自然语言交互实现的毕业设计管理系统

一、引言

为呼应《中国教育现代化 2035》关于构建“ 全过程、全方位人才培养质量反馈监控体系” 及信息化赋能教学创新的战略导向。毕业设计管理系统作为实践信息化赋能教学创新的一次尝试，以解决目前系统普遍表现出的流程过于碎片化、信息壁垒显著以及操作难度较高为核心导向。在传统管理模式下，主要依赖于Excel 表格和分散文档的存储，使得选题审核等关键流程需要经历导师、教务员及院系多层级的人工审核与复核，整体耗时通常约在3-5 个工作日。传统的管理系统用户操作起来也很复杂。如何有效提升管理效能呢？本文基于上述痛点，设计了一套以自然语言交互为核心的毕业设计管理解决方案。

本研究创新如下：

（1）智能体引擎：集成SpringAI 构建自然语言交互中枢，通过智能体AI 动态函数调用TOOL 工具实现课题审核、任务书生成等业务流程自动化

（2）基于RedisStack 构建教育文档知识库，支持政策文件与历史课题的实时检索，使查重拦截响应速度突破性降至1 秒内

该系统首次实现业务流程自动化与决策知识结构化的双重突破，力争为高校教育管理智能化转型提供可复用的技术范式。

二、AI 核心模块架构

2.1 AI 驱动核心架构

本系统以 SpringAI 为核心框架，探索并开发了一套支持自然语言交互的毕业设计管理框架，其核心在于实现“ 对话即操作” 的执行范式。以教师用户输入类似“ 生成计算机专业毕业设计任务书” 的非结构化指令场景为例，系统集成的智能体（Agent）将可能触发其动态路由机制。该机制的关键处理阶段可描述为：

（1）指令解析，识别关键语义要素（如“ 计算机专业” 、“ 任务书” ）并映射至预设的教育场景处理模块；

（2）语义空间探索，基于嵌入向量技术向Redis 向量知识库发起近似查询，检索语义层面最相关的计算机专业课题模板；

（3）结构化生成，利用内置AI 决策模型整合信息，最终输出结构化的任务书文档至用户交互界面。

该集成处理链通常可在极短时间内完成，响应延迟可维持在较低水平。

该动态路由机制潜在的一项优势在于其对上下文关联语义扩展具备一定程度的支持能力。比如教师用户后续提出类似“ 增加区块链技术验证环节” 的补充指令，系统会依据指令的上下文，主动检索并整合Redis 知识库中语义相关性较高的区块链领域课题数据，进一步驱动对原始任务书结构的适度扩展，嵌入“ 区块链技术验证” 这一新增的技术节点（相关流程示意参见图2.1）。

2.2 多模态交互系统

本系统整合文本文档的多模态处理能力，构建了一套跨媒介的自然语言交互模式。自动对任务书、开题报告这类文档里的关键字段信息进行提取，将对话持久化管理技术运用起来，对非结构化文件开展语义理解，把它转化成可执行指令，让人工重复录入数据的工作得以减少。

2.3 向量知识库构建

系统利用 RedisStack 向量知识库，构建了向量存储的知识库解决方案。通过嵌入模型，把大量的优质课题模板和教育政策文件转化为高维度向量。创新型地整合了检索增强生成（RAG）技术架构。内内容检索的准确率比传统关键词方法高出许多。在课题相似性识别场景中，系统能够根据向量相似性开展在线评估，及时找出并反馈知识库中语义相似的已有课题实例，支持更灵活的用户自定义查询模式。

三、AI 赋能关键场景

3.1 课题全流程智能化管理

系统通过智能体（Agent）框架重新设计课题生命周期的管理模式。在教师申报场景中，当收到 “ 申报计算机视觉相关课题” 指令时，动态路由机制启动课题创建流程，关联向量知识库检索相关的历史课题实例。管理员审核阶段，可以根据知识库内，最新的学科目录规范进行合规性初筛，缩短了传统需要 3-5 个工作日的审核周期。学生选题环节，根据专业方向和以往学业记录给出个性化推荐，优化了“ 教师申报 - 管理审核 - 学生匹配” 的全流程效率。

3.2 任务书自动化生成与追踪

传统任务书编制主要依靠的是教师手工操作模板，平均每份耗时约 3 小时。本文实现了任务书的智能生成机制。比如，教师下达 “ 为张同学生成物联网课题任务书” 的指令后，多模态解析引擎会借助嵌入机制，检索知识库中的模板架构，根据特定课题参数生成研究目标、关键时间节点等核心内容框架。该流程的响应时间明显短于传统手工制作模式。

3.3 答辩全流程 AI 协同

针对答辩管理流程，本系统探索性地设计了一套多智能体协作框架，以期优化资源协调效率。该框架主要整合了三方面功能：

（1）智能调度模块，考虑教师空闲时间、教室资源容量与学生分组等相互制约因素，尝试生成较优的排期方案，从而潜在降低场地冲突发生的可能性；

（2）材料预审流程，利用计算模型对答辩材料的规范要求进行自动化初步评估；

（3）内容结构化分析组件，旨在识别学生答辩文稿中所蕴含的潜在创新点、项目完成质量及表达逻辑特征。

当管理员发起类似“ 安排计算机专业答辩” 的自然语言请求时，系统能够较迅速地输出包含时间地点、评审专家分配及材料准备清单的综合方案，实施相关通知流程。

该设计尝试融合制度性实践沉淀与可配置资源协调策略，以期提升教务环节的工作协同效能。

四、应用效果实证

4.1 自然语言交互效能革命

用户能够通过自然语言交互在极短时间内完成信息录入操作，相较依赖传统后台表单的方式，效率得到显著提升。该交互范式支持任务编排，大幅降低了使用门槛——教育工作者几乎不要求额外操作训练即可尝试运用系统。用户期望的交互准确性通常可维持在相对较高的水平。

4.2 管理流程智能化重构

（1）选题审核周期大幅缩短：在传统的审核方式中，教务人员需要对历史课题库进行逐一比对，这一过程不仅需要耗费数天时间，还存在漏检的可能性。系统实现了相似度评估机制：学生提交新课题后，系统会解析其中的关键语义，随后在向量知识库中进行相似度匹配。实践结果得出，该机制处理速度快、识别能力强，有效解决了重复性课题的识别任务。

（2）任务书生成效率提升：传统教师手工编制任务书时，往往需要花费较长时间，而且格式和技术参数容易出现错误。系统基于智能体（Agent）的任务书生成框架，在收到教师指令后，能够自动关联相关课题档案，整合知识库与行业技术标准信息。在系统实际运行中，短时间内就完成了大量的工作任务，解决了人工操作中存在的格式偏差问题。

（3）流程状态透明化管理：系统建立了覆盖选题、开题至答辩等关键环节的进度映射机制，解决了传统 “ 黑箱” 问题。当检测到流程滞留或临近关键节点，系统会触发预先准备好的干预机制，推动任务执行。

五、创新价值与结论

本文研究了自然语言AI 驱动技术在毕业设计管理系统中的应用可能，重点开发了基于自然语言交互的指令响应框架。该框架显著提升了传统表单的操作效率。在选题审核时效性、任务书生成准确性及答辩过程状态可视化追踪等方面，都有明显的提升。通过整合云端智能模型与Redis 向量知识库，力争响应《中国教育现代化 2035》中关于信息化赋能教育创新的建设要求。为用户探索“ 对话式管理” 的操作路径，也为今后推动教育数字化转型提供技术实践参考。

六、参考文献

[1]郑娅峰，黄璟玥，包昊罡.教育智能体赋能科学教育：概念特征、应用价值与实施策略[J].远程教育杂志，2025，43（03）：24-32.DOI：10.15881/j.cnki.cn33-1304/g4.2025.03.003.

[2]于瑞峰，王喆诚，严京滨.工科类本科生毕业设计管理模式探索[J].高教学刊，2024，10（07）：42-46.DOI：10.19980/j.CN23-1593/G4.2024.07.011.

[3]李红，李升凯，车欣，等.基于 Spring Boot 的 AI 测试平台系统的设计和实现[J].软件，2024，45（06）：79-85.