一款基于多模型路由的 AI 教学助手,支持 9 大学科 的题目识别与智能解答!
- 📸 图片上传 — 拍照上传题目,AI 自动识别
- 🧠 智能路由 — 理科题目交给 DeepSeek,文科题目交给 Qwen
- 🎬 分步动画 — 数学/物理/化学/生物配有 SVG 分步推导动画
- 🔊 语音讲解 — 各学科配备专属语音风格,边听边学
- 💬 解答助手 — 追问互动,深入理解解题思路
- 🎨 精致 UI — 响应式设计,支持浅色/深色模式
- Python 3.10+
- 依赖包:
httpx,pyyaml,fastapi,uvicorn,python-multipart,jinja2,python-dotenv
pip install -r requirements.txt
复制 .env.example 为 .env,然后编辑:
cp .env.example .env
编辑 .env 文件:
# DeepSeek API Key(理科求解 🧮) DEEPSEEK_API_KEY=sk-xxx # DashScope API Key(文科求解 + OCR 📸 + 学科分类 🔍) DASHSCOPE_API_KEY=sk-xxx # MiniMax API Key(TTS 语音合成 🔊,可选) MINIMAX_API_KEY=eyJxxx # MiniMax Group ID(可选) MINIMAX_GROUP_ID=17xxx
Web 模式(推荐 👍):
python -m uvicorn app:app --reload --port 8000
然后浏览器访问 http://localhost:8000 ✨
CLI 模式 💻:
# 文本题目 python main.py question.txt # 图片题目(自动 OCR) python main.py question.png
演示模式 🎭(不调用 LLM):
python demo_voice_board.py "求解方程 x^2-4=0" python demo_voice_board.py "请赏析李白《静夜思》的艺术特色"
| 学科 | 求解模型 | 语音风格 | 动画效果 |
|---|---|---|---|
| 🧮 数学 | DeepSeek | 男声(青涩) | SVG 分步推导 |
| ⚡ 物理 | DeepSeek | 男声(青涩) | SVG 分步推导 |
| 🧪 化学 | DeepSeek | 男声(青涩) | SVG 分步推导 |
| 🧬 生物 | DeepSeek | 男声(青涩) | SVG 分步推导 |
| 📝 语文 | Qwen | 女声(少女) | 文字高亮动画 |
| 📖 英语 | Qwen | 女声(少女) | 文字高亮动画 |
| 🏛 历史 | Qwen | 女声(少女) | 文字高亮动画 |
| 📋 政治 | Qwen | 女声(少女) | 文字高亮动画 |
| 🌍 地理 | Qwen | 女声(少女) | 文字高亮动画 |
- 🤖 LLM 分类(优先) — 使用 Qwen 模型进行 9 学科智能分类
- 🔑 关键词 fallback — LLM 不可用时,按关键词评分兜底
- 📌 默认值 — 无法判定时归为「语文」
├── app.py # 🌐 FastAPI Web 入口
├── main.py # 💻 CLI 入口
├── demo_voice_board.py # 🎭 语音+板书演示
├── .env.example # 🔐 API 密钥模板
├── requirements.txt # 📦 Python 依赖
├── templates/
│ └── index.html # 🎨 Web 前端页面
├── src/
│ ├── core/
│ │ ├── simple_classifier.py # 🔍 学科分类器
│ │ ├── model_router.py # 🚦 模型路由器
│ │ └── narrator.py # 🎬 旁白脚本 + 动画生成
│ └── services/
│ ├── deepseek_client.py # 🧠 DeepSeek API(理科求解)
│ ├── qwen_client.py # 📚 Qwen API(文科求解 + OCR)
│ ├── minimax_tts.py # 🔊 MiniMax TTS 语音合成
│ └── dashscope_tts.py # 🔊 DashScope TTS 语音合成
└── output/ # 📂 运行时输出目录
9 个学科各有独特的颜色标签 🎨
- 🧮 数学 — 🔵 蓝色
- ⚡ 物理 — 🔷 青色
- 🧪 化学 — 🟣 紫色
- 🧬 生物 — 🟢 绿色
- 📝 语文 — 🔴 红色
- 📖 英语 — 🟠 橙色
- 🏛 历史 — 🟤 棕色
- 📋 政治 — 🟣 品红
- 🌍 地理 — 🔵 天蓝
所有学科属性集中在 src/core/simple_classifier.py 的 SUBJECT_CONFIG 字典中管理:
from src.core.simple_classifier import SubjectType, SUBJECT_CONFIG, get_category # 获取学科标签 label = SUBJECT_CONFIG[SubjectType.MATH]["label"] # "数学" # 获取学科大类 category = get_category(SubjectType.MATH) # SubjectCategory.SCIENCE # 获取 TTS 语音 voice = SUBJECT_CONFIG[SubjectType.MATH]["voice"] # "male-qn-qingse" # 获取动画类型 anim_type = SUBJECT_CONFIG[SubjectType.MATH]["anim_type"] # "svg" # 获取前端标签 CSS class tag_class = SUBJECT_CONFIG[SubjectType.MATH]["tag_class"] # "tag-math"
提交题目进行解答 📥
请求参数(FormData):
| 参数 | 类型 | 说明 |
|---|---|---|
| text | string | 题目文本(与 image 二选一) |
| image | file | 题目图片(与 text 二选一) |
响应示例:
{
"question": "求函数 f(x)=x2+1 的导数",
"subject": "数学",
"solution": "解题思路:...\n解题答案:...",
"thinking": "识别为求导问题...",
"answer": "f'(x) = 2x",
"animation": "<svg>...</svg>",
"anim_type": "svg",
"audio_url": "/output/abc123/audio.mp3",
"tag_class": "tag-math"
}解答助手追问接口 💬
请求参数(FormData):
| 参数 | 类型 | 说明 |
|---|---|---|
| question | string | 追问内容 |
| subject | string | 学科名称 |
| original_question | string | 原题目 |
| solution | string | 详细解答 |
| thinking | string | 解题思路 |
| answer | string | 最终答案 |
Web 前端页面 🖥️
📥 输入(文本/图片)
│
▼
📸 OCR 识别(图片时调用 Qwen-VL-Max)
│
▼
🔍 学科智能分类(LLM 优先 + 关键词兜底)
│
▼
🚦 模型路由
├── 理科(数/理/化/生)→ 🧠 DeepSeek
└── 文科(语/英/历/政/地)→ 📚 Qwen
│
▼
📝 各学科专属解题 Prompt
│
▼
🎬 动画生成
├── 理科 → SVG 分步推导动画
└── 文科 → 文字高亮动画
│
▼
🔊 TTS 语音合成(学科专属语音风格)
│
▼
📤 输出(解答 + 动画 + 语音)
启动服务后,用 curl 测试不同学科:
# 🧮 数学 - 求导数 curl -X POST http://localhost:8000/api/solve -F "text=求函数f(x)=x2+1的导数" # ⚡ 物理 - 自由落体 curl -X POST http://localhost:8000/api/solve -F "text=一个物体从10m高处自由落体,求落地速度" # 🧪 化学 - 电离方程式 curl -X POST http://localhost:8000/api/solve -F "text=写出NaCl溶液的电离方程式" # 📝 语文 - 人物形象分析 curl -X POST http://localhost:8000/api/solve -F "text=分析《红楼梦》中林黛玉的人物形象" # 📖 英语 - 翻译 curl -X POST http://localhost:8000/api/solve -F "text=将下列句子翻译成英文:今天天气很好" # 🏛 历史 - 历史事件分析 curl -X POST http://localhost:8000/api/solve -F "text=分析辛亥革命的历史意义" # 🌍 地理 - 气候成因分析 curl -X POST http://localhost:8000/api/solve -F "text=分析季风气候的成因"
检查返回的 subject 字段和 tag_class 是否与预期学科匹配 ✅