全功能 AI 学习助手 — 六模块整合 Demo

AI 教育/学习助手开发（八·终章）：全功能 AI 学习助手 : 从零到 Demo 的整合实战

引言

七期了。我们分别完成了：

教育助手概览与架构设计
AI 智能答疑系统（三层 RAG 架构）
个性化学习路径推荐（知识图谱 + 拓扑规划）
AI 错题本与智能批改（OCR + 诊断）
AI 口语陪练与发音评测（ASR + TTS）
AI 考试出题与模拟（智能组卷 + 批改）
AI 学习进度追踪（仪表盘 + 诊断报告）

这些模块像七块拼图，每一块都能独立工作，但拼在一起才是完整的「AI 学习助手」。

这一期我们把它们整合成一个 一站式 Streamlit 应用，做一个真正能跑、能演示的完整 Demo。

一、整合架构

┌──────────────────────────────────────┐
│          AI 学习助手 主入口            │
│         (main_app.py)                 │
├────┬────┬────┬────┬────┬────┬──────┤
│答疑│路径│错题│口语│考试│仪表│关于  │
│系统│推荐│批改│陪练│出题│盘  │      │
└────┴────┴────┴────┴────┴────┴──────┘
         │              │
    共享数据层        共享 LLM 客户端
    (learning.db)     (OpenAI 兼容)

设计原则： 1. 每个模块是独立的 Streamlit 页面，可以单独使用 2. 共享数据层：所有模块的统计数据汇入同一个 SQLite 3. 共享 LLM 客户端：所有模块复用同一个 API 连接 4. 统一导航：侧边栏导航，一键切换

二、主入口应用

"""
episode-08-project/scripts/main_app.py
AI 学习助手 :  全功能整合 Demo
"""

import os
import sys
from pathlib import Path

import streamlit as st
from dotenv import load_dotenv

load_dotenv()

# 将所有模块的脚本路径加入 sys.path
BASE_DIR = Path(__file__).parent

MODULES = {
    "qa": BASE_DIR / "qa_module",
    "path": BASE_DIR / "path_module",
    "correction": BASE_DIR / "correction_module",
    "oral": BASE_DIR / "oral_module",
    "exam": BASE_DIR / "exam_module",
    "tracking": BASE_DIR / "tracking_module",
}

for key, path in MODULES.items():
    if path.exists():
        sys.path.insert(0, str(path))

st.set_page_config(
    page_title="AI 学习助手",
    page_icon=":material/school:",
    layout="wide",
    initial_sidebar_state="expanded",
)

# ======== 侧边栏导航 ========
st.sidebar.title(":material/school: AI 学习助手")
st.sidebar.markdown("---")

page = st.sidebar.radio(
    "功能导航",
    [
        "🏠 首页总览",
        "💬 智能答疑",
        "🗺️ 学习路径",
        "📝 错题本",
        "🎤 口语陪练",
        "📋 考试出题",
        "📊 学习仪表盘",
        "ℹ️ 关于",
    ],
)

st.sidebar.markdown("---")
st.sidebar.caption("AI 教育/学习助手开发 · 专题二十 · CV技术笔记")

# ======== 首页 ========
if page == "🏠 首页总览":
    st.title(":material/school: AI 学习助手 Demo")
    st.markdown("### 一站式 AI 学习平台 :  覆盖学习全流程")

    st.markdown("---")

    col1, col2, col3 = st.columns(3)

    with col1:
        with st.container(border=True):
            st.markdown("### 💬 智能答疑")
            st.markdown("基于教材知识库的 RAG 答疑系统，精准回答学习问题")
            st.caption("三层架构：FAQ → 向量检索 → 大模型生成")

    with col2:
        with st.container(border=True):
            st.markdown("### 🗺️ 学习路径")
            st.markdown("知识图谱 + 自适应推荐，定制个人学习路线")
            st.caption("拓扑排序 + 难度分配 + 大模型建议")

    with col3:
        with st.container(border=True):
            st.markdown("### 📝 错题本")
            st.markdown("OCR 识别 + 四维诊断 + 同类练习自动生成")
            st.caption("PaddleOCR + JSON Mode 分析")

    col4, col5, col6 = st.columns(3)

    with col4:
        with st.container(border=True):
            st.markdown("### 🎤 口语陪练")
            st.markdown("语音对话 + 语法纠错 + 发音评估")
            st.caption("Whisper ASR + Edge TTS + 场景对话")

    with col5:
        with st.container(border=True):
            st.markdown("### 📋 考试出题")
            st.markdown("智能出题 + 自动组卷 + AI 批改")
            st.caption("知识点覆盖 + 难度控制 + 题型混合")

    with col6:
        with st.container(border=True):
            st.markdown("### 📊 学习仪表盘")
            st.markdown("进度可视化 + 薄弱点诊断 + AI 报告")
            st.caption("SQLite 统一数据 + 连续学习追踪")

    st.markdown("---")
    st.markdown("""
    ### 🚀 快速开始

    1. 配置 API Key：在项目根目录创建 `.env` 文件，填入 `OPENAI_API_KEY`
    2. 左侧导航选择功能模块
    3. 开始体验！

    **技术栈**：OpenAI 兼容 API + Streamlit + ChromaDB + NetworkX + PaddleOCR + Edge TTS + SQLite
    """)

# ======== 关于 ========
elif page == "ℹ️ 关于":
    st.title("ℹ️ 关于本项目")
    st.markdown("""
    ### AI 教育/学习助手开发教程

    **专题二十** · 「CV技术笔记」公众号技术实战系列

    通过 8 期文章，从零到一搭建了一个全功能 AI 学习助手：
    - 智能答疑（RAG + ChromaDB）
    - 学习路径推荐（知识图谱 + NetworkX）
    - 错题本与批改（OCR + LLM 分析）
    - 口语陪练（ASR + TTS + 对话）
    - 考试出题（智能组卷 + 批改）
    - 学习进度追踪（仪表盘 + AI 报告）

    **GitHub/Gitee**：[ai-education-tutorial](https://gitee.com/genesisesNoun/ai-education-tutorial)

    **许可证**：MIT License

    **公众号**：CV技术笔记
    """)

# ======== 各模块页 ========
elif page == "💬 智能答疑":
    st.title("💬 AI 智能答疑")
    st.info("此模块对应第2期代码。完整代码见 `episode-02-qa-system/scripts/streamlit_app.py`")
    st.markdown("""
    启动方式：

bash cd episode-02-qa-system/scripts pip install openai chromadb streamlit python-dotenv python build_index.py streamlit run streamlit_app.py

    """)

elif page == "🗺️ 学习路径":
    st.title("🗺️ 个性化学习路径推荐")
    st.info("此模块对应第3期代码。完整代码见 `episode-03-learning-path/scripts/streamlit_app.py`")
    st.markdown("""
    启动方式：

bash cd episode-03-learning-path/scripts pip install networkx openai streamlit python-dotenv matplotlib streamlit run streamlit_app.py

    """)

elif page == "📝 错题本":
    st.title("📝 AI 错题本与智能批改")
    st.info("此模块对应第4期代码。完整代码见 `episode-04-correction/scripts/streamlit_app.py`")
    st.markdown("""
    启动方式：

bash cd episode-04-correction/scripts pip install openai streamlit python-dotenv pandas pillow # 可选：pip install paddlepaddle paddleocr streamlit run streamlit_app.py

    """)

elif page == "🎤 口语陪练":
    st.title("🎤 AI 口语陪练")
    st.info("此模块对应第5期代码。完整代码见 `episode-05-oral-practice/scripts/streamlit_app.py`")
    st.markdown("""
    启动方式：

bash cd episode-05-oral-practice/scripts pip install openai streamlit python-dotenv edge-tts openai-whisper audio-recorder-streamlit streamlit run streamlit_app.py

    """)

elif page == "📋 考试出题":
    st.title("📋 AI 考试出题与模拟")
    st.info("此模块对应第6期代码。完整代码见 `episode-06-exam-system/scripts/streamlit_app.py`")
    st.markdown("""
    启动方式：

bash cd episode-06-exam-system/scripts pip install openai streamlit python-dotenv pandas streamlit run streamlit_app.py

    """)

elif page == "📊 学习仪表盘":
    st.title("📊 AI 学习进度追踪")
    st.info("此模块对应第7期代码。完整代码见 `episode-07-tracking/scripts/streamlit_app.py`")
    st.markdown("""
    启动方式：

bash cd episode-07-tracking/scripts pip install openai streamlit python-dotenv pandas matplotlib streamlit run streamlit_app.py

    """)

st.markdown("---")
st.caption("AI 学习助手 Demo · 第8期（终章） · CV技术笔记")

三、为什么选择了「轻整合」方案？

你可能注意到了: : 我没有把所有模块的代码复制到一个文件里，而是用了一个导航页面指向各个子应用。这是有意为之。

原因 1：避免依赖爆炸 不同模块有不同的依赖（PaddleOCR 需要 paddlepaddle、TTS 需要 edge-tts、口语需要音频录制库）。如果全部揉在一起，运行环境会变得非常臃肿。实际问题导向按需安装。

原因 2：独立可演示 每个模块是一个独立的 Streamlit 应用，意味着开发者可以只演示/部署某个模块，不需要全量。这对公众号文章场景尤其重要: : 读者可能只对其中一两期感兴趣。

原因 3：生产环境的真实做法 在产品级 AI 教育平台中，答疑、口语、考试这些能力通常是以微服务的形式独立部署的。我们的「轻整合」方案更接近真实架构。

四、如果你想做一个真正的全功能统一应用

如果你确实想把所有模块整合到一个 Streamlit 应用中，思路是：

# 使用 Python 的模块导入，把每个引擎类导入到主应用
from qa_system import SmartQASystem
from path_planner import LearningPathPlanner
from correction_engine import CorrectionEngine
from oral_coach import OralCoach
from exam_generator import ExamGenerator
from learning_tracker import LearningTracker

# 用 st.tabs() 或 st.radio() 在同一个页面内切换
tab = st.radio("功能", ["答疑", "路径", "错题", "口语", "考试", "仪表盘"])

但这需要统一所有模块的依赖、统一 API 调用方式、统一 Streamlit 的 session state 管理。工作量不低，但技术上完全可行。作为教程的扩展练习留给你。

五、专题回顾与展望

本专题的核心交付

模块	核心技术	代码量
智能答疑	ChromaDB + RAG + OpenAI	~180 行
学习路径	NetworkX + 拓扑规划	~200 行
错题批改	PaddleOCR + JSON Mode	~300 行
口语陪练	Whisper + Edge TTS	~250 行
考试出题	组卷算法 + 批改	~200 行
学习仪表盘	SQLite + 可视化	~200 行

代码总量：约 1300 行 Python（不含依赖库）
API 成本：GPT-4o-mini 每次调用约 0.01 元，日常使用成本极低
运行环境：一台普通电脑即可（部分模块需要 CPU 资源，如 PaddleOCR）

可以继续深入的方向

多模态升级：接入 Qwen-VL 或 GPT-4V，让答疑能「看图说话」
知识图谱自动构建：从教材中自动抽取知识点和关系，不需要手动建图
语音评测升级：接入专业的发音评测 API，给出更精细的评分
多用户支持：接入用户系统，支持班级管理、教师后台
移动端适配：用微信小程序做前端，保留 Python 后端 API

六、小结

八期、七个模块、一个完整的 AI 学习助手 Demo。

我们从「教育 AI 能做什么」这个宏大的问题出发，一步步落地到「答疑怎么做」「路径怎么推荐」「错题怎么分析」「口语怎么陪练」「考试怎么出题」「进度怎么追踪」，最终把整条链路跑通。

这就是 AI 应用开发的正确姿势：不追求一步到位的完美系统，而是沿着真实需求，一个模块一个模块地迭代，最终自然长成一个完整的解决方案。

希望这个专题能让你看到，AI 教育不是一个遥远的概念: : 它就在今天，可以用几十行 Python 代码开始。

AI 教育/学习助手开发 · 第8期（终章） · CV技术笔记 · 2026

8 期专题至此完结。感谢阅读。🚀