AI教案生成助手
目录
一、项目简介
AI教案生成助手是一款面向中小学教师的教案自动化生成工具，基于 FastAPI + React 全栈架构构建，核心能力是“上传教材或描述需求 → AI对话确认 → 一键生成标准Word/PDF教案”。项目默认接入小米 MiMo 大模型（mimo-v2.5-pro），同时支持用户自配置任意 OpenAI 兼容接口，具备良好的模型无关性。
系统采用双容器 Docker Compose 编排：后端容器内置 FastAPI、SQLite、LibreOffice 与 docxtpl 模板引擎，负责教材解析、AI编排、Word/PDF 导出；前端容器由 Nginx 托管 React 构建产物并反向代理 API，实现同域无跨域部署。PC 端采用左聊天右预览的分栏交互，移动端则简化为直接生成下载，完整覆盖教师办公与移动场景。
与市面上通用的“AI写教案”工具不同，本项目的核心差异化在于工程化的格式保真能力和对话式迭代体验。通过 docxtpl 模板渲染结合 python-docx 后处理动态复制教学过程表格行，系统能够严格还原学校指定的教案模板格式（合并单元格、字体、加粗、边框全部保留）；同时通过 SSE 流式输出与字段补丁提取机制，教师可以在左侧对话中用自然语言修改教案任意字段，右侧预览实时高亮联动，无需重新生成整篇教案。
项目已部署于腾讯云轻量服务器（2核2G），支持教材上传、参考模板上传、智能追问、联网搜索、在线编辑、历史管理、多模型切换等完整功能链路，并附带压力测试脚本验证并发稳定性。后端API覆盖上传、对话、生成、导出、编辑、偏好、模型配置七大模块共15个接口，前端基于 shadcn/ui 组件库和 Framer Motion 动效库构建，水波纹动态背景搭配渐变主色调，在保证功能完整的同时兼顾了视觉体验。
二、痛点问题
教师备课场景存在六个核心痛点，每一项都有对应的工程化解法：
| 痛点 | 具体表现 | 解决方案 |
|---|---|---|
| 备课耗时严重 | 一篇标准教案手写需2-3小时，含教材分析、教学目标、教学过程、作业设计等十余个模块，重复劳动占比高 | AI一键生成完整教案结构，教师从“从零写”变为“审核修改”，单篇耗时压缩至10分钟内 |
| 格式难保真 | 各学校模板不统一（表格合并、字体、页眉页脚差异大），通用AI生成的纯文本无法直接使用，需手动排版 | docxtpl 模板渲染 + python-docx 后处理动态行复制，严格保留模板格式；支持上传参考模板让AI学习其结构 |
| 需求表达不清 | 教师难以一次性描述清楚课题、重点、课时、互动环节等全部需求，反复修改成本高 | AI对话式追问，逐轮确认关键信息；支持跳过对话直接生成，两种模式自由切换 |
| 教材上下文缺失 | 通用大模型缺乏具体教材版本和册次的内容，生成内容容易脱离实际教学进度 | 支持Word/PDF/PPT/Excel/图片/文本多格式教材上传解析，自动提取版本、册次、单元信息；联网搜索补充教案参考 |
| 修改迭代低效 | 生成后发现某字段需调整（如日期、主备人、教学重点），只能重新生成整篇，等待时间长 | 字段补丁提取引擎：对话中自然语言修改指令自动识别为字段更新，右侧预览实时高亮联动，无需重生成 |
| 技术门槛高 | 教师群体非技术用户，复杂的配置和登录流程会大幅降低使用率 | 零登录设计，本地SQLite存储历史；Docker一键部署；前端水波纹背景+分步进度条，交互直观友好 |
三、产品亮点
3.1 对话式需求确认与流式生成
不是冰冷的表单填写机器——系统支持两种生成路径：有教材时进入AI对话确认环节，由AI根据教材内容和已有对话逐轮提出最关键的追问问题（每次只问一个，避免信息过载）；无教材时可直接输入需求一键生成，跳过对话步骤。
生成过程采用 SSE 流式输出，前端可实时感知五个阶段的进度推进：①解析需求与教材信息 → ②联网搜索参考资料 → ③AI思考撰写教案 → ④排版教学过程与表格 → ⑤导出Word文档。每个阶段都有明确的状态提示和工具标识（web_search / ai_model / word_export），教师能清楚知道“AI现在在干什么”，而非面对一个无响应的加载圈。
AI内容输出同样支持流式，首token延迟通过关闭推理思考链（enable_thinking=false）优化至亚秒级，大幅降低体感等待。对话回复也采用流式逐字输出，首字节立即返回“思考中”状态，连接建立后再保存用户消息，确保不阻塞首字节响应。
3.2 模板格式保真导出引擎
这是本项目最核心的技术壁垒——不是生成纯文本让用户自己排版，而是直接输出符合学校模板格式的Word文档。
导出引擎采用两阶段架构：第一阶段用 docxtpl 加载含 Jinja 占位符的 Word 模板，渲染静态字段（课题、年级、教学目标、教材分析、重难点、教法学法、作业设计、板书设计、教学反思等）；第二阶段用 python-docx 打开已渲染文档，定位教学过程三列表格（教师活动/学生活动/二次备课），以第一数据行为样板深拷贝XML行元素，按AI返回的教学环节数动态复制并填值，完整保留单元格字体、加粗、边框、合并格式。
这种设计解决了 docxtpl 无法动态生成表格多行的固有局限，同时避免了从零构建Word文档导致的格式丢失。东亚字体（宋体）通过 OXML 层面的 rFonts 显式设置，确保中文不会回退为默认字体。AI返回结构异常时（如教学目标返回list而非dict、作业返回str而非dict），归一化层会自动兜底转换，保证导出不中断。PDF导出通过容器内置的 LibreOffice 无头模式转换，镜像预装 fonts-wqy / noto-cjk 中文字体，彻底解决中文方块问题。教师上传的参考模板会被解析为文本摘要注入AI上下文，让生成内容主动贴合目标模板的结构和表述习惯。
3.3 对话联动实时修改
左侧提需求，右侧教案跟着改——这是本项目区别于同类工具的关键交互创新。
当教师在对话中说“日期改成2026年9月1日”或“教学重点改成附点节奏的掌握”时，后端的 extract_field_patch 引擎会以低温度（0.1）、关闭思考链的快速调用，从用户自然语言中提取字段补丁JSON，支持20余个可修改字段（日期、课题、年级、学科、课时、主备人、审美感知、艺术表现、创意实践、文化理解、教材分析、重点、难点、教法、学法、教学资源、课堂作业、书面作业、实践作业、板书设计、教学反思）。
前端收到补丁后，精确映射到对应预览区块并触发高亮闪烁动画（先清空再设置，确保连续修改也能重播动画），嵌套字段（teaching_objectives / homework）自动合并而非覆盖。修改后的内容实时回写状态，后续对话即携带最新数据给后端精确识别，形成“对话→修改→预览→再对话”的闭环迭代。
3.4 多格式教材解析与联网搜索增强
教材输入不是只能传Word——系统支持 Word(.docx/.doc)、PDF、图片、纯文本、Markdown、PowerPoint(.ppt/.pptx)、Excel(.xls/.xlsx/.csv) 七种格式的解析。Word解析同时提取段落和表格文本；PDF逐页提取；PPT按幻灯片分页提取文本框和表格内容；Excel多工作表遍历，CSV自动尝试utf-8-sig/gbk/utf-8三种编码。
解析后自动从内容中提取教材元信息：出版社（人教版/人音版/苏教版/北师大版/湘教版/花城版/上音版）、册次（上册/下册/必修/选修）、单元（第N单元），这些信息直接用于联网搜索的查询构建。
联网搜索采用三级降级策略：优先通过 Agent Reach CLI 调用 Exa 搜索；不可用时降级到 Jina Search API（免费无需配置）；仍不可用时返回提示信息，AI基于教材内容和自身知识生成。搜索结果格式化为带序号、标题、内容摘要和来源URL的文本，注入AI上下文供参考但不照搬。
3.5 全流程可观测与零门槛使用
系统设计贯穿“教师非技术用户”的使用假设：无需注册登录，所有数据本地SQLite存储，打开即用；Docker一键部署，双容器编排，配置仅需一个API Key；响应式设计，PC端左聊天右预览分栏，移动端自动切换为单栏直接生成下载。
生成进度可视化：五步进度条（准备→搜索→思考→排版→导出）由后端真实状态驱动，而非前端假动画；教案预览逐字段到达时高亮闪烁，教师能看到内容“正在被填充”的过程。
历史教案自动持久化，支持列表浏览和详情查看；在线编辑后的内容自动保存并重新导出Word，格式保真不丢失；模型配置支持多厂商接入，用户可在设置页添加自定义OpenAI兼容接口并切换默认模型。压力测试脚本覆盖健康检查、教案列表、模型配置、偏好设置等接口，支持5/20/50并发三级负载验证，P50/P95/P99延迟全量统计。
四、商业化落地思考
路径其实挺清晰的。第一层是面向学校和教育局的私有化部署。教育行业对学生数据和教学内容极其敏感，SaaS模式在公立校很难推进，而本项目Docker Compose一键部署、数据全本地存储的架构天然适配私有化场景。单校部署成本极低（2核2G服务器即可运行），适合区县教育局统一采购后批量部署到下属学校。
第二层是模板市场与学科垂直化。当前默认模板偏向音乐学科（核心素养四维度：审美感知、艺术表现、创意实践、文化理解），但系统架构完全支持多模板切换。可以沉淀各学科、各版本、各地区的优质教案模板，形成模板库，教师上传参考模板后AI自动学习其结构。当足够多的垂直领域模板和教材数据沉淀后，可以训练学科专属的教案生成小模型或优化Prompt，在特定学科上的准确率和格式符合度会大幅提升。
第三层是按次/按月订阅的SaaS服务。对于没有私有化需求的个体教师和小型培训机构，提供在线SaaS版本，按生成次数或月度订阅收费。零登录+本地历史的设计降低了使用门槛，教师首次访问即可体验完整功能，转化路径短。
第四层是教研数据增值服务。系统积累的教案数据（脱敏后）可用于区域教研质量分析、教学方法趋势研究、优秀教案推荐等，为教育局和教研机构提供数据决策支持。这一层需要在用户授权和数据合规的前提下推进。
五、未来迭代路径思考
短期看，多模态输入是最迫切的能力补齐。当前图片格式仅保存路径未做OCR，而教师大量教材内容以扫描件、照片形式存在，接入OCR（可复用MiMo-VL多模态能力）后能直接识别教材图片中的文字和乐谱，大幅扩展可用输入范围。语音输入也是高频场景，教师在车上、散步时口述需求，系统自动转文字并生成教案。
中期看，需要从“单篇教案生成”升级为教学单元整体设计。当前系统一次生成一篇课时教案，但实际教学中教师需要一个单元（3-5课时）的连贯设计，包括课时之间的知识点递进、作业梯度设计、单元测评等。引入单元级上下文记忆和多课时协同生成能力，能显著提升产品价值。同时，教案质量评估引擎也是刚需——AI生成后自动从课标贴合度、教学环节完整性、互动设计合理性等维度打分，给出修改建议，形成“生成→评估→优化”的自闭环。
长期来看，一方面需要积累垂直学科的教案数据和教材知识库，通过RAG或微调提升长尾课题的生成准确率，减少AI“ hallucination “。特别是音乐、美术、体育等小学科，通用大模型的训练数据相对薄弱，垂直知识库的价值更为突出。另一方面，构建教师协作与学情联动能力：同教研组教师可共享教案、协同备课；教案生成后可关联学生学情数据（如知识点掌握情况），自动调整教学重点和作业难度，真正实现”以学定教“的个性化教案生成。最终目标是成为教师备课的全链路智能助手，而非仅仅是一个”写教案的工具“——从课前的教材分析、教案设计，到课中的教学建议，再到课后的教学反思和作业批改，形成覆盖教学全周期的AI辅助体系。