AI 教学平台深度优化实录 — RAG 检索从 0% 到 60% 的全链路排查与修复
概述今天对 AI 编程教学平台进行了一次系统性深度优化，覆盖了四个维度： RAG 可观测性：从零搭建检索质量评估体系 RAG 精准度：定位并修复两个数据链路 bug 工程规范化：Prompt 模板化、前端状态管理、配置治理 性能调优：Reranker 候选数控制、连接池调整 核心成果：RAG 检索 Hit@3 从 0% → 60%，忠实度从 2.4 → 4.2。 一、RAG 评估体系搭建问题在此之前，RAG 检索效果完全靠”感觉”——改完 Prompt 不知道有没有变好，换模型不知道命中率涨没涨。简历上写 RAG 却拿不出任何量化数据。 方案自建评估系统，不引入 Python 生态的 RAGAS（太重），全部放在 src/test 下零侵入： 123456789src/test/java/.../eval/├── RagEvaluator.java # 评估运行器（两轮）├── EvalReport.java # 报告 DTO├── EvalDataset.java # JSON 数据集加载├── MetricCalculat...
AI 教学平台 — 从 RAG 到 Agentic RAG 的全链路实战与面试复盘
项目亮点本项目是一个基于 Spring Boot + Vue 3 的 AI 教学平台，核心亮点： 自建 RAG 全链路：本地 ONNX Embedding（bge-small）+ pgvector + 双路检索（向量 + 关键词）+ RRF 融合 + Reranker 精排 + Query Rewrite，不是调包 Demo Agentic RAG：通过 MCP Tool Server 注册 5 个工具，LLM 自主决策检索知识库、查成绩、看作业、查课表、获取时间 本地模型部署：DJL + ONNX Runtime + bge-small-zh-v1.5（Embedding）+ bge-reranker-base（Reranker），多源镜像自动下载 + 哈希降级 智能分块策略：文档类型检测 → 结构切割 → 语义边界切割 → 滑动窗口 → 上下文引用 DAG 工作流引擎：GRADE → ERROR_ANALYSIS → SUGGESTION，条件路由 + 失败回退 + 类型安全状态 分布式基础设施：Bucket4j 令牌桶限流 + 布隆过滤器防穿透 + Cache-Aside...
智能教学平台开发日志 — Tool Calling 接入与项目工程化
今日工作内容教学平台的 AI Agent 从「手动拼上下文」进化为「LLM 自主决策的 Tool Calling」模式，同时补齐了 Docker 容器化、单元测试、压测等工程化工作。 遇到的坑与解决方案1. LangChain4j 1.13.0 OpenAiChatModel 的 HTTP 客户端 BUG现象：调用 OpenAiChatModel.chat() 时抛出 Invalid HTTP method。 原因：LangChain4j 1.13.0 的 OpenAiChatModel 内部使用 JdkHttpClient 发送非流式请求，但在 Java 21 + Spring Boot 4 环境下存在兼容性问题，HTTP 方法无法正常设置。 解决：弃用 OpenAiChatModel，直接用已有的 RestClient 手工实现 tool_calls 循环。核心改动： 123456789101112131415// 手工实现 tool_calls 循环，不依赖 OpenAiChatModelfor (int round = 0; round < MAX_TOOL_RO...
从 Spring AI 叛逃到 LangChain4j 的一天
起：一个看似简单的决定我有个后端项目 firedemo，用 Spring AI 2.0-M1 对接 OpenClaw Gateway 做 AI 作业批改。用得其实很薄——就一个 ChatClient 发 HTTP 请求，连 Function Calling 都没碰。 “换成 LangChain4j 吧，Agent 编排更成熟，简历上也好看。” 换依赖而已，能有多难？ 承：五连坑坑一：Jackson 双版本打架1Could not initialize class tools.jackson.databind.json.JsonMapper$Builder Spring Boot 4 用 Jackson 3（tools.jackson），LangChain4j beta1 拖了个 openai4j → Retrofit → Jackson 2.x（com.fasterxml.jackson）。虽然包名不同，但 classpath 上有两个 Jackson 就是炸。 修：升到 1.0.0-beta3——这个版本去掉了 openai4j，自带了 JDK HttpClient。但坑...
记一次RAG知识库混乱与前端连环bug的救火之旅
开场：一颗定时炸弹事情从一个看似简单的测试开始—— 学生 QQ 里问”龙空灵喜欢什么？”，结果 RAG 检索到了龙空灵私人知识库里”爱玩 CS2、想吃 Java 实习”的内容。 私人知识库居然对学生可见。 这不叫知识库，这叫朋友圈。 第一关：全库检索，来者不拒问题检查 VectorStoreService 的 SQL： 1SELECT ... FROM document_chunk ORDER BY embedding_vec <=> ?::vector LIMIT ? 没有 WHERE，没有 user_id，没有 kb_id。所有人敞开大门，随便搜。 解决 document_chunk 加 user_id 列，迁移脚本回填存量数据 VectorStoreService.similaritySearch() / keywordSearch() 加权限过滤 SQL： 12WHERE (user_id = ? AND kb_id IS NULL) -- 私人文档 OR kb_id IN (?) -- 已加入的...
教学仪表盘热力图重构——从AI驱动到教师驱动的知识点管理系统
背景教学数据中心的热力图原本是 AI 批改作业时自动生成 的：AI 按闭包知识点列表返回 knowledgePoints（掌握度），后端存入 homework_knowledge 表，前端只读渲染。老师无法干预热力图内容。 本次重构目标：把热力图从 AI 自动生成的静态展示，变成老师驱动的动态管理系统——老师创建知识点，AI 批改时按老师定义的知识点对错误进行分类，热力图变成错误聚合 + 交互式筛选入口。 数据流改造对比12旧：AI 批改 → knowledgePoints(封闭列表) → homework_knowledge → 热力图新：老师创建知识点 → AI 批改(传入知识点列表) → errors[].knowledgePoint → submission_errors → 热力图 → 点击弹窗看具体错误 核心改动1. 数据库 操作 表名 说明 新建 teacher_knowledge 老师自定义知识点（class_id, name, color, sort_order） 新建 submission_errors 错误分类明细（error_text,...
知识库目录树与共享功能实现全记录
概述本文记录了为作业批改系统实现知识库模块的全过程，包括目录树浏览、文件管理、共享知识库协作功能，以及期间遇到的各种问题和解决方案。 最终效果：用户可以创建个人知识库目录树，上传文件、管理文件夹；同时支持创建共享知识库，多人协作上传和管理文档。 一、目录树知识库（初版）需求将知识库管理页面改为类似腾讯 ima 的目录树形式，支持： 文件夹/文件的无限层级嵌套 展开折叠 右键菜单（新建子文件夹、重命名、删除） 拖拽排序 搜索过滤 右侧文档内容预览 技术选型项目已集成 Element Plus，直接使用 el-tree 组件而非手写递归组件。 功能 实现 目录树渲染 el-tree + children 递归 右键菜单 @node-contextmenu + 自定义浮层 拖拽排序 draggable + @node-drop 搜索过滤 filter-node-method 行内重命名 双击 → el-input 内联编辑 文件上传 el-upload 拖拽模式 文档预览 后端 Tika 解析 + 前端 Markdown 渲染 后...
C语言作业智能批改与学情分析平台 — 项目汇报
一、项目定位一个面向 C 语言教学的全链路智能平台：学生提交代码 → AI 自动批改 → 多维度学情分析 → QQ 群实时通知 → RAG 知识库辅助教学决策。 一句话：把教师从重复批改中解放出来，把教学决策从”凭感觉”变成”看数据”。 二、核心业务流程12345678910111213141516171819202122232425262728293031323334学生提交代码(QQ/Web) │ ▼ 文件名解析 ─── 学号_姓名_班级_作业名.c (正则提取，无需登录) │ ▼ 提交次数校验(最多3次) + 班级校验 │ ▼ Redis Stream 异步队列 │ │ ▼ ▼ AI 批改 定时提醒(QQ群+私聊) (OpenClaw 24h/1h截止预警 Agent) 全员完成播报 │ ▼ JSON 结构化结果 ├── totalScore / overallComment ├── strength...
Spring Boot 分层限流实战 — 网关层 Bucket4j 令牌桶 + 方法层 Redis Lua 滑动窗口
背景项目中已有基于 @RateLimit 注解的方法级限流，通过 Redis Lua 滑动窗口实现。但它存在两个问题： 入口即 Controller：限流在 AOP 切面触发，恶意请求已经走完了 Filter Chain、Security 上下文构建等流程 不支持突发流量：滑动窗口是严格的计数限流，超了就拒，无法应对合理突发 因此引入网关层令牌桶作为第一道防线，与方法层滑动窗口形成二级分层限流。 架构设计12345678910111213141516171819请求进入 │ ▼┌─────────────────────────────────────────┐│ ① TokenBucketInterceptor (网关层) │ Bucket4j 分布式令牌桶│ 维度：IP + URI │ 粗粒度防刷，支持突发│ 存储：Redis (Redisson CAS) ││ 顺序：order(0) 最先执行 │└───────────────┬──...
教学系统后端优化实录：Java 21 虚拟线程 + Spring AI 2.0 + Redis Lua 限流 AOP
背景对一个基于 Spring Boot 4.0 + MyBatis-Plus + PostgreSQL 的教学管理系统进行技术升级，参考了 spring-ai 企业级项目的架构模式，完成了三项核心优化。 一、Java 17 → 21 + 虚拟线程改动pom.xml 1<java.version>17</java.version> → <java.version>21</java.version> application.properties 1spring.threads.virtual.enabled=true 原理Spring Boot 4.0 原生支持 Java 21 虚拟线程（Project Loom）。开启后，Tomcat 请求处理线程、@Async 方法、WebFlux 调度线程全部切换为虚拟线程。 虚拟线程由 JVM 管理，不绑定 OS 线程，I/O 阻塞时自动让出 CPU。对于 AI API 调用、数据库查询、Redis 操作等 I/O 密集型场景，并发吞吐显著提升。 兼容性现有 pom...
