前言：

        为系统规划项目开发路径，本周我重点推进了两项基础性工作：一方面通过需求分析与概要设计锚定项目核心目标，完成功能框架与技术选型的初步规划；另一方面先行完成AI服务接口的预研选型，为后续学习、开发减轻压力。此阶段工作旨在构建清晰的项目实施路线图，通过前端规划有效规避后期开发过程中的方向性偏差与技术风险，确保项目推进效率与落地可行性。

第一部分：简要需求分析与概要设计

一、用户端

1. 主要功能模块

1.1 知识题库模块

• 有效组织、分类语数英各个学科、学段的题库，关联对应的知识点标签。

• 按照一定的算法随机呈现题目，能够根据学习情况动态调整题目出现的概率。

• 题目可通过文本、图片、音频、交互等多模态呈现。

• 允许查看已做题目及解析。

• 对做错的题目自动计入错题本，并提供错误原因及解析。

• 记录用户的做题用时。

1.2 拍照搜题模块

• 支持用户上传图片，提取题目文字。

• 对题目进行分词，并在题目数据库中检索相关内容。

• 提供AI解答及解析，并注明知识点。

• 支持手写体、印刷体识别及多语言识别。

1.3 错题本模块

• 分类别管理记录错题，包括作答情况和用时。

• 提供错题解析，并分析错误的可能原因。

• 根据知识点推荐同类题目。

1.4 个性化发展模块

• 采用Chatbot形式进行交互式对话。

• 根据学习情况、学习时长提供每周学习规划和建议。

• 允许用户通过描述性语言或直接修改方式调整学习计划。

• 根据学习规划提醒用户进行学习。

• 依据用户偏好提供正向激励内容。

2. 辅助功能模块

2.1 用户管理模块

• 支持用户注册、登录，确保账号安全。

• 允许用户设置、修改昵称、头像、学段等个人信息。

• 允许用户设置偏好，以提供正向激励。

2.2 系统设置模块

• 提供多种UI主题，包括护眼模式。

• 统计学习情况，如每周学习时长、做题数等。

• 允许手动设置学习计时，记录线下学习时长。

2.3 留言沟通模块

• 支持接收、查看家长留言。

• 允许用户给家长留言。

• 可对接收、发送的留言追加留言。

二、管理员端

1. 主要功能模块

1.1 数据管理模块

• 管理题目数据库，包括增删改查及知识点关联。

• 管理AI访问控制的API。

• 追踪、记录所有外部API调用。

1.2 用户管理模块

• 管理用户账号，支持封禁用户账号。

• 管理家长账号与学生账号的绑定关系。

三、家长端

1. 主要功能模块

1.1 学习情况跟踪模块

• 按学科（语数英）及学段查看学生学习进度、知识点掌握情况。

• 通过可视化图表展示每周/月的学习时长、题目正确率及知识点薄弱项。

• 支持查看学生做题历史记录，包括题目内容、答案解析及用时统计。

• 同步查看学生错题本内容。

1.2 学习规划监督模块

• 查看学生当前学习计划详情（每日任务、完成进度）。

• 提供阶段性学习报告（如周报、月报）。

• 对AI生成的学习计划进行确认或驳回。

1.3 留言沟通模块

• 接收、查看孩子留言。

• 允许家长给孩子留言。

• 可对接收、发送的留言追加留言。

2. 辅助功能模块

2.1 用户管理模块

• 支持用户注册、登录，确保账号安全。

• 允许用户设置、修改昵称、头像等个人信息。

2.2 账号绑定管理模块

• 支持家长账号与多个学生账号绑定（适应多子女家庭）。

• 管理绑定关系权限（如限制查看特定学科数据）。

2.3 系统设置模块

• 自定义接收通知类型（错题预警、学习计划变更、学习完成进度等）。

• 切换家长端界面主题模式（如日间/夜间模式）。

• 管理数据同步频率及存储空间。

四、非功能性需求

1. 性能

• 核心操作响应时间≤1秒，学习报告生成时间≤5秒。

• 学生端与家长端数据同步延迟≤2秒。

2. 安全

• 家长-学生账号绑定需双向验证，解绑操作需输入解绑密码（家长与学生绑定后，仅家长端收到解绑密码）。

第二部分：确定所用AI的API接口的可行性 

一、音频生成模型筛选过程

1、初步调研阶段：

        优先考察文本转音频（TTS）模型，重点评估ToucanTTS性能表现。实测发现其音频生成质量优异，但其中文官网中的github网站链接失效技术文档获取障碍，且模型部署复杂度超出项目周期承受能力，故暂弃用。

2、替代方案探索：

        转向图像转音频技术方案，系统测试Amazon Polly、Colossyan TTS、Descript TTS及Google Cloud TTS等主流API服务。受限于账号注册流程繁琐、服务费用没法缴纳（学生本人没有VISA卡等）、超出预算（如Descript TTS按分钟计费模式）及部分平台国内访问稳定性问题，最终未采纳。经过一整天的寻找后，暂时没有进展，决定先寻找文生图的AI模型。

二、图像生成模型适配方案

1、技术选型阶段：

        针对文本转图像（Text-to-Image）需求，建立DALL·E、MidJourney、Stable Diffusion、DeepArt及Google Imagen的对比矩阵。通过生成质量、API调用成本、中文支持度等维度评估，选定Stable Diffusion作为核心模型。

        官方方案受限：Stable Diffusion官网服务存在预训练模型调用成本过高（单次生成约$0.25）及国内网络延迟问题。

2、实施障碍突破：

• 技术路径调整：在问询chatGPT有没有其它文生图的AI模型时，它给了我解决思路：转向国内生态，并给我的几个国内平台，经过测试后，也因为一些问题暂时将其暂时搁置：触站AI（生成质量达标但成本过高且试用期较短）、即梦AI（暂不提供API的调用）等平台
• 最终解决方案的得出：在询问其它平台的部署时，chatGPT利用阿里云百炼的API使用文档给我了答复。经过接口验证测试后，确认其可以支持项目运行。

三、方案测试结果

        最终，在寻找完图像生成模型后，我在阿里云百炼中顺利找到了音频生成模型，以下为测试音频生成模型API的部分代码（api以XXXXX来表示）

        测试图像生成模型API的部分代码（api以XXXXX来表示）

        运行结果：返回一个URL，该URL指向生成的图片，如下：

第三部分：总结

通过本次选型过程，我学习到了两条重要经验：

1. 技术选型需建立多维度评估模型（成本、可用性、本地化支持）；
2. 充分利用生成式AI的辅助决策能力，可突破信息茧房（如之前我仅关注官方AI模型的API到最后发现并使用第三方服务生态。