Sun’iy intellekt asosidagi WeChat ta’lim mini-ilovasini yaratish va ishga tushirish

Siz nimalar yaratasiz

AI Knowledge Base Smart Learning Mini App — WeChat ekotizimi uchun mo‘ljallangan aqlli o‘quv ilovasi. O‘quvchi mavzu kiritishi yoki shaxsiy hujjatlarini yuklashi, so‘ng AI yordamidagi jarayonlardan foydalanib savollar yaratishi, darhol tushuntirishlar olishi va o‘zlashtirish darajasi, zaif jihatlar hamda tavsiya etilgan keyingi qadamlarni qamrab oluvchi hisobotni ko‘rib chiqishi mumkin.

Loyiha katta til modellari, veb-qidiruv va qidiruv bilan kengaytirilgan generatsiyani birlashtiradi. Tavily joriy veb-kontekstni taqdim etadi, Chroma esa yuklangan PDF, Word, Markdown va TXT fayllaridan ma’lumot qidirishni qo‘llab-quvvatlaydi.

Asosiy imkoniyatlar

• Mavzu asosida test yaratish: Foydalanuvchi kiritgan mavzu asosida o‘quv savollarini yarating.
• Veb-qidiruv bilan boyitish: Yangilangan kontekstni qo‘shish uchun Tavily’dan foydalaning.
• Shaxsiy bilim bazasi asosida o‘rganish: PDF, Word, Markdown yoki TXT hujjatlarini yuklang va RAG yordamida tegishli kontentni qidiring.
• Darhol fikr-mulohaza: Har bir javobdan so‘ng javoblarni tekshiring va tushuntirishlarni qaytaring.
• O‘quv hisobotlari: O‘zlashtirishni tahlil qiling, zaif jihatlarni aniqlang va o‘qish bo‘yicha tavsiyalar bering.
• Savol illyustratsiyalari: Qo‘llab-quvvatlovchi rasmlarni yarating va ularni Tencent Cloud COS’da saqlang.
• WeChat foydalanuvchilarini qo‘llab-quvvatlash: Tizimga kirish, o‘quv tarixi va hisobotlarni ko‘rib chiqish imkoniyatlarini taqdim eting.
• Konteynerga joylashtirish: Backend’ni Docker orqali WeChat Cloud Run yoki boshqa mos platformaga joylashtiring.

Arxitekturani tushuning

Mini ilovaning frontend qismi Taro 4, React 18, TypeScript va Sass’dan foydalanadi. Backend Python 3.11, FastAPI, Pydantic v2 va Uvicorn’da ishlaydi. LangChain va LangGraph AI amallarini muvofiqlashtiradi, DeepSeek va Alibaba Bailian esa model hamda qidiruv stekiga kiritilgan.

MySQL ilova ma’lumotlarini saqlaydi, Tencent Cloud COS yaratilgan illyustratsiyalarni saqlaydi, Chroma esa vektor ombori vazifasini bajaradi. Autentifikatsiya WeChat jscode2session va JWT’dan foydalanadi. Backend testlari pytest va pytest-asyncio yordamida yozilgan.

Repository tuzilishi

.
├── backend/        # FastAPI backend’i
├── frontend/       # Taro asosidagi WeChat mini ilovasi frontend’i
├── docs/           # lokal saqlanadigan loyiha hujjatlari
├── openspec/       # lokal saqlanadigan spetsifikatsiya fayllari
└── prototypes/     # lokal saqlanadigan prototip fayllari

Zarur shartlar

Boshlashdan oldin Python 3.11, npm bilan Node.js va WeChat DevTools’ni o‘rnating. Shuningdek, backend/.env.example faylida kutilgan xizmat hisob ma’lumotlari va konfiguratsiya qiymatlari kerak bo‘ladi. Docker faqat backend konteynerini yaratish yoki joylashtirishga tayyor bo‘lganingizda talab qilinadi.

Haqiqiy API kalitlari, ma’lumotlar bazasi hisob ma’lumotlari, JWT maxfiy kalitlari va bulutli xotira hisob ma’lumotlarini versiyalar nazoratidan tashqarida saqlang. Ishlab chiqarish muhitidagi maxfiy qiymatlar joylashtirish platformasi orqali kiritilishi kerak.

1-qadam: Backend’ni sozlang

Terminalni oching, backend katalogiga kiring va ajratilgan Python muhitini yarating. README quyidagi PowerShell’ga yo‘naltirilgan sozlashni taqdim etadi:

cd backend
python -m venv venv
venv\Scripts\Activate.ps1
pip install -r requirements.txt
copy .env.example .env

Yangi .env faylini oching va tanlangan modellar, Tavily integratsiyasi, ma’lumotlar bazasi, autentifikatsiya, vektor qidiruvi va Tencent Cloud xotirasi uchun zarur konfiguratsiyani kiriting. Kutilayotgan o‘zgaruvchilarning asosiy ro‘yxati sifatida backend/.env.example faylidan foydalaning.

FastAPI xizmatini ishga tushiring

python -m uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

--reload parametri lokal ishlab chiqish vaqtida foydali, chunki backend kodi o‘zgarganda Uvicorn qayta ishga tushadi. 0.0.0.0 manziliga bog‘lash ishlab chiqish xizmatini kompyuterning tarmoq interfeyslari orqali mavjud qiladi.

Backend’ni tekshiring

Ishga tushgandan so‘ng interaktiv API hujjatlarini http://localhost:8000/docs manzilida oching. Shuningdek, xizmat holatini http://localhost:8000/api/v1/health manzilida tekshirishingiz mumkin.

Frontend bilan bog‘liq muammolarni izlashdan oldin holat endpoint’ini tekshiring. Agar u mavjud bo‘lmasa, virtual muhit faol ekanini, bog‘liqliklar muvaffaqiyatli o‘rnatilganini, .env fayli mavjudligini va 8000-port band emasligini tasdiqlang.

2-qadam: WeChat mini ilovasi frontend’ini yarating

Backend’ni ishlayotgan holda qoldiring, ikkinchi terminalni oching va frontend bog‘liqliklarini o‘rnating:

cd frontend
npm install
npm run dev:weapp

Ishlab chiqish buyrug‘i Taro ilovasini WeChat uchun kompilyatsiya qiladi. Kompilyatsiya tugagach, WeChat DevTools’ni ishga tushiring va yaratilgan frontend/dist katalogini oching.

Frontend o‘zgarishlari qayta kompilyatsiya qilinishi uchun ishlab chiqish vaqtida kompilyator terminalini ochiq qoldiring. Mini ilova backend funksiyalaridan foydalana olishi uchun FastAPI serveri o‘z terminalida faol bo‘lishi kerak.

3-qadam: O‘quv jarayonini sinab ko‘ring

Frontend va backend ishlayotganidan so‘ng loyiha ikkita asosiy o‘quv yo‘nalishini qo‘llab-quvvatlaydi.

Mavzu bo‘yicha test yarating

1. WeChat foydalanuvchi jarayoni orqali tizimga kiring.
2. O‘rganmoqchi bo‘lgan faningizni kiriting.
3. Shu mavzu asosida AI yordamidagi savollarni yarating.
4. Javoblarni yuboring va qaytarilgan javoblar hamda tushuntirishlarni ko‘rib chiqing.
5. O‘quv mashg‘ulotini yakunlang va o‘zlashtirish tahlili, zaif jihatlar hamda tavsiyalar berilgan AI hisobotini ko‘rib chiqing.

Shaxsiy hujjatlardan o‘rganing

1. Qo‘llab-quvvatlanadigan PDF, Word, Markdown yoki TXT hujjatini tanlang.
2. Uni ilovaning bilim bazasi ish jarayoniga yuklang.
3. Tizimga RAG jarayoni orqali tegishli hujjat kontekstini olishga ruxsat bering.
4. Yaratilgan savollarga javob bering va tushuntirishlarni ko‘rib chiqing.
5. Materialning qaysi qismlari qo‘shimcha o‘rganishni talab qilishini aniqlash uchun hosil bo‘lgan hisobotdan foydalaning.

Mavzuga asoslangan ta’lim yangi veb-kontekstni qo‘shish uchun Tavily’dan foydalanishi mumkin. Hujjatga asoslangan ta’limda esa qidiruv yuklangan shaxsiy materiallarga tayanadi. Aniq mavjud funksiyalar backend muhitida sozlangan xizmatlar va hisob ma’lumotlariga bog‘liq.

4-qadam: Testlar to‘plamini ishga tushirish

Backend testlarini backend katalogidan ishga tushiring:

cd backend
pytest

Loyiha pytest va pytest-asyncio’dan foydalanadi. Sinxron va asinxron xatti-harakatlardagi regressiyalarni aniqlash uchun backend’ga kiritilgan o‘zgarishlardan keyin va deploydan oldin testlar to‘plamini ishga tushiring.

Ilg‘or maslahatlar

Ishlab chiqish vaqtida API hujjatlaridan foydalaning

FastAPI hujjatlar sahifasi loyihaning ishga tushirilgan versiyasida taqdim etilgan yo‘llarni ko‘rib chiqish uchun foydalidir. README’da hujjatlashtirilmagan so‘rov maydonlari yoki endpoint yo‘llarini taxmin qilish o‘rniga, ushbu sahifani asosiy manba sifatida qabul qiling.

Ishlab chiqish va production maxfiy ma’lumotlarini ajrating

Mahalliy .env faylidan faqat ishlab chiqish uchun foydalaning. Production muhitida maxfiy ma’lumotlarni WeChat Cloud Run yoki tanlangan konteyner platformasi orqali sozlang. To‘ldirilgan muhit fayllarini repository’ga commit qilmang.

Tegishli bilim manbasini tanlang

Yangilik muhim bo‘lganda Tavily orqali mavzu yaratishdan foydalaning. Savollar shaxsiy yoki tashkilotga xos materiallarga asoslanishi kerak bo‘lsa, hujjat ish jarayonidan foydalaning. Qo‘llab-quvvatlanadigan yuklamalar: PDF, Word, Markdown va TXT fayllari.

Xizmatlarni bosqichma-bosqich tekshiring

1. Health endpoint javob berayotganini tasdiqlang.
2. FastAPI hujjatlarini ko‘rib chiqing.
3. pytest buyrug‘ini ishga tushiring.
4. Taro frontend’ini kompilyatsiya qiling.
5. frontend/dist katalogini WeChat DevTools’da oching.
6. Sozlangan tashqi xizmatlar bilan login, test yaratish, fikr-mulohaza, tarix va hisobotni ko‘rib chiqish funksiyalarini sinang.

Bu tartib backend konfiguratsiyasi bilan bog‘liq muammolarni frontend kompilyatsiyasi yoki WeChat vositalaridagi muammolardan ajratishni osonlashtiradi.

Konteynerga deployga tayyorlaning

Repository backend/Dockerfile va backend/.dockerignore fayllarini o‘z ichiga oladi. Bu fayllar backend’ni WeChat Cloud Run yoki boshqa mos platforma uchun Docker konteyneri sifatida paketlash imkonini beradi.

Deploydan oldin testlarni ishga tushiring, production uchun zarur muhit o‘zgaruvchilari platforma orqali mavjudligini tekshiring va maxfiy ma’lumotlarni image ichiga joylashtirmang. MySQL, Tencent Cloud COS, model provayderlari, Tavily va WeChat autentifikatsiyasi kabi tashqi bog‘liqliklar deploy muhiti orqali foydalanish mumkinligiga ishonch hosil qiling.

Xulosa

Ushbu loyiha WeChat’da sun’iy intellekt yordamida ta’lim olish uchun to‘liq asosni taqdim etadi: Taro va React mini ilovasi, FastAPI backend’i, mavzu va hujjatga asoslangan test yaratish, darhol beriladigan tushuntirishlar, o‘quv hisobotlari, foydalanuvchi tarixi va konteynerga tayyor deploy. Avval backend’ni tekshiring, frontend’ni WeChat DevTools’da kompilyatsiya qiling, so‘ng tanlagan ta’lim ish jarayoningiz uchun zarur tashqi xizmatlarni sozlang.