目标与背景
在银河麒麟等国产操作系统的教学实训中，课程讲义、实操环境、题库测验和学情统计往往散落在不同平台里：学生看文档和上机操作来回切窗口，老师也很难把平时练习情况与考试成绩放在一起看。
「麟航智训」面向信创系统教学场景，把课程学习、在线虚拟实验室、题库组卷考试与教学管理整合到了同一套 Web 平台中，并在此基础上接入 AI 学习辅助，让日常答疑、错题归因和强化练习都能直接结合学生真实的课程与考试数据。
我的工作
我曾在团队中担任项目总技术负责人，负责平台整体架构规划与跨模块技术协调。项目由前端（学生端与管理端）、Java 业务后端以及 Python AI 服务多支小组并行开发，我的核心工作是厘清各服务的职责边界、统一数据库表结构与跨服务接口约定，推进整套系统的集成联调与容器化部署。
自 2026 年 10 月 26 日起，因其他事务较为繁忙，我将主要开发和日常维护交由其他成员继续推进，转为协助维护，主要参与问题答疑与疑难问题的排查和解决。
实现内容
教学实训与考试管理
平台分为学生端与管理端两部分：
- 学生端：涵盖通知公告、培训课程选修、分章节课件学习、虚拟实验室（左侧对照实训指导书、右侧直接操作银河麒麟桌面环境）、在线答题及交流圈经验分享。
- 管理端：提供服务器与实训虚拟机状态管理、多角色权限控制、题库维护、实训组卷配置、考场监控、答卷批改与成绩统计等完整后台能力。
AI 学习辅助服务
AI 学习中心围绕课后反馈提供了四项核心功能：考试分析、学情分析、学情检测与学习答疑。
其中，考试分析与学情分析通过受控的数据查询工具读取 MySQL 中的历史答卷与学习进度；学情检测可根据薄弱知识点自动抽题生成强化练习；学习答疑则挂载了信创课程知识库检索（RAG）。整个 AI 服务基于 FastAPI 构建，使用 LangChain 与 LangGraph 编排工具调用工作流，并通过流式输出向前端实时推送回答。
方案与取舍
在架构拆分上，常规教学、考试与虚拟机管理采用成熟的 Vue 3 + Spring Boot + MySQL + Redis 体系保证业务稳定；而大模型调用、提示词编排和向量检索相关的逻辑则独立拆分为 Python 服务。这样既能直接复用 Python 丰富的 AI 生态，又避免了长耗时的流式生成任务阻塞常规教务接口。
为了让 AI 给出的学习建议不是泛泛而谈的套话，我们没有让模型凭空生成结论，而是把“查真实成绩与错题记录”封装成明确的查询工具交给智能体按需调用，用知识库保证概念准确，用业务库数据支撑个性化分析。
复盘与维护重点
跨语言、多团队协作时，最容易踩坑的地方在于不同服务对同一份业务数据的理解不一致——比如题目类型编码、交卷状态枚举或学生身份标识，一处改动没同步就会导致 AI 分析查出脏数据。因此把核心表结构和跨服务契约提前定死非常关键。
后续维护的重点依然在数据边界与可核查性上：一方面要严格限制 AI 查询工具的权限范围（只读且隔离学生个人数据），另一方面要持续扩充课程知识库，确保模型生成的错题解析和练习推荐始终与课堂教学内容对得上。