【学习工作赛道 】智训通

TRAE AI 创造力大赛 【大赛初赛专区】
1

【标签】 学习工作

【标题】【学习工作赛道 】智训通

【正文】 至少包含以下 4 个部分，可以增加额外的部分（比如自我介绍、经验总结、踩坑复盘等）

0. 先和大家打个招呼吧 :waving_hand:

  • 一名关注AI职业教育的产品爱好者，平时喜欢研究各种AI工具和在线学习产品。最近看到身边不少朋友想转行AI领域，但都被考试门槛挡住了，于是就有了这个作品。

    和 TRAE 的配合感受

    说实话，在接触 TRAE 之前，我没有前端开发经验，一直觉得自己"做不出一个完整的应用"。但 TRAE 完全改变了这个认知。

    整个开发过程就像和一个资深全栈工程师在结对编程：我负责"想"，它负责"做"。比如我说"需要一个侧边栏导航，点击切换不同页面"，TRAE 就能写出完整的响应式布局 + JavaScript 路由逻辑。最让我惊喜的是交互逻辑的完整性——我原本担心AI写的代码只能展示不能交互，但 TRAE 不仅实现了答题、计时、错题记录等复杂交互，还主动用 localStorage 实现了错题本的数据持久化。

    原来搞不定的那个"坎"，就是不知道怎么把脑子里零散的想法组织成一个完整可运行的产品。TRAE 帮我跨越了从"想法"到"Demo"的最后一公里。

1. Demo 简介

  • 是什么：智训通是一款 Web端AI训练师考试学习助手，集成了智能刷题、AI微课、实操实验室和全真模考四大功能模块，帮助零基础考生高效备考。

  • 面向谁：核心用户是 零基础备考人工智能训练师证书 的人群，包括：传统行业转型人员、高职/本科应届生、在职AI标注/训练人员、企业培训负责人。

  • 主要功能：

  • 智能刷题 — 从265道题库中随机抽题，支持按五大模块筛选，含单选/多选/判断三种题型，答完即出解析

  • AI微课中心 — 43个知识点按模块分类，点击即可跳转对应模块刷题，学练结合

  • 实操实验室 — 16道Python实操题可逐题浏览，内置代码高亮编辑器和模拟运行

  • 全真模考 — 35题随机组卷，90分钟限时，自动评分并归档错题

  • 错题本 — 自动收录错题，localStorage持久化，支持清空重做

2. Demo 创作思路

  • 灵感来源：你为什么想到做这个；

  • 想解决的问题：用户真实存在的痛点；

  • 为什么做这个方向：你的判断和取舍。

3. Demo 体验地址（三选一）

  • 灵感来源

    2024年"人工智能+"被写入政府工作报告，人社部"人工智能训练师"成为紧缺职业。身边有朋友在制造业干了8年质检，想借这个证书转型AI质检方案专员，但他完全没接触过编程和AI，看了官方教材直摇头。我搜了一下备考资源，发现散落在CSDN、B站、文档站各处，没有一款产品能把学习、刷题、实操整合在一起。

    想解决的问题

    零基础考生面临三大痛点：教材看不懂（缺乏零基础友好的解读）、题库找不到（资源分散且质量差）、实操不会做（没有练习环境）。智训通就是要把这三个问题一次性解决。

    为什么做这个方向

    全国AI训练师人才缺口达500万，三级证书持证者可获得最高3250元技能补贴，这是一个真实的"刚需+政策红利"市场。而且在线学习工具是AI最容易落地的场景之一——不需要后端服务器，纯前端即可完成完整体验。

4. TRAE 实践过程

  • 开发流程总览

    Step 1 · 需求调研

    让TRAE的Explore agent搜索AI训练师三级考试信息，收集考试科目、题型、报考条件和市场需求数据

    Step 2 · 方案设计

    基于调研结果，规划7个功能模块（仪表盘/刷题/微课/实操/模考/错题本/学习计划），确定30天冲刺的产品定位

    Step 3 · 数据爬取

    分批搜索真实考试题目，累计收集165道单选、30道多选、50道判断、16道实操题和43个知识点

    Step 4 · 前端开发

    TRAE逐模块编写HTML+CSS+JS：侧边栏导航、响应式布局、ECharts图表、答题交互、localStorage持久化

    Step 5 · 迭代优化

    根据数据完整性检查结果补充57道新题，优化模块分布均衡性，调整UI细节和交互逻辑

    Step 6 · 测试打包

    用浏览器工具截图验证各页面效果，用7z打包为ZIP格式，准备社区提交

  • 纯前端实现，不依赖任何外部API或服务。题库数据存储在独立的 data.js 中，通过 JS 变量直接加载，支持按模块筛选和随机抽题。所有交互状态（答题记录、错题本）通过 localStorage 持久化，刷新页面不丢失。

  • Session 1 · 需求调研与方案设计

    让Explore agent搜索AI训练师三级考试完整信息，获取考试科目、题型分布、报考条件和市场需求数据，为产品定位提供依据。

    Session 2 · 题库数据爬取与整理

    并行启动3个Explore agent分别搜索理论题库、知识点体系和实操题目，最终整合为包含188+道题目的完整数据集。

    Session 3 · 前端开发与交互实现

    使用TRAE逐步构建7个功能模块的HTML/CSS/JS代码，包括侧边栏导航、答题系统、ECharts图表、模考计时器等核心交互。

    Session 4 · 数据补充与迭代优化

    基于完整性分析结果，补充57道新题和5道实操题，优化模块分布均衡性，最终题库扩充至265道理论题+16道实操题。

    zhixuntong-demo.zip (457.7 KB)