、团队协作记录（20%）

4.1 预期开发计划时间安排

4.2 预期开发计划分工安排

4.3 本次作业协作过程记录

4.3.1 分工记录

五、原型设计展示

原型设计中的重要突出特点

六、后端设计展示

七、GitHub 仓库与文档下载（5'）

八、参考资料

公告