2026年精选毕业设计：基于大模型意图理解的校园智能问答助手系统（含论文+源码+PPT+开题报告+任务书+答辩讲解）
💡 项目已完整开源，包含全套毕设资料！文末附下载方式与摘要。
在AI技术飞速发展的今天，高校信息化建设也亟需智能化升级。本文带来一款面向高校场景的智能问答助手系统——它不仅支持自然语言多轮对话、语音输入、上下文理解，还能自动分类问题、溯源答案，并保障数据隐私安全。本项目适合作为2026届计算机/软件工程/人工智能方向的高质量毕业设计，技术栈前沿、功能完整、文档齐全！
🌟 项目亮点
- ✅基于大模型 + RAG 架构：结合本地部署的轻量LLM（如Qwen-1.8B）与校园知识库，实现高准确率、可解释的回答。
- ✅多模态交互：支持文字+语音输入，适配移动端与PC端。
- ✅意图精准识别：微调模型自动分类“教务/后勤/学工/图书馆”等意图，提取关键实体。
- ✅全链路本地化部署：数据不出校，模型通过Ollama/LM Studio本地运行，杜绝隐私泄露。
- ✅管理后台强大：支持知识库上传、意图标签配置、数据看板分析，助力持续优化。
🧩 系统功能详解
👤 用户端（学生/教师）
- 首页
- 轮播图展示：最新校务通知、考试安排、活动预告
- 快捷问题入口：如“如何补办学生证？”“图书馆几点关门？”
- 使用指南：支持语音输入、示例问题引导
- 智能问答
- 文字输入提问：支持长句、口语化表达
- 语音输入：集成浏览器 Web Speech API
- 多轮对话上下文保持：如“那明天呢？”
- 意图识别结果展示：
- 自动分类问题类型（教务/后勤/学工/图书馆等）
- 高亮关键信息（时间、地点、联系人）
- 答案来源标注：如“根据《2025学生手册》第3章”
- 个人中心
- 查看历史问答记录
- 收藏常用问答
- 反馈答案准确性：“有帮助” / “不准确”
- 设置偏好：是否开启语音、通知提醒
👨💼 管理端（校务管理员）
- 知识库管理
- 上传/编辑校园知识文档（PDF/Word/TXT）：教务制度、办事流程、常见问题FAQ
- 自动切片与向量化（基于 Sentence-BERT）
- 手动审核 AI 提取的关键问答对
- 意图标签管理
- 定义意图类别：如成绩查询、课表咨询、宿舍报修
- 配置每类意图的响应模板与数据接口
- 数据看板
- 日活跃用户数、问答总量
- 高频问题 TOP10（用于优化知识库）
- 用户反馈统计（准确率趋势）
- 系统配置
- 管理轮播图内容
- 设置敏感词过滤
- 配置大模型参数（温度、最大长度等）
🤖 核心AI功能
意图识别模块
- 使用微调后的轻量 LLM（如 Qwen-1.8B-Chat）
- 输入：用户自然语言 → 输出：结构化意图 + 实体
示例：
json{"intent":"课表查询","entity":{"week":"第12周","class":"软件工程"}}知识检索增强（RAG）
- 将用户问题向量化
- 在校园知识库中检索最相关段落
- 将检索结果拼接至 LLM 提示词（Prompt）
- 生成准确、可溯源的回答
本地推理部署
- 使用 Ollama 或 LM Studio 本地运行大模型
- 通过 HTTP API 供 Spring Boot 后端调用
- 支持 GPU 加速（可选）
隐私与安全
- 所有对话数据本地存储
- 不上传至第三方云服务
- 敏感问题自动拦截（如涉及隐私、违规内容）
⚙️ 技术栈全景
| 模块 | 技术选型 |
|---|---|
| 前端 | Vue3 + Element Plus + Axios，支持 Markdown 渲染答案（加粗、列表、链接），语音输入组件（Web Speech API） |
| 后端 | Spring Boot + MyBatis-Plus，JWT 认证 + WebSocket（支持流式回答） |
| AI服务 | 集成 Python 向量检索服务（FAISS + Sentence-BERT） |
| 大模型 | 轻量开源大模型：Qwen-1.8B / Phi-3-mini / Gemma-2B，本地部署 via Ollama，RAG 知识库构建（LangChain + FAISS） |
| 部署环境 | 开发环境：Windows/Linux + 16GB 内存（可跑 1.8B 模型）；生产环境：校园服务器 + NVIDIA GPU（可选） |
🖥️ 系统部分预览图
📦 毕设资料清单（全部提供！）
- ✍️ 毕业论文（Word/PDF，含系统设计、实验分析、对比评估）
- 💻 完整源码（前后端分离，含数据库脚本、Dockerfile）
- 📊 答辩PPT（20页，逻辑清晰，突出创新点）
- 📝 开题报告 + 任务书（符合高校规范模板）
- 🎤 答辩讲解稿（逐页备注，助你从容应对提问）
