python+html实现学生与ai私教一对一关键知识点教育培训系统代码-python代码-BFW代码库

代码语言：python

所属分类：其他

代码描述：python+html实现学生与ai私教一对一关键知识点教育培训系统代码，提出一个想学的知识点，ai老师会与你沟通讲解，并一步一步教会你并给你出题验证是否学会，还会对你进行综合的评估。接入兼容openai的任意ai大模型api即可，默认千问。

代码标签： python html 学生 ai 私教一对一关键知识点教育培训系统代码

下面为部分代码预览，完整代码请点击下载或在bfwstudio webide中打开

import os
import json
import sqlite3
from flask import Flask, request, jsonify, session
from werkzeug.security import generate_password_hash, check_password_hash
from openai import OpenAI

app = Flask(__name__)
# 生产环境中建议修改此密钥，确保 session 安全
app.secret_key = os.environ.get("FLASK_SECRET_KEY", "eduspark_qwen_secret_key_1024")

DB_FILE = "tutor_system.db"

# =====================================================================
#                          通义千问 服务配置
# =====================================================================
# 1. 默认模型名称：推荐使用 qwen-plus（综合能力强，性价比极高）或 qwen-max（旗舰模型）
OPENAI_MODEL = os.environ.get("OPENAI_API_MODEL", "qwen-plus")

# 2. 阿里云百炼平台官方兼容端点 (国内推荐使用 dashscope.aliyuncs.com)
OPENAI_BASE_URL = os.environ.get("OPENAI_BASE_URL", "https://dashscope.aliyuncs.com/compatible-mode/v1")
# =====================================================================


# ----------------- 数据库初始化 -----------------
def get_db():
    conn = sqlite3.connect(DB_FILE)
    conn.row_factory = sqlite3.Row
    return conn

def init_db():
    with get_db() as conn:
        conn.execute('''
            CREATE TABLE IF NOT EXISTS users (
                id INTEGER PRIMARY KEY AUTOINCREMENT,
                username TEXT UNIQUE NOT NULL,
                password_hash TEXT NOT NULL
            )
        ''')
        conn.execute('''
            CREATE TABLE IF NOT EXISTS topics (
                id INTEGER PRIMARY KEY AUTOINCREMENT,
                user_id INTEGER NOT NULL,
                topic_name TEXT NOT NULL,
                global_summary TEXT,
                current_phase TEXT DEFAULT 'introduction',
                created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
                FOREIGN KEY (user_id) REFERENCES users (id)
            )
        ''')
        conn.execute('''
            CREATE TABLE IF NOT EXISTS messages (
                id INTEGER PRIMARY KEY AUTOINCREMENT,
                topic_id INTEGER NOT NULL,
                role TEXT NOT NULL,
                content TEXT NOT NULL,
                timestamp TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
                FOREIGN KEY (topic_id) REFERENCES topics (id)
            )
        ''')
        conn.commit()

# ----------------- Qwen 状态压缩逻辑 -----------------
def compress_history_if_needed(topic_id, client):
    """
    当对话累积到一定长度，触发背景提炼逻辑，
    提取出学生当前的认知画像并更新至全局记忆中。
    """
    conn = get_db()
    cursor = conn.cursor()
    
    # 【修复点】改为统计用户发送的消息数（即真实的对话轮数），避免初始AI欢迎语导致奇偶数判断失误
    cursor.execute("SELECT COUNT(*) FROM messages WHERE topic_id = ? AND role = 'user'", (topic_id,))
    rounds_count = cursor.fetchone()[0]

    # 达到 6 轮对话后，每 2 轮自动触发一次状态压缩与摘要生成
    if rounds_count >= 6 and rounds_count % 2 == 0:
        cursor.execute("SELECT role, content FROM messages WHERE topic_id = ? ORDER BY timestamp ASC", (topic_id,))
        rows = cursor.fetchall()
        
        conversation_text = ""
        for r in rows:
            role_zh = "学生" if r['role'] == 'user' else "导师"
            conversation_text += f"{role_zh}: {r['content']}\n"

        # 【修复点】提示词全部改为中文
        prompt = (
            "你是一个 AI 教学分析专家。以下是一段学生与 AI 苏格拉底式导师之间的辅导对话。\n"
            "请分析这段对话，并更新学生学习进度的结构化状态摘要。\n\n"
            "包含内容：\n"
            "1. 学生已经成功掌握并展示出的核心概念。\n"
            "2. 当前正在探索的活跃概念或步骤。\n"
            "3. 学生遇到的误解、困难或错误。\n"
            "4. 下一步建议的教学调整方向。\n\n"
            "请保持摘要紧凑、直接，字数控制在 250 字以内，以便有效地加载到上下文中。\n\n"
            f"辅导对话内容：\n{conversation_text}"
        )
        try:
            response = client.chat.completions.create(
                model=OPENAI_MODEL,
                messages=[{"role": "user", "content": prompt}]
            )
            summary = response.choices[0].message.content
            cursor.execute("UPDATE topics SET global_summary = ? WHERE id = ?", (summary, topic_id))
            conn.commit()
        except Exception as e:
            print(f"[Warning] 历史状态提取失败: {e}")
    conn.close()

# ----------------- Flask 核心 API 路由 -----------------

@app.route('/')
def index():
    return HTML_TEMPLATE

# --- 用户认证模块 ---
@app.route('/api/auth/register', methods=['POST'])
def register():
    data = request.json or {}
    username = data.get('username', '').strip()
    password = data.get('password', '').strip()
    if not username or not password:
        return jsonify({'error': '用户名和密码不能为空'}), 400

    conn = get_db()
    cursor = conn.cursor()
    try:
        hashed = generate_password_hash(password)
        cursor.execute("INSERT INTO users (username, password_hash) VALUES (?, ?)", (username, hashed))
        conn.commit()
        return jsonify({'status': 'success', 'message': '注册成功，请登录'})
    except sqlite3.IntegrityError:
        return jsonify({'error': '用户名已存在'}), 400
    finally:
        conn.close()

@app.route('/api/auth/login', methods=['POST'])
def login():
    data = request.json or {}
    username = data.get('username', '').strip()
    password = data.get('password', '').strip()

    conn = get_db()
    cursor =.........完整代码请登录后点击上方下载按钮下载查看