【标签】 按所选赛道选择话题标签：学习工作
【标题】 【学习工作赛道】CS_Assistant 智能复习助手 — 全栈 AI 辅教系统
【正文】
0. 先和大家打个招呼吧 
-
你是谁： 我是一名计科专业的大二学生
-
你是怎么用 TRAE 把 Demo 做出来的： 日常学习中，我常被一个问题困扰：课件 PDF 堆了几十个，每次复习都要翻半天才能找到知识点；想自己造题练手又无从下手；错题记了也没人帮我归纳薄弱章节。
用 TRAE 做这个项目的过程中，最让我震撼的是——我只需要用自然语言描述需求，它就能帮我从零搭建起一个完整的全栈系统。从 IndexedDB 存储分表设计、Web Worker 异步解析、到 transformers.js 向量语义检索，这些我原本以为需要团队协作才能完成的技术栈，TRAE 帮我一个人搞定了。最让我激动的一刻是看到 SOLO Agent 在答错题后主动弹出"薄弱章节预警"卡片——那一刻真的感觉 AI 不只是工具，更像一个会主动思考的助教。
1. Demo 简介
-
是什么：一个面向计算机专业学生的智能复习 Web 应用，支持课件上传、AI 问答、自动出题、错题归纳、学情主动推送。
-
面向谁：计算机专业大学生（也适用于任何需要基于资料复习 + 自测的学习场景）。
-
主要功能：
-
RAG 智能问答 — 上传 PDF/DOCX/PPTX 课件，AI 基于课件内容回答问题，带来源页码标注。采用 BM25 关键词检索 + transformers.js 向量语义检索混合召回，比纯关键词检索精度更高、冗余更少。
-
自动测验 + 错题本 — 基于课件自动生成单选/多选/简答/代码题，批改后错题自动归档，支持定向重练。SOLO Agent 监控错题率，超过 60% 自动触发薄弱章节预警。
-
SOLO Agent 主动智能 — 不是被动等用户提问，而是主动分析学情：薄弱章节预警、每日学习日报、连续复习奖励、待办提醒。这是区别于普通问答工具的核心创新。
2. Demo 创作思路
-
灵感来源：作为计算机专业学生，复习时最大的痛点是"知识碎片化"——课件分散、考点分散、错题分散，没有一个工具能把它们串起来主动帮我规划。
-
想解决的问题：
-
课件检索效率低（传统方式无法语义匹配）
-
错题无人归纳，不知道自己薄弱在哪
-
学习缺乏主动规划，全靠自觉
-
为什么做这个方向：
-
AI 大模型让"基于个人课件的个性化问答"成为可能（RAG）
-
浏览器端技术（IndexedDB + Web Worker + transformers.js）让数据完全本地化，无需服务器存储
-
"主动智能"是 AI 助教区别于普通工具的关键，也是 TRAE AI 大赛的评分维度
3. Demo 体验地址（三选一）
-
主站（Railway）： https://csaiassistant-production.up.railway.app/
-
备用（Vercel）： https://cs-ai-assistant-hvw12ypl1-minghaoxia61-webs-projects.vercel.app/
-
交互式 HTML 演示 ：（已打包为 ZIP 上传到社区）
CS_Assistant-demo.html (47.9 KB)
CS_Assistant-demo.zip (12.5 KB)
-
体验指南 ：
- 进入设置页 → 点击"加载示例数据"（预置 4 份数据结构课件 + 测验 + 错题）
- 回到对话页 → 提问"什么是栈？和队列有什么区别？"
- 去测验页 → 答几道题（故意答错几道）
- 等待 3 秒 → 右下角会弹出 SOLO Agent 薄弱章节预警卡片
- 分析页 → 点击"查看今日日报"
4. TRAE 实践过程
-
清晰展示用 TRAE 完成 Demo 开发的完整流程；
-
开发流程
整个项目从零开始，完全使用 TRAE 开发，分为 5 个阶段：
阶段 1：IndexedDB 存储层重构
-
设计 9 张分表（科目/资料/分块/向量/对话/测验/错题/复习/缓存）
-
用原生 IndexedDB API 封装，支持外键索引和级联删除
-
用 Lazy Proxy 模式解决异步初始化问题
阶段 2：Web Worker 浏览器端解析 -
PDF/DOCX/PPTX 解析全部丢入 Worker，主线程不阻塞
-
Worker 池并发控制（ Math.min(hardwareConcurrency-1, 2) ）
-
实时进度条 + 批量取消
阶段 3：transformers.js 向量语义检索 -
加载 all-MiniLM-L6-v2 模型（384 维，23MB）
-
BM25×0.4 + 向量×0.6 混合召回
-
向量持久化到 IndexedDB，上传一次永久复用
阶段 4：SOLO Agent 主动智能 -
5 个触发器（薄弱章节/高频错题/每日日报/连续复习/待办提醒）
-
冷却管理 + 优先级排序
-
Notification API 网页通知
阶段 5：性能优化 + PWA -
路由懒加载（首屏 270KB，减少 80%）
-
Service Worker 离线支持
-
向量模型加载进度可视化
-
-
附开发关键步骤截图（不少于 3 张）；
-
附关键任务对话的 Session ID（不少于 3 个），用于证明作品由 TRAE 开发完成。
-
.3581565046882516:286905f4402a15dd697ec6ad403977f1_6a327c07c36b0293f889e04a.6a4f4926fd57e9a9fdca7bb1.6a4f4926378b54820b2d6c38:Trae CN.T(2026/7/9 15:09:27)
-
.3581565046882516:01791cdfaf7e4bf5c79139b6f63b6433_6a327c07c36b0293f889e04a.6a4f458cfd57e9a9fdca7b89.6a4f458c378b54820b2d6c37:Trae CN.T(2026/7/9 14:54:05)
-
.3581565046882516:a3113aae62611736cc87169c5f68eadb_6a327c07c36b0293f889e04a.6a32afdbf7192fa726b936a6.6a32afdbe9f7d165bd0578f4:Trae CN.T(2026/6/17 22:31:55)
-
.3581565046882516:33b1b24dd6f4827dcb527056163f1eb8_6a327c07c36b0293f889e04a.6a33fb89e8b1c942da1559b4.6a33fb88a3a78adb964b7b51:Trae CN.T(2026/6/18 22:07:05)
-
.3581565046882516:b292e745b699b36f2ee20a7a1a08ba80_6a327c07c36b0293f889e04a.6a33e236e8b1c942da1558d8.6a33e235a3a78adb964b7b50:Trae CN.T(2026/6/18 20:19:02)
5. 对应的报名审核通过的帖子链接