团队项目第一次作业

从「提醒做」到「帮忙做」：课程资料第二大脑

项目	内容
作业所属课程	软件工程
作业要求	团队项目第一次作业
作业的目标	完成组队与选题，基于真实调研产出选题报告与需求规格说明书，明确目标用户与核心痛点，梳理产品目标、用户故事、功能清单与优先级、异常流程，并制定可测试、可复现的验收标准，为后续编码迭代提供可执行的依据。
团队名称	任务搭子小队
团队成员学号-名字	3224004271-钟楚楠、3224004347-易诗婷、3224004344-谭添睿、3224004382-李采云

一句话介绍：这是一个能把课件、教材、笔记喂进去，自动标出考点、生成复习卡片、认出藏在课件里的 DDL。

一、团队展示

1.1 队名与项目标志

队名：任务搭子小队

项目名： TaskMate

Task 任务 + Mate 伙伴：既是帮你记 DDL 的任务搭子，也是帮你复习考点的生活搭子。

1.2 项目规划与描述

我们的上一版小 Agent 是一个待办助手，仓库地址是：https://github.com/666F1E88/Agent ，它已经跑通了自然语言记任务、日程提醒的闭环，虽然能提醒你该做什么，但不能帮你复习备考。
本次项目将基于这个底座上长出“学习”能力，开发一个基于大模型 API 的轻量级网页端应用，实现上传课件提取纯文本、基于文本生成问答卡片、识别文本中的 DDL 日期，并确保所有回答附带原文页码出处。

阶段	目标	关键交付
第一阶段（本次）	把需求想清楚	团队展示、53 份问卷调研、选题报告、需求分析文档
第二阶段	跑通核心闭环	落地四大模块与隐私脱敏，按验收标准自测
第三阶段	打磨与加分	升级向量检索与语音交互、移动端适配、演示上线

1.3 队员风采

学号	姓名	本阶段负责	软件工程角色
3224004271	钟楚楠	问卷设计与数据分析、需求文档执笔、前端交互梳理	需求分析 / 前端
3224004347	易诗婷	领域类图与数据结构设计、答辩 PPT 制作	后端
3224004344	谭添睿	检索与 Prompt 方案调研、竞品分析	算法 / 检索
3224004382	李采云	测试与验收标准核对、博文统稿	测试 / 文档

1.4 团队合照

1.5 项目愿景

我们致力于打造一款真正可信的 AI 学习助手，通过解析海量课件与强制带页码的溯源问答，用严谨的技术解决信息过载与 AI 幻觉问题，让每一条回答都有据可查，让每一次复习都精准定位重点。未来，它将成为辅助大学生诊断知识盲区、实现从被动管理走向主动内化的智能学习工具。

二、选题报告

2.1 选题背景：从「提醒做」到「帮忙做」

上一版 TaskMate 待办助手解决了“会做”：自然语言交互、自动化任务管理、智能日程规划。但我们意识到它的功能比较单一，它只能提醒你期末作业、考试截止时间，却不能帮你复习备考。
大学生复习的真正困难在哪里？为了深入了解用户痛点，我们发放并回收了 53 份有效问卷，用数据验证了选题。

2.2 真实调研：53 份问卷验证三大核心痛点

痛点	问卷数据	出处
重点筛选困难	79.25%（42/53）的学生“资料太多，不知道从哪看起，抓不住重点”；另有 45.28% 反映“跨章节知识串联困难”	第 6 题（多选）
任务遗漏	69.81% 无法从容管理课程 DDL：30.19% 的 DDL 散落在各个群/平台难以统一管理，22.64% 总是踩点提交甚至偶尔错过，16.98% 经常忘记、靠群消息或同学提醒	第 8 题（单选）
信任缺失	92.46% 要求 AI 回答必须提供出处：49.06% “必须有出处我才敢用”，43.4% “有出处就行，不需要太精准”	第 13 题（单选）
结论：近八成学生资料过载；近七成管不住 DDL；超九成只信“有出处的回答”。基于三大痛点，我们明确了产品的三个核心目标：重点提取、任务联动、强制溯源。

2.3 核心用户画像

专业分布（第 2 题）：理工科 71.7%、文史哲/经管类 28.3% → 核心用户是课业繁重的理工科学生，公式和图表多、信息密度高；
资料格式（第 5 题）：PPT/PPTX 73.58%、Word/电子教材 66.04%、纯文字 PDF 54.72% → 优先支持 PDF 与 PPT 解析；
产品形态（第 15 题）：手机 66.04%、网页端 52.83% → 本阶段先做轻量网页端，移动端列入后续迭代；
答案形式（第 11 题）：偏好“分点解释 + 出处”的结构（50.94%）；
复习卡片（第 14 题）：49.06% 最看重“准确度高，能精准提取考点”；
DDL 工具意愿（第 9 题）：49.06% “非常需要，能极大缓解我的焦虑”，43.4% “比较需要”。

2.4 词云分析诉求

对简答题做词云分析，高频词为“标重点”“隐私问题”“胡说八道”，四类诉求浮出水面：

重点提取：标重点、找常考题、准确提取重难点——用户最关注系统提炼核心复习内容的能力；
内容准确性：反感“胡说八道”，强调基于原文、完整性可回溯；
隐私与版权：“隐私问题”占比较大，上传个人资料时对数据安全和版权归属存在担忧；
交互呈现：偏好简单直白、足够清晰，拒绝一本正经的废话。

设计启示：MVP 阶段优先实现课件中加粗、高亮等格式特征的提取辅助“标重点”；回答强制附带原文页码引用，并设置“未检索到即拒答”的防幻觉机制；“查缺补漏”“知识盲点”“语音输入”等进阶诉求暂不纳入本次范围。

2.5 创新点与核心功能

从「提醒做」到「帮忙做」：上一版管时间，这一版管知识；课件里识别出的 DDL 确认后可一键同步回上一版 TaskMate 待办，两个产品形成闭环；
强制溯源，反幻觉：检索不到相关内容就明说“资料中未找到相关内容”，回答必须带页码，直接回应 92.46% 的信任诉求；
隐私优先：上传前正则脱敏学号/身份证号、调用免训练参数的 ToB API、支持一键抹除，回应 93% 以上用户的隐私顾虑。
核心链路（闭环）：

上传 PPT/PDF → 逐页提取纯文本入库
      ├── ① 溯源问答：BM25 检索相关页 → 拼入 Prompt → 回答 + "出自第 X 页"
      ├── ② 复习卡片：一键生成 JSON 问答对 → 前端翻转卡片
      └── ③ DDL 联动：正则匹配日期句式 → 用户确认 → 加入待办

2.6 技术可行性与风险

技术可行性：上一版待办 Agent 已跑通任务管理闭环，架构可直接复用；文件解析、简易检索、大模型 API、SQLite 均为成熟方案；MCP 侧新增 ingest_material、ask_course、make_flashcards 三个工具。

风险	对策
RAG 效果不稳定	MVP 用 BM25/关键词检索 + Prompt 强约束 + 未命中拒答；后续升级向量检索
PPT 解析质量参差	优先支持文字版 PPT/PDF；提取文本少于 10 字符即提示“请上传电子版文档”
大模型 API 费用 / 超时	选用国内低价模型；超时提示重试；检索环节可离线关键词兜底
竞品多	靠“课程”垂直切口 + 溯源 + DDL 联动做小而准
隐私顾虑	正则脱敏、免训练参数、强制勾选声明、一键抹除

三、需求分析

3.1 产品目标

开发一个基于大模型 API 的轻量级网页端应用：上传课件提取纯文本、基于文本生成问答卡片、识别文本中的 DDL 日期，并确保所有回答附带文本原文出处。

3.2 功能思维导图

课程资料第二大脑（TaskMate）
├── 资料处理
│   ├── 仅支持 PDF / PPT
│   └── 文本提取与保存（按页入库）
├── 问答与溯源
│   ├── 输入问题
│   ├── 调用 LLM API（检索相关页 → 拼入 Prompt）
│   └── 强制带页码展示答案
├── 卡片生成
│   ├── 提取文本生成问答卡片
│   └── 卡片前端展示（点击翻转）
└── 任务联动
    ├── 正则匹配日期（X月X日 / DDL / 截止）
    └── 提取文本展示 → 用户确认 → 同步待办

3.3 领域类图

关键设计：Flashcard.source_page 与问答的页码引用同源——“溯源”不是事后补的功能，而是从数据结构层面预留的字段。

3.4 用户故事

US1：作为学生，我上传 PDF 课件后，能看到系统提取出的纯文本，并在提问时得到带有原文页码的回答。
US2：作为学生，我能一键让系统根据课件内容生成几个问答卡片，帮我复习考点。
US3：作为学生，我上传文件后，系统能自动识别出“几月几号交作业”的句子，并提取成待办事项。

3.5 功能清单与优先级

模块	功能点	优先级	实现方案
文件解析	支持 PDF/PPT 文本提取	高优	用 PyPDF2 / python-pptx 提取纯文本，按页保存
溯源问答	提问并附带页码引用	高优	简易搜索（BM25 或关键词匹配）找出相关页，拼接到 Prompt 让大模型回答，前端显示对应页码
复习卡片	自动生成问答卡片	高优	大模型根据纯文本生成 JSON 格式问答对，前端做点击翻转卡片
数据安全	传输前脱敏与 API 隐私合规	高优	前端/后端正则拦截替换学号/身份证号；限定调用“承诺不用于模型训练”的 ToB API；严格按用户隔离数据
DDL 提取	识别文本中的截止日期	中优	基础正则（匹配 X 月 X 日、DDL、截止），提取句子并展示给用户确认

3.6 关键流程详述（前后端交互）

资料上传与解析：前端提供“选择文件”按钮（仅限 .pdf/.pptx），上传后显示 Loading；后端判断后缀，PyPDF2 逐页 / python-pptx 逐文本框提取，按页存入 SQLite（file_id, page_num, text_content）；前端以 --- 第 1 页 --- 分隔符展示。
基于文档的问答（简易 RAG）：后端提取问题中的关键词匹配已存段落（带页码标签），与问题拼接成 Prompt 调用大模型 API；回答气泡下方必须展示“来源：课件第 3 页”。
考点卡片生成：点击“生成复习卡片”，将全文送大模型，Prompt 约定返回 JSON（question, answer, page）；前端渲染为可点击翻转的卡片列表。
DDL 自动提取：文本入库时跑正则，命中即标记 is_ddl = true 并记录页码；页面右侧弹窗“发现疑似截止日期，请确认”，用户点击“确认同步”后进入待办。
数据安全与隐私：上传前强制勾选“本工具不会将您的资料用于模型训练”；调用大模型时显式设置 save_history=False 等免训练参数；问答历史由我方后端写入本地 SQLite（user_id, question, answer, timestamp）；提供“一键抹除”按钮清除缓存与物理文件。
问答历史查看：侧边栏“历史问答”列表，按 user_id 倒序查询，点击可回看含页码引用的完整问答。

3.7 异常流程与边界情况

编号	异常	处理
1	上传非文本文件（纯图片 PDF）	提取文本 < 10 字符时提示“该文件无法提取有效文字，请上传电子版文档”
2	大模型 API 超时	提示“网络开小差了，请稍后再试”，允许点击重试
3	问答未检索到相关内容	Prompt 强制约束回复“资料中未找到相关内容”，不产生幻觉
4	正则未匹配到 DDL	右侧无弹窗提示

3.8 验收标准

编号	验收操作	通过条件
A1	上传标准 PDF/PPT	前端正确解析出文字内容（带页码）
A2	针对课件中明确提到的问题提问	大模型能回答，界面显示“出自第 X 页”
A3	点击生成卡片	10 秒内生成至少 3 张卡片，点击可切换显示答案
A4	询问与课件完全无关的问题	系统回复“资料中未找到相关内容”（防幻觉）
A5	上传含“作业 11 月 10 日截止”的文档	系统准确提示提取到该日期
A6	账号 A 上传资料后，账号 B 提问相同问题	B 收到“资料中未找到相关内容”，证明未串流
A7	未勾选隐私声明	前端“上传”按钮置灰不可点击
A8	提问得到回答后刷新页面	历史记录列表仍能看到刚才的问答（本地持久化有效）

3.9 待确认事项

大模型 API Key：使用哪家（推荐 DeepSeek / Kimi / 阿里通义等国内免费或低价模型）；
文件大小限制：是否限制 10MB 以内防服务器崩溃；
数据保存方式：本阶段直接本地 SQLite，不搭云数据库；
前端框架：Vue/React 或原生 HTML+JS；
隐私声明：上传处是否加“资料仅供本地学习使用”声明（调研显示用户很在意隐私）。

四、小组分工（本阶段）

成员	学号	本阶段负责
钟楚楠	3224004271	问卷设计与 53 份数据分析、PRD执笔、前端交互梳理
易诗婷	3224004347	领域类图、SQLite 数据结构设计、答辩ppt制作
谭添睿	3224004344	BM25/关键词检索与 Prompt 约束方案、卡片 JSON 协议、竞品分析
李采云	3224004382	验收标准核对、博文统稿

五、小组总结

这是我们四个人第一次完整地走一遍软件工程的需求阶段。开工前大家以为最难的是写代码，真正做下来才发现，把“要做什么”想清楚、说清楚，比想象中难得多。钟楚楠设计的问卷回收了 53 份有效数据，79.25%、69.81%、92.46% 这三个数字最终直接决定了产品的三大核心目标——重点提取、任务联动、强制溯源，让我们体会到“用数据说话”不是一句口号，而是需求优先级的依据；需求文档写完只是开始，为了答辩，谭添睿组织了两轮演练，讲到哪里卡壳，就回头改哪里的需求，文档在“写—讲—改”的循环里才慢慢立得住；易诗婷做答辩 PPT 时反复取舍图表，李采云统稿博文时逐个核对 PRD、PPT、博文三处口径，确保同一个数字在哪里都是对的。这些看似琐碎的工作，让我们真正理解了“需求全程可追溯”的意义。这次作业最大的收获是：软件工程不只是写代码，调研、文档、评审、验收标准同样重要，而且文档不是写给老师看的，是写给几周后写代码的自己看的，写得越清楚、越可测，后面越不用猜。接下来我们会带着这份需求文档进入开发阶段，打通“上传课件 → 带页码问答 → 复习卡片 → DDL 联动”的最小闭环，按 A1–A8 验收标准逐条落地。

六、后续计划

阶段二：打通“上传 → 解析入库 → 检索 → 带页码回答”最小闭环；随后落地卡片生成、DDL 联动，并同步至上一版 TaskMate 待办，与全链路隐私脱敏；按 A1–A8 逐条自测；
阶段三：升级向量检索与语音交互，适配移动端，准备可复现的验收演示。

posted @ 2026-11-08 12:57 x7y4 阅读(27) 评论(0) 收藏举报

刷新页面返回顶部