文章目录一、为什么做这个项目二、项目解决哪些问题三、项目模块总览四、学习路线把资料按主线组织起来五、热门面试题库按方向集中复盘六、AI 智能刷题先回答再得到反馈七、本题继续讨论把评分结果变成追问入口八、成长体系让练习有长期反馈九、智能刷题记录复盘具体题目十、建议评论区和管理后台十一、整体技术架构十二、技术栈十三、关键代码路径十四、本地启动思路十五、这个项目适合哪些人十六、后续计划最近把自己做的 AI Agent 学习平台整理开源了。它不是一个只放链接的资料页也不是单纯的题库系统。我的想法比较直接把 AI 应用开发的学习路线、面试题库、AI 智能刷题、成长反馈和全栈源码放在一个可以运行的平台里让学习者能从“看资料”走到“练表达”再回到个人中心复盘。在线体验https://ai-studyhub.cnGitHubhttps://github.com/Earth-OL-Player/ai_learn_project项目首页大致如下一、为什么做这个项目我在学习 AI Agent、RAG 和大模型应用开发时最明显的感受是资料很多但真正能连成一条线的内容不多。今天看到 LangChain明天看到 LangGraph后天又刷到向量数据库、Function Calling、RAGFlow、结构化输出、模型评测。每个点都重要但如果没有一个顺序很容易陷入“收藏了很多资料却不知道先学什么”的状态。另外AI 应用开发面试也有一个特点很多问题不是背概念就能答好。比如面试官问RAG 效果不好时你会怎么排查Agent 的工具调用失败了工程上怎么兜底LangGraph 相比普通链式调用适合解决什么问题向量数据库召回不准可能有哪些原因AI 服务接入业务系统后怎么处理超时、限流和成本这些题目需要能讲清楚背景、链路、取舍和排查方法。只看标准答案通常不够最好能自己先答一遍再得到反馈。所以这个平台围绕一个学习闭环来设计学习路线 - 热门面试题 - AI 智能刷题 - AI 评分和继续追问 - 成长体系和练习记录 - 回到薄弱点继续学习二、项目解决哪些问题当前项目主要想解决下面几类问题。学习痛点平台里的对应功能AI 应用开发资料分散不知道先学什么学习路线和资料分享面试题零散复盘成本高热门面试题库看完资料后不知道自己掌握得怎样AI 智能刷题和评分答案写得出来但表达不够像面试回答本题继续讨论和优化建议长期练习缺少反馈等级、段位、徽章和练习记录想参考完整项目实现Vue 3 Spring Boot FastAPI 全栈源码我没有把它设计成一个“资料越多越好”的平台。资料可以慢慢补关键是先把学习、练习、反馈、复盘这条链路跑通。三、项目模块总览目前平台已经包含这些模块首页和项目介绍AI 应用开发学习路线热门面试题库AI 智能刷题AI 评分和优化建议本题继续讨论成长等级和段位徽章墙智能刷题记录薄弱题分析建议评论区管理后台从用户视角看使用路径比较简单先看学习路线 - 按方向补基础 - 查看热门面试题 - 选择分类开始刷题 - 提交自己的答案 - 查看 AI 评分、问题分析和参考答案 - 围绕当前题继续追问 - 在个人中心查看成长记录和薄弱题这条路径适合自学也适合用来准备 AI 应用开发相关面试。四、学习路线把资料按主线组织起来学习路线页面用于沉淀 AI 应用开发相关资料。当前主线大概是Python - LangChain - LangGraph - RAG - LlamaIndex - 向量数据库 - Agent 和 RAG 项目实践页面截图这里没有把所有 AI 相关内容都塞进去。比如大模型训练、底层推理优化、CUDA Kernel、分布式训练这些内容当然有价值但对多数想先做 AI 应用开发的人来说优先级没有那么靠前。如果目标是把 AI 能力接进业务系统更应该先掌握这些内容模型 API 调用Prompt 和上下文组织结构化输出Function Calling / Tool CallingRAG 检索链路向量数据库基础Agent 工作流AI 服务和业务后端的拆分超时、限流、兜底和日志排查学习路线页面使用 Markdown 维护内容前端负责渲染和目录导航。这样后面补资料、改链接、换图片时不需要改业务组件。相关代码路径ai-learn-web/src/content/learning-roadmap/AI应用开发学习路线和资料集.md ai-learn-web/src/pages/learning-roadmap/LearningRoadmapPage.vue ai-learn-web/src/components/common/MarkdownToc.vue ai-learn-web/src/utils/safeMarkdown.ts ai-learn-web/src/styles/markdown.scss这个模块的技术难点不高但很实用。长文内容如果直接写在 Vue 组件里后期维护会很痛苦用 Markdown 存内容用组件处理渲染和安全清洗比较适合这种学习资料页。五、热门面试题库按方向集中复盘热门面试题库按方向组织目前覆盖这些分类AI 通识Agent 基础Agent 开发框架RAG 全链路向量数据库与检索优化多智能体安全、评测、部署与可观测性业务场景实践题页面截图每道题会包含题干、参考答案、重要性和真实面试次数等信息。这样用户复盘时可以先看高频题不需要从一堆零散文章里手动筛选。题库的价值不只是“有答案”而是帮助用户建立问题意识。举个例子RAG 相关题目通常不会只问“什么是 RAG”。真实面试里更常见的是为什么引入 RAG召回结果不准怎么查Chunk 怎么切Embedding 模型怎么选混合检索和重排序什么时候用检索链路如何评测这些问题如果单独背容易变成碎片。放到一个分类里复盘会更容易看出它们之间的关系。六、AI 智能刷题先回答再得到反馈AI 智能刷题是我比较想重点做好的功能。它的目标不是让用户直接看标准答案而是让用户先写出自己的回答再由 AI 服务给出评分和反馈。这样更接近真实面试准备过程。页面截图刷题流程如下选择题目分类 - 系统抽取当前题 - 用户提交答案 - AI 服务评分 - 返回得分、命中要点、缺失要点和优化建议 - 后端结算经验和练习记录 - 用户围绕当前题继续追问评分结果会尽量返回可操作的信息而不是只给一个数字。当前评分结果包含当前得分是否合格命中要点缺失要点当前问题参考答案优化建议本次获得经验历史最高分新获得徽章是否使用本地兜底评分这类信息对面试复盘很有用。很多时候用户不是完全不会而是回答太散、重点不清、工程细节缺失。把这些问题指出来比单纯给“80 分”更有意义。七、本题继续讨论把评分结果变成追问入口评分结束后用户可以围绕当前题继续追问。比如我这个答案哪里扣分最多面试时怎么讲得更自然能不能给一个真实项目里的例子这道题如果继续深挖面试官可能追问什么RAG 这块我应该补哪些知识点这个功能看起来像聊天但它和普通聊天不同。后端会带上当前题目、参考答案、用户答案和评分摘要让 AI 服务知道上下文。如果只把用户最后一句话传给模型模型很容易答得泛。把题目和评分结果一起传过去讨论会更贴近这次练习。八、成长体系让练习有长期反馈学习类项目如果只有题库用户做完题很难知道自己有没有进步。所以平台做了成长体系包括总经验当前等级当前段位等级进度距离下一级经验累计答题平均得分学习天数徽章墙本次新获得徽章智能刷题记录薄弱题统计成长体系页面经验规则比较克制不是每次答题都加固定分。当前规则可以简化成本次新增经验 max(0, 本次得分 - 历史最高分)也就是说第一次答题得多少分就拿多少经验。后面重复刷同一道题只有突破历史最高分才加经验。如果没有突破历史最高分经验不变。举几个例子场景历史最高分本次得分新增经验首次答题06060第二次变好608020第三次退步80500第四次追平80800第五次突破809515这个规则可以避免用户反复刷同一道题刷经验也能鼓励用户优化自己的答案。九、智能刷题记录复盘具体题目个人中心里还有智能刷题记录用来查看长期练习情况。页面截图记录页会展示已练题目数累计答题次数平均最高分平均最近分薄弱题数量最近答题时间已练题型题型维度统计每道题的答题次数、最高分和最近分薄弱题分析主要用于回答一个问题哪些题虽然练过但掌握得还不稳定。比如历史最高分很高但最近分很低可能是知识点遗忘。答题次数很多但最高分仍低说明理解还不扎实。某个题型平均分低说明这一类题需要集中复习。我更希望个人中心是一个复盘页面而不是只展示几张好看的卡片。十、建议评论区和管理后台除了学习和刷题项目还做了建议评论区。页面截图这个模块主要用于收集反馈比如希望补充哪些学习资料。哪些题目答案需要优化。哪些功能体验不顺。希望新增哪些 Agent 实战题。管理后台目前支持用户、题库、兑换码、模型配置和日志级别管理方便后续维护内容和运营学习功能。对个人开源项目来说后台不一定一开始就要做得很复杂但题库和模型配置最好能管理起来。否则后面每改一道题、每换一个模型配置都要动代码维护成本会越来越高。十一、整体技术架构项目是一个三端拆分的全栈应用。目录结构如下ai_learn_project ├── ai-learn-web # Vue 3 前端 ├── ai-learn-backend # Spring Boot 后端 ├── ai-service # FastAPI AI 服务 ├── doc # 项目文档和展示截图 └── QUICK_START.md # 本地启动说明整体调用链路浏览器 - Vue 3 Vite 前端 - Spring Boot 业务后端 - MySQL 数据库 - FastAPI AI 服务 - 外部模型服务或本地规则兜底AI 智能刷题的链路更具体一些用户提交答案 - 前端发起流式请求 - Spring Boot 校验登录态和刷题阶段 - 后端调用 FastAPI AI 服务评分 - AI 服务调用外部模型或使用规则兜底 - 后端结算经验、徽章和题目统计 - 前端展示评分结果这个拆分的好处是Java 后端继续负责用户、题库、成长体系、记录结算这些稳定业务Python 服务负责更适合 AI 生态的模型调用和 Agent 逻辑。两个服务边界清楚后面扩展 LangChain、LangGraph 或其他模型 SDK 时也更方便。十二、技术栈前端技术用途Vue 3前端页面开发Vite前端构建TypeScript类型约束Pinia状态管理Vue Router路由管理Element Plus基础组件Markdown-ItMarkdown 渲染DOMPurifyHTML 安全清洗后端技术用途Java 17后端开发语言Spring Boot 3.3.6业务后端框架MyBatis数据访问Flyway数据库版本管理MySQL业务数据存储JWT登录认证AI 服务技术用途Python 3.11AI 服务开发语言FastAPIAI 服务接口UvicornPython Web 服务运行LangChainAI 应用链路扩展LangGraphAgent 工作流扩展DeepSeek / OpenAI 兼容模型大模型调用十三、关键代码路径如果你想直接看源码可以从下面这些路径开始。前端页面ai-learn-web/src/pages/home/HomePage.vue ai-learn-web/src/pages/learning-roadmap/LearningRoadmapPage.vue ai-learn-web/src/pages/interview/InterviewQuestionPage.vue ai-learn-web/src/pages/practice-agent/PracticeAgentPage.vue ai-learn-web/src/pages/profile/ProfilePage.vue前端接口ai-learn-web/src/api/practice.ts ai-learn-web/src/api/growth.ts ai-learn-web/src/api/interview.ts后端刷题和成长ai-learn-backend/src/main/java/com/earth/online/player/ailearn/practice/interfaces/PracticeController.java ai-learn-backend/src/main/java/com/earth/online/player/ailearn/practice/application/PracticeService.java ai-learn-backend/src/main/java/com/earth/online/player/ailearn/practice/application/PracticeGradingService.java ai-learn-backend/src/main/java/com/earth/online/player/ailearn/practice/application/PracticeDiscussionService.java ai-learn-backend/src/main/java/com/earth/online/player/ailearn/growth/interfaces/GrowthController.java ai-learn-backend/src/main/java/com/earth/online/player/ailearn/growth/application/GrowthService.javaAI 服务ai-service/app/main.py ai-service/app/api/practice.py ai-service/app/practice/agent_service.py这些路径基本覆盖了学习路线、面试题、智能刷题、成长体系和 AI 服务调用链路。十四、本地启动思路项目根目录里有QUICK_START.md本地启动建议先看这份文档。整体上需要启动三个部分前端ai-learn-web 后端ai-learn-backend AI 服务ai-service本地开发时需要注意几件事先准备 MySQL并按项目配置初始化数据库。后端使用 Java 17 和 Maven。前端使用 Node.js 环境启动 Vite。AI 服务使用 Python 3.11。外部模型 Key、数据库密码等敏感信息只放在本地配置或环境变量里不要提交到开源仓库。如果没有可用模型配置项目里也保留了本地规则兜底思路至少可以保证部分刷题流程不因为模型不可用而完全中断。十五、这个项目适合哪些人这个项目比较适合下面几类人正在学习 AI Agent、RAG、大模型应用开发的开发者。想准备 AI 应用开发面试的同学。想参考 Vue 3 Spring Boot FastAPI 三端拆分的全栈项目的人。想做 AI 智能刷题、AI 评分、面试题库、成长体系的人。想找一个能持续扩展的开源学习平台练手的人。如果你只是想快速背几个概念直接看题库可能就够了。如果你想做一个完整 AI 应用项目我建议把源码跑起来看一下前端页面、后端接口、AI 服务和数据库之间是怎么配合的。很多工程细节只有跑起来才看得清。十六、后续计划后面我会继续补这些内容增加更多 AI Agent 实战题。增加更多 RAG 场景题。补充学习路线里的资料链接和案例。优化薄弱题分析。增加复习提醒。持续维护题库质量。优化管理后台内容维护流程。补充更多真实业务场景里的 Agent 项目拆解。这个项目现在还有很多可以改进的地方但基础链路已经跑通。后续会按“学习路线、刷题反馈、长期复盘”这条主线继续迭代。