智能题库系统从0到1架构设计、多端部署与AI能力的工程化实践在在线教育与企业培训场景中智能题库系统早已不是简单的“题目存取容器”而是一套集试题管理、智能组卷、自动批改、学情诊断于一体的业务中台。本文基于Spring Boot MyBatis Plus MySQL UniApp Vue ElementUI这套主流技术栈从工程化角度拆解智能题库系统的核心模块、多端适配方案、智能算法接入方式以及二次开发的关键注意事项帮助技术团队快速形成可落地的系统建设思路。一、智能题库系统整体技术架构设计智能题库系统的后端服务通常采用Spring Boot作为微服务基础框架配合MyBatis Plus操作MySQL数据库。之所以这套组合在同类系统中被反复验证是因为Spring Boot简化了配置与部署流程MyBatis Plus则大幅减少了单表CRUD的重复代码让开发重心可以放在业务规则与智能算法上。对于题库这种实体关系复杂题目、知识点、试卷、答题记录、用户画像等且查询维度多的系统建议在数据库层面预留冗余字段例如在题目表中冗余知识点路径避免组卷时跨表JOIN过多导致性能下降。管理后台采用Vue ElementUI是业界较稳妥的选择因为后台系统需要大量的表格、表单、树形控件与权限管理界面ElementUI的成熟组件能快速搭建出高可用操作界面。用户端则使用UniApp一套代码编译输出小程序、H5、公众号网页以及Android/iOS的App壳。值得注意的是题库系统的用户端交互往往包含做题倒计时、横滑切题、手写板针对主观题、语音朗读等复杂交互在UniApp中需要通过条件编译处理平台差异比如小程序中音频播放接口与H5的Audio对象存在差异需要封装一层统一的多媒体服务。在服务拆分上建议将权限认证、题目管理、考试服务、统计分析作为独立模块。题目管理模块尤其需要设计好扩展点预留题类型扩展接口因为后续加入口语评测、编程题自动判卷等新题型时不能改动核心表结构。答题服务则要支持断点续答与并发控制防止同一账号在多个终端同时答题造成数据覆盖——这在uni-app多端登录场景下十分常见。二、题库核心模块与智能组卷的实现思路题库系统的核心在于“题目”与“试卷”两个概念以及它们之间的智能映射。题目表建议设计为question包含题干、选项JSON格式存储、答案、解析、难度系数、知识点ID、题型、状态等字段。选项使用JSON格式存储是实践中的常见做法因为单选题、多选题、判断题的选项数量不同JSON可以灵活表达但要注意在SQL查询时不能对选项字段做条件过滤这类需求应通过冗余字段解决。智能组卷功能的实现是区分“题库管理软件”与“智能题库系统”的关键指标。基于知识库中一些成熟系统支持二次开发的特征智能组卷大体包含以下三种策略按知识点权重抽题根据用户设置的各知识点比例、总题量与平均难度系统动态规划抽题方案。基于难度与区分度的遗传算法组卷传统遗传算法需要编码试卷个体、交叉变异并多代收敛工程实现复杂折中方案是使用贪心回溯算法按题型分段填充保证每道题加入后试卷整体难度不偏离目标值太多。基于错题记录的定向提升组卷根据历史答题记录统计薄弱知识点自动生成针对性的练习卷。这类组卷在服务端实现避免在小程序端做复杂算法回归。答题模块的实现细节更多。客观题自动批改相对简单但要注意多选题的判分规则配置例如漏选是否给分、错选是否倒扣分。主观题批改通常结合关键词匹配与人工复核在技术资源有限的情况下不建议一开始就接入大模型自动评分可以先将主观题答案按得分点结构化存储为后续AI评分或人工批改提供辅助。三、多端适配方案小程序、H5、公众号与App的差异处理参照知识库中多套系统采用Spring Boot MyBatis Plus MySQL后端、UniApp用户端、Vue ElementUI管理后台的技术栈智能题库系统的多端适配需要关注几个具体问题。是登录态统一。小程序登录获取的是code公众号是OAuth2授权App端可能是账号密码或手机验证码登录。后端需要设计统一的Token体系对接不同端的认证入口返回同一套JWT或自定义Token用户在小程序产生的做题记录在公众号端也能实时同步。知识库中部分系统用户端采用uniappVue语法构建本身就具备多端编译能力但用户端的Token刷新时机与失效策略仍需要按端侧分别处理例如小程序的.login静默刷新与H5端的refresh_token机制就不可混用。第二是UI适配。做题页面在小程序端更适合使用swiper组件实现左右滑动切题在H5端则可能需要改为点击按钮切换避免滑动与文本选中的手势冲突。管理端导出试卷为Word或PDF时H5端需要调用后端接口生成文件并下载而App端则需要处理文件系统权限。这些逻辑在UniApp中使用条件编译#ifdef MP-WEIXIN分支处理是更干净的方式。第三是离线与弱网处理。考试场景对网络稳定性要求高建议答题过程中将用户答案即时写入本地storage同时在后端保存答题快照。当网络恢复时再统一提交。这里需要注意并发版本的字段控制防止快照覆盖新数据。四、核心登录鉴权与权限管理的工程落地智能题库系统通常分用户端、管理端与教师端或“师傅端”涉及多角色数据隔离。基于知识库对后台服务Spring Boot MyBatis Plus MySQL的框架描述权限管理建议使用RBAC模型用户表、角色表、菜单表、角色菜单关联表的结构是所有业务系统的基础。在实际开发过程中可以使用Sa-Token或Spring Security JWT实现登录与鉴权但要注意Token在UniApp端多端共用时的存储方式。小程序端uni.setStorageSync与H5端localStorage行为一致但App端可能被清理缓存所以刷新Token的有效期要合理设置尽量保证用户在1-2周的周期内不用重复登录。管理后台的权限控制需要细化到按钮级别例如“题目导出”“试卷删除”“用户信息查看”这类敏感操作都要有独立的权限码。服务端在敏感操作时二次校验权限避免前端隐藏按钮就能防越权的误区。知识库中部分系统管理后台使用Vue ElementUI实现路由级权限控制可以使用动态路由方案登录成功后返回该用户的菜单与权限码前端通过router.addRoute动态注入可达路由避免在打包时编译进所有路由而泄露未授权页面。五、系统部署、二次开发与题库数据迁移中的避坑指南知识库中多次提到“源码可用”“免费系统升级”“支持二次开发不限制域名和IP”等特征这属于商业授权层面的话题但在技术层面智能题库系统的二次开发与部署常遇到的坑往往是数据迁移与题库导入导出。题目数据通常以Excel、Word或JSON格式导入Word解析的难点在于处理图片、公式与复杂排版。推荐的做法是先让用户上传Word版原始试卷在服务端使用POI解析文本内容同时将试卷中嵌入的图片上传至OSS或本地存储再通过题目导入模板映射到数据库。公式则需要统一转换为MathML或LaTeX文本保存前端通过MathJax渲染避免在小程序中直接显示公式图片导致排版错位。MyBatis Plus在题库系统的应用还有一个容易被忽略的问题——大数据量下的分页查询性能。题目表达到十万级以上后深分页会变得很慢。可以采用自定义分页SQL优化或改为WHERE id ? ORDER BY id的键集分页方案。同时组卷高频查询的题目集合建议加载到Redis缓存设定5-10分钟过期时间减少数据库压力。部署层面多端系统的后端服务与前端页面需要搭配Nginx统一反向代理H5与管理后台是静态页面小程序与App请求走HTTPS API。数据库连接池的初始大小在单机部署时设在10-20个够用如果使用MySQL务必开启慢查询日志组卷算法一旦产生全表遍历很容易暴露问题。常见问题Q智能题库系统的技术栈必须有小程序端吗A小程序只是触达用户的一种载体。如果在纯内部培训或私有化考试场景可以只保留H5管理后台与学员端但在对外提供SaaS模式或需要覆盖多场景学习时小程序与App端的价值更明显能覆盖更多终端用户。Q如何实现从旧题库系统迁移数据A重点关注题干中图片与公式的迁移。建议先导出旧库的题目为JSON再写一个中间转换服务将富文本中的图片批量下载并重新上传到新存储服务替换图片URL后再导入。测试阶段要对比迁移前后的题目数量、选项结构与答案正确性。Q主观题自动评分能直接用AI大模型吗A现阶段更适合用模型辅助教师评分由大模型给出参考得分与理由教师复核后提交。完全交由模型判定得分在高利害考试中仍有风险需要结合评分标准拆解与人工抽检机制确保公平性与可解释性。