AI 辅助开发实战：计算机本科生毕业设计选题的智能推荐与工程化实现
大四开学，意味着两件事：秋招和毕设。相比简历，选题往往更让人头大——方向太多、时间太少，导师一句“要有创新点”瞬间把难度拉满。去年我也卡在这一步，于是干脆把“选题难”本身当成课题，用 AI 做了一套轻量级推荐系统。从 0 到 1 踩坑无数，整理成这份笔记，给后来人当垫脚石。
1. 选题到底难在哪
方向模糊
打开 GitHub 热榜，今天 AIGC，明天 LLM-Ops，看起来都能写，却不知道自己能啃下哪块骨头。技术栈不匹配
实验室只给两台 4 核 8 G 的旧服务器，却想跑 Diffusion，显存直接劝退。创新点=玄学
导师要求“工作量+创新”，网上抄一个肯定挂，纯靠自己拍脑袋又容易“过度创新”——做不出来。试错成本高
定题→开题→中期，每一步都是沉没成本。中期发现数据集闭源，基本等于重开一局。
2. 技术方案对比：规则、向量、微调
| 方案 | 实现思路 | 优点 | 缺点 | 结论 |
|---|---|---|---|---|
| 纯规则 | 关键词+正则+IF/ELSE | 零硬件、可解释 | 维度一多就爆炸，维护噩梦 | 适合 MVP，后期必重构 |
| 向量检索 | Sentence-BERT 编码，Milvus 召回 Top-K | 语义泛化好，实现快 | 需要清洗脏数据，冷启动慢 | 性价比最高，选它 |
| 微调小模型 | 用历年通过/驳回标签做二分类 | 精准度高 | 标注样本少，显存 8 G 起步 | 留给 2.0 版本 |
最终采用“向量检索+规则后过滤”的混合架构：语义保证召回，规则保证可行。
3. 系统架构与核心实现
3.1 总体流程
- 学生输入一句话描述兴趣，如“想用深度学习做医学影像”。
- Sentence-BERT 编码成 384 维向量。
- 在 Milvus 里 ANN 搜索，召回 30 个最相近的往届课题。
- 规则引擎依次过滤：
- 硬件预算是否高于实验室上限
- 所需先修课程是否已修
- 数据集是否开源
- 返回前 5 个课题，并给出技术栈、参考论文、预估工作量。
3.2 课程知识图谱的构建
把培养方案解析成三元组：(课程, 前置, 后置)→ 生成有向图。
学生上传成绩单后，O(1) 查表即可得“已修课程集合”，用于可行性判断。
图谱用 Neo4j 存，查询模板如下：
MATCH (c:Course {name: $course}) WHERE ALL(pre IN [(c)-[:PRE]->(p) | p.name] WHERE pre IN $finished) RETURN c.name3.3 语义匹配细节
- 模型：
all-MiniLM-L6-v2，轻量，CPU 也能跑到 100 QPS。 - 课题侧预处理：
- 去掉停用词、库名版本号（如 pytorch1.12→pytorch）。
- 技术栈单独建字段，加权 1.5 倍，防止“文字游戏”课题蒙混过关。
- 向量库存 5 万条往届数据，占用磁盘 300 M，笔记本就能部署。
3.4 Flask 后端关键代码
以下片段演示“输入校验+异常兜底+流式返回”，可直接粘贴运行。
# app.py from flask import Flask, request, jsonify from sentence_transformers import SentenceTransformer from pymilvus import Collection from validator import validate_schema # 自定义 JSONSchema 校验 app = Flask(__name__) encoder = SentenceTransformer('all-MiniLM-L6-v2') collection = Collection("topic_db") @app.route("/recommend", methods=["POST"]) def recommend(): # 1. 输入校验 ok, msg = validate_schema(request.json, schema={ "type": "object", "properties": { "query": {"type": "string", "minLength": 5}, "budget": {"type": "number", "minimum": 0}, "courses": {"type": "array", "items": {"type": "string"}} }, "required": ["query"] }) if not ok: return jsonify({"code": 400, "msg": msg}), 400 try: # 2. 编码 vec = encoder.encode(request.json["query"]).tolist() # 3. 向量召回 collection.load() res = collection.search([vec], "embedding", param={"metric_type": "IP", "topk": 30}) ids = [x.id for x in res[0]] collection.release() # 4. 规则过滤（伪代码） filtered = rule_filter(ids, request.json) return jsonify({"code": 0, "data": filtered}) except Exception as e: app.logger.exception("Unexpected error") return jsonify({"code": 500, "msg": "内部错误，请联系管理员"}), 500注意点
collection.load()会占显存，用完立即release()，否则并发上来直接 OOM。- 规则过滤模块务必单测，后期加条件不会牵一发动全身。
- 返回统一包装
{code, data, msg}，前端好判断。
4. 线上痛点与缓解方案
4.1 响应延迟
首次请求要加载模型+向量段，P99 可能飙到 3 s。
解决：
- 预加载放在
gunicorn的post_fork钩子，worker 复用。 - 提供
/warmup接口，运维层面 k8s 就绪探针先调一次。
4.2 模型冷启动
Milvus 重启后需要重新加载索引，查询会退化成暴力扫描。
解决：
- 索引文件放 SSD，并设置
index_file_size=512 M减少碎片。 - 双节点温备，滚动重启。
4.3 数据隐私
成绩单、绩点属于敏感信息，不能传到公网。
解决：
- 整包部署在实验室内网，GitHub 仅放脱敏 Demo 数据。
- 日志打印前做脱敏，用
hashlib.sha256(sid.encode()).hexdigest()[:8]代替学号。
5. 生产避坑指南
避免“生成式”幻觉
纯 LLM 自由生成课题容易“高大上”但不可验证。系统只负责推荐+过滤，不凭空造题，保证可落地。人工审核兜底
返回页面加“强制理由”文本框，学生必须写 50 字以上说明为何选该题，导师在系统里点“通过”才算定题。AI 只到辅助 L2，不碰决策 L3。规则先于模型
新加限制条件（如“禁止涉及人脸隐私数据”）时，先写规则，后补训练样本。规则可秒级上线，模型迭代至少一天。预算硬阈值
把 GPU 显存、硬盘、电费都折算成钱，写死在配置里，防止“拍脑袋”课题流到中期。记录拒绝原因
规则过滤失败时，把拒绝标签落库，方便后续统计“高频不可行”类型，反哺招生宣讲或课程改革。
6. 可扩展维度（留给读者）
- 就业导向：对接 Boss 直聘/拉勾爬虫，按岗位热度给课题加权。
- 竞赛适配性：把“互联网+”“挑战杯”获奖关键词建倒排，优先推荐易出成果的方向。
- 团队协作：加入“技能互补”匹配，让前后端、算法、产品同学自动组队。
- 多语言：支持英文摘要搜索，方便参考 IEEE 最新论文。
代码已开源在 GitHub（仓库地址 README 里扫码），欢迎提 Issue 和 PR。选题系统不是银弹，但能帮你把“大海捞针”变成“碗里捞针”。愿每位同学都能把省下的试错时间，真正花在打磨作品和享受编码上。
