AI闯关-功能实现

前景提示

MVP实现顺序：

1. 后端 生成题库的功能跑通
2. 前端闯关页面
3. 报告生成页面
4. 首页介入

核心功能实现

还是套用模板提示词

▼
text
复制代码
你是一位专业的程序员和小程序开发者，我会给你提供一系列资源，请你帮我不遗余力地完成开发任务。

## 提供的资源

@需求分析文档
@方案设计文档
@UI原型图

## 需要完成的任务

请你帮我完成 MVP 核心功能的完整小程序前端 + Python 后端的开发

## 注意事项
1）你必须完整阅读理解我给你的所有资源，有任何不确定的地方必须及时找我人工确认，才能进行下一步
2）给出你具体要执行的开发步骤，找我人工确认后，再进行开发
3）对于方案设计中提到的技术栈（比如 Taro、Zustand、LangChain），你必须通过 Context7 或者官方文档获取到最新的用法，确保编写的代码是正确的
4）UI 原型必须完全按照我提供的 UI 原型图来，不要自行发挥
5）你必须通过 TDD 自行测试所有的后端功能代码

采用plan模式，问题确认

▼
text
复制代码
已更新记忆文件 [](file:///c%3A/Users/QC/AppData/Roaming/Code/User/workspaceStorage/b4443fcd2d07ec5adf52b8c774b71c04/GitHub.copilot-chat/memory-tool/memories/MDRkZTcxMzQtMTgwYi00NTgxLWEyYTUtNTA1MDkyNDg3Yjdm/plan.md)

已更新内存

读取记忆 [](file:///c%3A/Users/QC/AppData/Roaming/Code/User/workspaceStorage/b4443fcd2d07ec5adf52b8c774b71c04/GitHub.copilot-chat/memory-tool/memories/MDRkZTcxMzQtMTgwYi00NTgxLWEyYTUtNTA1MDkyNDg3Yjdm/plan.md)

已更新记忆文件 [](file:///c%3A/Users/QC/AppData/Roaming/Code/User/workspaceStorage/b4443fcd2d07ec5adf52b8c774b71c04/GitHub.copilot-chat/memory-tool/memories/MDRkZTcxMzQtMTgwYi00NTgxLWEyYTUtNTA1MDkyNDg3Yjdm/plan.md)

计划已更新完毕。以下是最终确认版：

---

## 计划：AI炼金小程序完整 MVP 开发

全功能开发（21 个页面状态），**核心价值优先顺序**，TDD 驱动后端逻辑。

---

### 里程碑 1：后端「生成题库」链路跑通

**目标**：能接收文本/文件/URL → AI生成结构化题目 → 提交答案返回反馈 → 生成报告

**步骤（依赖顺序）**：

1. **0-A 后端脚手架**
   - 创建 `backend/`，Python 3.11+ 虚拟环境
   - 安装：`fastapi uvicorn[standard] python-multipart pydantic python-dotenv langchain langchain-core langchain-deepseek pypdf python-docx httpx beautifulsoup4 lxml pytest pytest-asyncio`
   - 建目录：`app/{api/v1, core, schemas, services/chains, services/ingestion, tests}`
   - 创建 `.env.example`（DEEPSEEK_API_KEY）

2. **1-A Pydantic Schemas**（`schemas/`）
   - `session.py`：`StudySession, CreateSessionRequest, SessionStatus`
   - `question.py`：`Question, QuestionOption, QuestionType`
   - `answer.py`：`SubmitAnswerRequest, AnswerFeedback`
   - `report.py`：`Report, MasteryItem, WeakPoint, GraphNode, GraphEdge, KnowledgeGraphData`
   - `ingest.py`：`IngestURLRequest, IngestFileResponse`

3. **2-A LangChain 客户端**（先通过 Context7 获取 `langchain-deepseek` 最新 API）
   - 初始化 `ChatDeepSeek(model="deepseek-chat", temperature=0, max_retries=2)`

4. **2-B 三条 AI 链（TDD）**（先写 `tests/test_chains.py` mock ChatDeepSeek → 再写实现）
   - `KnowledgeExtractChain`：输出 topic / concepts / misconceptions / **graph nodes & edges（含 mastery 度）**
   - `QuestionGenChain`：输出 3-5 题（单选/多选/判断），含 trap_type 干扰项分析
   - `ReportGenChain`：输出正确率 / 薄弱点 / 建议 / 每知识点掌握度

5. **2-C 质量校验器**：题目结构规则校验 + 结构化输出失败自动重试

6. **3-A/B/C 输入处理层（TDD）**
   - `TextProcessor`：清洗 + 截断 ≤5000字
   - `FileParser`：PDF（pypdf）/ DOCX（python-docx）/ TXT；图片/视频返回  "暂不支持"；**≤25MB**
   - `URLScraper`：httpx + BeautifulSoup4，提取 `<article>/<main>` 过滤广告，超时10s

7. **4-A/B/C API 端点（TDD）**

   | 端点 | 职责 |
   |---|---|
   | `POST /api/v1/sessions` | 创建会话 |
   | `POST /api/v1/sessions/{id}/generate` | 触发完整 AI 链（知识提取+出题）|
   | `GET /api/v1/sessions/{id}/questions` | 获取题目列表 |
   | `POST /api/v1/sessions/{id}/answers` | 提交答案 + 即时反馈 |
   | `GET /api/v1/sessions/{id}/report` | 生成报告（含图谱 nodes/edges）|
   | `POST /api/v1/ingest/url` | URL 正文提取 |
   | `POST /api/v1/ingest/file` | 文件解析（≤25MB）|

   - 内存 Session Store + 24h TTL
   - CORS 配置：允许 localhost:10086（微信开发者工具端口）

**验收**：`pytest backend/tests/ -v` 全绿

---

### 里程碑 2：前端闯关页面（可并行于里程碑1，先用 Mock 数据）

**步骤（依赖顺序）**：

1. **0-B 前端脚手架**（通过 Context7 获取 Taro 4 最新初始化命令）
   - `npx @tarojs/cli@latest init frontend`（React + TypeScript）
   - 安装：`@nutui/nutui-react-taro zustand`（ec-canvas 在里程碑3安装）
   - alchemy-theme.css → `src/styles/theme.scss`（CSS变量转 SCSS）
   - 注册所有页面路由 `app.config.ts`

2. **1-B TypeScript Types**（`src/types/`，对应 Pydantic schemas）

3. **5-A/B/C 基础层**
   - Zustand stores：`sessionStore / quizStore（含 lives=3）/ profileStore（同步 wx.storage）`
   - API 客户端（`src/services/api.ts`，baseURL=localhost:8000）
   - 共享组件：`SpiritMeter（3态）/ OptionCard（4态）/ ProgressBar / AlchemistBubble`

4. **6-3 quiz 页面**（6 个状态，严格按原型）
   - 3-1 单选作答：灵韵仪悬浮右上角 + 题干卡 + 选项卡 + 提交
   - 3-2 多选/判断：多选 checkbox 态
   - 3-3 答对反馈：题干回顾 + 解析卡
   - 3-4 答错反馈：对照双卡 + 写入错题本 + 扣 life
   - 3-5 灵韵耗尽：失败页（复活/重新/先看解析）
   - 3-6 通关成功：→ navigate report

---

### 里程碑 3：报告生成页面

1. **6-4 report 页面**（4 个视图）
   - 4-1 总览：环形图（SVG）+ 掌握度进度条
   - 4-2 图谱：ec-canvas + ECharts 力导向图（通过 Context7 获取最新 ec-canvas + Taro 集成方式），节点颜色按掌握度映射（mint/sun/coral）
   - 4-3 薄弱点：分级列表 + 可执行建议
   - 4-4 分享海报：Canvas 2D 绘制 → `Taro.canvasToTempFilePath` → `Taro.saveImageToPhotosAlbum`

---

### 里程碑 4：首页输入接入

1. **6-1 index 页面**（3 个状态）
   - 1-1 欢迎页：分类 grid + 两个 CTA
   - 1-2 输入页：textarea + 附件面板（wx.chooseMessageFile → Taro.uploadFile → `/ingest/file`；URL 自动检测 → `/ingest/url`）
   - 1-3 闯关设置：难度 segment + 题数 stepper → `POST /sessions` + navigate generating

2. **6-2 generating 页面**（4 个状态）
   - 2-1 进度动画（同步请求 `/generate`，前端模拟进度条）
   - 2-2 知识提取预览（概念 chips + 误区卡）
   - 2-3 题目预览卡
   - 2-4 确认出发

3. **6-5 profile 页面**（4 个子页）
   - 5-1 个人中心（从 profileStore 读数据）
   - 5-2 错题本列表（分类筛选）
   - 5-3 错题详情（对照卡）
   - 5-4 VIP+设置（toggle 存 wx.storage）

---

### 相关文件

**后端** — backend/

**前端** — frontend/（待创建）

---

请确认此计划，确认后进入开发执行。

这里需要尤其注意，AI生成的计划不一定对，如果自身有一定的基础，可以结合自身的思想，来让AI生成的更加准确，手动调节计划。

比如直接使用前端Trao官方脚手架、LangChain脚手架这种，又快又准。

https://docs.taro.zone/docs/GETTING-STARTED

执行卡住了，需要人工介入修复

后端的内容：

前端的内容：

Step2：启动服务

启动前后端：

启动失败，开始解决问题。一步一步解决问题即可

前端死机了，先修复后端吧

全流程验证，并且自动修复

自动切线程agent