用户可基于 AI 快速生成题目并制作应用，经管理员审核后，可在线答题并基于多种评分算法或 AI 得到回答总结；管理员还可集中管理整站内容，并进行统计分析。
基于 Spring Boot + Redis + ChatGLM AI + RxJava + SSE + Caffeine + Vue3 + Arco Design + Pinia 的 AI 答题应用平台。
- 用户注册 => 登录
- 用户创建应用 => 创建题目（包括题目选项得分）=> 创建评分规则（评分策略和评分结果）
- 管理员管理应用，审核发布（下架）应用
- 用户查看、检索应用列表，进入应用详情页，在线答题并提交回答
- 经过评分模块计算后，用户可查看本次评分结果
- 库表设计：根据业务设计用户 / 应用 / 题目 / 评分结果 / 用户答题表。其中题目表采用 JSON 存储复杂的嵌套题目和选项，便于维护扩展，并通过给题目表添加 appId 索引提升检索性能；
- 评分模块：基于策略模式实现了多种用户回答评分算法（如统计得分、AI 评分等），全局执行器会扫描策略类上的自定义注解并选取策略，相较于
if else提高了系统的可扩展性； - 基于 ChatGLM AI 封装了通用 AI 服务，并通过配置类自动读取 key 配置初始化 AI 客户端 Bean，便于全局使用；
- AI 生成题目：通过系统预设、少样本学习、任务拆解等手段优化 Prompt，让 AI 返回 JSON 题目内容，便于后端处理；
- 由于 AI 生成题目较慢，选用 ChatGLM 的流式 API 并通过 SSE 实时推送单道题目给前端，提高用户体验；
- 基于 RxJava 的操作符链式调用处理 AI 异步数据流，先通过 map 获取并处理字符串、filter 过滤空值、flatMap 映射串为单个字符，再通过括号平衡算法准确拼接出单道题目，使得逻辑简单清晰；
- 为防止用户多次提交重复答案，基于雪花算法为每次答题分配唯一 id，并通过数据库主键实现幂等设计，避免了重复的脏数据；
- 由于相同答案的 AI 评分应该相同，使用 Caffeine 本地缓存答案 Hash 对应的 AI 评分结果，提高评分性能（10s 到 5ms）的同时大幅节约成本；并通过 Redisson 分布式锁解决缓存击穿问题；
- 为应对用户答题数的增长，基于 Sharding JDBC 配置取模分片算法，根据应用 id 对用户答题记录分表，提高了单表查询性能和可扩展性；
- 由于服务器资源有限，为会员创建核心线程数更大的隔离线程池，保证普通用户不会影响会员使用 AI 的体验；
- 统计分析：后端基于 MyBatis xml 自定义 SQL 实现热门应用和回答分布的统计，前端通过 ECharts 实现可视化；
- 使用 Knife4j + Swagger 自动生成后端接口文档，并通过编写 ApiOperation 等注解补充接口注释，避免了人工编写维护文档的麻烦。