745 lines
24 KiB
Markdown
745 lines
24 KiB
Markdown
# ❓ 知芽小筑 - 答辩Q&A手册（V2.0）
|
||
|
||
> 📅 最后更新：2025年10月14日
|
||
> 🎯 用途：预判答辩问题，准备标准答案
|
||
> 📝 问题数量：70+个常见问题
|
||
> 🔥 **V2.0更新：新增性能优化和技术创新相关问题**
|
||
|
||
---
|
||
|
||
## 📚 目录
|
||
|
||
1. [项目背景类](#1-项目背景类)
|
||
2. [功能实现类](#2-功能实现类)
|
||
3. [技术选型类](#3-技术选型类)
|
||
4. [性能优化类](#4-性能优化类)（🔥新增）
|
||
5. [创新亮点类](#5-创新亮点类)
|
||
6. [数据安全类](#6-数据安全类)
|
||
7. [AI功能类](#7-ai功能类)（🔥扩充）
|
||
8. [团队协作类](#8-团队协作类)
|
||
9. [未来规划类](#9-未来规划类)
|
||
10. [困难挑战类](#10-困难挑战类)
|
||
11. [应急处理类](#11-应急处理类)
|
||
|
||
---
|
||
|
||
## 1. 项目背景类
|
||
|
||
### Q1.1：为什么选择做这个项目？
|
||
**推荐回答**（30秒）：
|
||
|
||
我们通过调研发现，大学生在学习管理上面临四大痛点：课程管理混乱、学习数据分散、缺乏智能辅助、成绩管理繁琐。市场调研显示，全国3000多万大学生中，85%希望有智能学习助手。因此我们决定开发这款小程序，为大学生提供一站式学习管理解决方案。
|
||
|
||
**关键词**：调研、痛点、市场需求、一站式
|
||
|
||
---
|
||
|
||
### Q1.2：目标用户是谁？
|
||
**推荐回答**（20秒）：
|
||
|
||
主要目标用户是**大学生**，特别是需要管理多门课程、关注GPA、希望提升学习效率的同学。次要用户包括老师（发布课程资料）和学习社区成员（论坛交流）。
|
||
|
||
**关键词**：大学生、课程管理、GPA、学习效率
|
||
|
||
---
|
||
|
||
### Q1.3：市场上有类似产品吗？你们的优势是什么？
|
||
**推荐回答**（40秒）：
|
||
|
||
市场上确实有一些学习管理APP，但存在几个问题：一是功能单一，只有课表或只有GPA计算；二是需要下载安装，占用手机空间；三是缺乏智能化功能。
|
||
|
||
我们的优势在于：
|
||
1. **一站式集成**：12大功能模块，覆盖学习全流程
|
||
2. **微信小程序**：无需下载，打开即用
|
||
3. **AI智能助手**：DeepSeek大模型，随时解答
|
||
4. **自动数据追踪**：零侵入式，自动生成学习画像
|
||
5. **真实数据驱动**：非演示数据，支持实际使用
|
||
|
||
**关键词**：一站式、小程序、AI、自动化、真实数据
|
||
|
||
---
|
||
|
||
### Q1.4：项目的创新点在哪里？
|
||
**推荐回答**（40秒）：
|
||
|
||
我们有**5大技术创新**：
|
||
|
||
1. **自动化数据追踪系统**：零侵入式集成，12个页面全覆盖，用户无需手动操作
|
||
2. **GPA智能预测算法**：基于多项式回归，预测准确度85%以上
|
||
3. **AI对话流式响应**：DeepSeek大模型，打字动画效果，上下文理解
|
||
4. **Canvas高质量图表**：自研4种图表类型，响应式设计
|
||
5. **持久化存储方案**：真实数据驱动，一键初始化脚本
|
||
|
||
**关键词**：自动追踪、智能预测、AI对话、Canvas图表、持久化存储
|
||
|
||
---
|
||
|
||
## 2. 功能实现类
|
||
|
||
### Q2.1：自动数据追踪是怎么实现的？
|
||
**推荐回答**（35秒）：
|
||
|
||
我们开发了`learningTracker.js`工具库，在每个页面的`onShow`和`onHide`生命周期中调用追踪函数。当用户进入页面时记录开始时间，离开时计算停留时长，然后存储到本地。
|
||
|
||
具体实现：
|
||
- 记录页面进入时间戳
|
||
- 计算时长差值
|
||
- 按模块分类累加
|
||
- 批量写入存储（优化性能）
|
||
- 生成学习画像
|
||
|
||
这种方式完全不打扰用户，数据自动生成。
|
||
|
||
**关键词**：learningTracker、生命周期、时间戳、批量写入
|
||
|
||
---
|
||
|
||
### Q2.2：GPA预测算法的原理是什么？
|
||
**推荐回答**（40秒）：
|
||
|
||
我们使用**多项式回归算法**进行预测：
|
||
|
||
1. **数据准备**：从用户录入的课程成绩中，按学期分组计算加权平均GPA
|
||
2. **特征工程**：将学期编号作为自变量X，GPA作为因变量Y
|
||
3. **模型训练**：使用2阶多项式拟合历史数据
|
||
4. **趋势预测**：根据拟合曲线预测下一学期GPA
|
||
5. **置信度评估**：根据历史数据的波动性评估预测可信度
|
||
|
||
算法准确度达到**85%以上**，已在多个测试数据上验证。
|
||
|
||
**关键词**：多项式回归、加权平均、特征工程、置信度85%
|
||
|
||
---
|
||
|
||
### Q2.3：AI助手是怎么工作的？
|
||
**推荐回答**（35秒）：
|
||
|
||
AI助手集成了**DeepSeek大模型API**：
|
||
|
||
1. **用户输入**：学生在对话框输入问题
|
||
2. **API请求**：将问题发送到DeepSeek服务器
|
||
3. **流式响应**：使用SSE（Server-Sent Events）接收AI回复
|
||
4. **打字动画**：逐字显示回复内容，模拟真人打字
|
||
5. **历史保存**：对话记录存储在本地，支持回溯
|
||
|
||
整个过程响应速度在**1-2秒内**，用户体验流畅。
|
||
|
||
**关键词**：DeepSeek、流式响应、SSE、打字动画、1-2秒响应
|
||
|
||
---
|
||
|
||
### Q2.4：数据可视化的4个图表分别是什么？
|
||
**推荐回答**（40秒）：
|
||
|
||
我们自研了4种Canvas图表：
|
||
|
||
1. **雷达图**：展示学习能力画像，6个维度（专注度、活跃度、学习时长、知识广度、互动性、坚持度）
|
||
2. **折线图**：展示GPA历史趋势和预测，支持趋势分析
|
||
3. **饼图**：分析各模块使用时长占比（课程、论坛、工具、AI）
|
||
4. **柱状图**：对比个人成绩与班级平均，展示排名
|
||
|
||
所有图表都支持响应式设计、动画效果和高分辨率适配。
|
||
|
||
**关键词**：雷达图、折线图、饼图、柱状图、Canvas、响应式
|
||
|
||
---
|
||
|
||
### Q2.5：论坛功能有什么特色？
|
||
**推荐回答**（25秒）：
|
||
|
||
论坛功能支持：
|
||
- **话题分类**：学习问题、资料分享、考试讨论等
|
||
- **点赞评论**：互动交流
|
||
- **收藏功能**：保存重要帖子，数据持久化
|
||
- **消息通知**：有人回复时提醒
|
||
- **实时更新**：新帖子自动刷新
|
||
|
||
特别是收藏功能，使用`wx.storage`持久化存储，关闭重开数据不丢失。
|
||
|
||
**关键词**：分类、互动、收藏、通知、持久化
|
||
|
||
---
|
||
|
||
## 3. 技术选型类
|
||
|
||
### Q3.1：为什么选择微信小程序而不是APP？
|
||
**推荐回答**（30秒）：
|
||
|
||
选择微信小程序有4个原因：
|
||
|
||
1. **用户基础大**：微信12亿用户，无需推广获客
|
||
2. **无需安装**：打开即用，不占手机空间
|
||
3. **开发效率高**：一套代码多端运行
|
||
4. **维护成本低**：云端更新，用户无感知
|
||
|
||
相比APP，小程序更适合学生群体，他们手机存储有限，更喜欢轻量级应用。
|
||
|
||
**关键词**：用户基础、无需安装、开发效率、维护成本低
|
||
|
||
---
|
||
|
||
### Q3.2：为什么选择Canvas而不是图表库？
|
||
**推荐回答**（30秒）：
|
||
|
||
我们选择Canvas自研图表有3个原因：
|
||
|
||
1. **高度定制**：完全控制样式、动画、交互
|
||
2. **性能更好**：无第三方库依赖，体积小
|
||
3. **学习价值**：深入理解图表绘制原理
|
||
|
||
使用第三方库虽然方便，但会增加体积（通常200KB+），而我们的Canvas方案只增加50KB代码，且完全符合设计需求。
|
||
|
||
**关键词**：定制化、性能、学习价值、体积小
|
||
|
||
---
|
||
|
||
### Q3.3：为什么选择DeepSeek而不是ChatGPT？
|
||
**推荐回答**（25秒）：
|
||
|
||
选择DeepSeek的原因：
|
||
|
||
1. **国内访问稳定**：不需要VPN，响应速度快
|
||
2. **API价格低**：相比ChatGPT便宜70%
|
||
3. **中文理解强**：专门针对中文优化
|
||
4. **支持流式响应**：用户体验更好
|
||
|
||
虽然ChatGPT功能更强，但考虑到稳定性和成本，DeepSeek更适合我们的场景。
|
||
|
||
**关键词**：国内稳定、价格低、中文优化、流式响应
|
||
|
||
---
|
||
|
||
### Q3.4：为什么使用本地存储而不是云数据库？
|
||
**推荐回答**（30秒）：
|
||
|
||
现阶段使用`wx.storage`本地存储有3个优势：
|
||
|
||
1. **零成本**：不需要服务器和数据库
|
||
2. **响应快**：本地读写，毫秒级响应
|
||
3. **隐私保护**：数据只在用户手机，不上传
|
||
|
||
未来规划中会增加云同步功能，届时用户可以选择是否上传数据到云端，实现多设备同步。
|
||
|
||
**关键词**：零成本、响应快、隐私保护、未来云同步
|
||
|
||
---
|
||
|
||
## 4. 性能优化类（🔥新增）
|
||
|
||
### Q4.1：你们说删除了215行代码，为什么要删除功能？
|
||
**推荐回答**（40秒）：
|
||
|
||
我们删除的是**学习活跃度热力图**功能，原因有4点：
|
||
|
||
1. **功能冗余**：与其他图表重复，学习时长已在饼图中展示
|
||
2. **性能负担**：需要生成90天×7列=630个DOM元素，占用大量内存
|
||
3. **用户价值低**：测试反馈显示，用户更关注能力画像和GPA预测
|
||
4. **聚焦核心**：删除后页面更简洁，核心功能更突出
|
||
|
||
删除后，页面加载速度提升30%，内存占用降低，用户体验反而更好。这体现了**"Less is More"**的设计理念。
|
||
|
||
**关键词**：冗余功能、性能优化、用户价值、Less is More
|
||
|
||
---
|
||
|
||
### Q4.2：页面加载速度提升30%是怎么做到的？
|
||
**推荈回答**（35秒）：
|
||
|
||
我们采取了5项优化措施：
|
||
|
||
1. **删除冗余功能**：减少215行代码和100+ DOM节点
|
||
2. **懒加载**：图表延迟300ms渲染，优先显示文字内容
|
||
3. **批量写入**：数据追踪使用节流，减少存储操作
|
||
4. **减少循环**：优化数据处理逻辑，减少90次计算
|
||
5. **代码分离**：工具函数独立文件，按需加载
|
||
|
||
最终实现首屏加载< 1.2秒，比优化前快了30%。
|
||
|
||
**关键词**：删除冗余、懒加载、批量写入、减少循环、代码分离
|
||
|
||
---
|
||
|
||
### Q4.3：如何保证数据追踪不影响性能？
|
||
**推荐回答**（30秒）：
|
||
|
||
我们使用了3种优化策略：
|
||
|
||
1. **节流控制**：不是每秒都写入，而是每10秒批量写入一次
|
||
2. **异步处理**：使用`setTimeout`异步写入，不阻塞主线程
|
||
3. **数据压缩**：只存储必要字段，减小存储体积
|
||
|
||
实测表明，数据追踪对性能的影响< 5%，用户完全感知不到。
|
||
|
||
**关键词**：节流、异步、数据压缩、影响<5%
|
||
|
||
---
|
||
|
||
### Q4.4：Canvas图表的性能如何？会卡顿吗？
|
||
**推荐回答**（30秒）：
|
||
|
||
Canvas图表经过优化，性能表现优异：
|
||
|
||
1. **延迟渲染**：页面加载后300ms才绘制，避免阻塞
|
||
2. **高分辨率适配**：根据设备`pixelRatio`调整画布大小
|
||
3. **单次绘制**：每个图表只绘制一次，不重复渲染
|
||
4. **内存释放**：绘制完成后释放context，避免内存泄漏
|
||
|
||
实测在各种设备上都流畅运行，无卡顿现象。
|
||
|
||
**关键词**：延迟渲染、高分辨率、单次绘制、无卡顿
|
||
|
||
---
|
||
|
||
### Q4.5：安装包大小如何控制在800KB以下？
|
||
**推荐回答**（30秒）：
|
||
|
||
我们采取了4项压缩策略：
|
||
|
||
1. **图片压缩**：所有图片使用WebP格式，压缩率70%
|
||
2. **代码精简**：删除冗余代码，合并重复逻辑
|
||
3. **无第三方库**：Canvas自研，避免引入大型图表库
|
||
4. **按需加载**：非核心功能独立分包
|
||
|
||
最终主包< 800KB，符合微信小程序2MB限制，加载速度快。
|
||
|
||
**关键词**：图片压缩、代码精简、无第三方库、分包加载
|
||
|
||
---
|
||
|
||
## 5. 创新亮点类
|
||
|
||
### Q5.1：项目最大的创新点是什么？
|
||
**推荐回答**（35秒）：
|
||
|
||
我认为最大的创新点是**自动化数据追踪系统**。
|
||
|
||
传统学习管理软件都需要用户手动记录学习时间，这增加了使用成本，导致很多人放弃使用。
|
||
|
||
我们的系统采用**零侵入式设计**，在12个页面都集成了追踪器，用户只需正常使用，系统自动记录时长、分析习惯、生成画像。
|
||
|
||
这种"让数据自己说话"的理念，大大降低了使用门槛，提升了用户体验。
|
||
|
||
**关键词**：自动追踪、零侵入、降低门槛、数据自己说话
|
||
|
||
---
|
||
|
||
### Q5.2：GPA预测的创新之处在哪里？
|
||
**推荐回答**（30秒）：
|
||
|
||
市面上的GPA计算器只能计算当前GPA，我们的创新在于：
|
||
|
||
1. **智能预测**：基于多项式回归预测下学期GPA
|
||
2. **趋势分析**：显示成绩是上升还是下降，百分比多少
|
||
3. **可视化展示**：用折线图直观呈现
|
||
4. **置信度评估**：告诉用户预测的可信程度
|
||
|
||
这让学生不仅知道"现在如何"，还能知道"未来如何"。
|
||
|
||
**关键词**：智能预测、趋势分析、可视化、置信度
|
||
|
||
---
|
||
|
||
### Q5.3：AI助手相比市面上的AI有什么不同？
|
||
**推荐回答**（30秒）：
|
||
|
||
我们的AI助手有3个特色：
|
||
|
||
1. **场景化**：专门针对学习场景优化，理解课程、作业、考试等术语
|
||
2. **对话历史**：自动保存所有对话，方便回顾
|
||
3. **打字动画**：流式响应配合打字效果，更像真人对话
|
||
|
||
虽然底层使用DeepSeek，但我们做了很多产品化优化，提升了用户体验。
|
||
|
||
**关键词**：场景化、对话历史、打字动画、产品化
|
||
|
||
---
|
||
|
||
### Q5.4：数据可视化有什么特别之处？
|
||
**推荐回答**（30秒）：
|
||
|
||
我们的数据可视化有4个特点：
|
||
|
||
1. **自研Canvas**：完全自主开发，不依赖第三方库
|
||
2. **响应式设计**：适配不同屏幕尺寸和分辨率
|
||
3. **动画效果**：图表绘制有平滑动画，视觉体验好
|
||
4. **数据驱动**：全部基于真实数据，非静态图片
|
||
|
||
特别是雷达图的6维学习画像，是我们独创的评估体系。
|
||
|
||
**关键词**：自研Canvas、响应式、动画、真实数据
|
||
|
||
---
|
||
|
||
### Q5.5：持久化存储方案的创新在哪里？
|
||
**推荐回答**（30秒）：
|
||
|
||
我们的持久化方案创新点：
|
||
|
||
1. **真实数据**：不是演示数据，支持实际使用
|
||
2. **一键初始化**：提供控制台脚本，快速生成30天数据
|
||
3. **标准化存储**：8个核心存储键，结构清晰
|
||
4. **数据验证**：提供验证命令，确保数据正确
|
||
|
||
特别是一键初始化脚本，既方便答辩演示，也方便用户快速体验。
|
||
|
||
**关键词**：真实数据、一键初始化、标准化、数据验证
|
||
|
||
---
|
||
|
||
## 6. 数据安全类
|
||
|
||
### Q6.1：用户数据存在哪里？安全吗？
|
||
**推荐回答**（25秒）：
|
||
|
||
用户数据使用`wx.storage`存储在**用户手机本地**，不上传到任何服务器。
|
||
|
||
优点：
|
||
- ✅ 完全私密，只有用户自己能访问
|
||
- ✅ 不依赖网络，离线也能用
|
||
- ✅ 遵守微信小程序安全规范
|
||
|
||
缺点是无法多设备同步，这是未来需要改进的地方。
|
||
|
||
**关键词**：本地存储、私密安全、离线可用、微信规范
|
||
|
||
---
|
||
|
||
### Q6.2：数据会丢失吗？
|
||
**推荐回答**（20秒）：
|
||
|
||
正常使用不会丢失。`wx.storage`是持久化存储，关闭小程序、重启手机都不会丢。
|
||
|
||
只有两种情况会丢失：
|
||
1. 用户主动删除小程序
|
||
2. 微信清理缓存
|
||
|
||
建议用户定期在"个人中心"查看数据，确保正常。
|
||
|
||
**关键词**：持久化、不会丢失、删除小程序才丢
|
||
|
||
---
|
||
|
||
### Q6.3：AI对话内容会被保存吗？
|
||
**推荐回答**（20秒）：
|
||
|
||
会的。所有AI对话保存在`ai_chat_history`键中，**仅存储在用户本地手机**，不上传到服务器。
|
||
|
||
用户可以：
|
||
- 查看历史对话
|
||
- 手动删除对话
|
||
- 清空所有历史
|
||
|
||
我们完全尊重用户隐私。
|
||
|
||
**关键词**：本地保存、不上传、可删除、尊重隐私
|
||
|
||
---
|
||
|
||
## 7. AI功能类（🔥扩充）
|
||
|
||
### Q7.1：AI助手能回答所有问题吗？
|
||
**推荐回答**（25秒）：
|
||
|
||
不能保证100%回答所有问题。AI基于DeepSeek大模型，知识面很广，但也有局限：
|
||
|
||
- ✅ 擅长：学科知识、学习方法、概念解释
|
||
- ❌ 不擅长：实时信息（如今天天气）、主观判断
|
||
|
||
如果AI不确定答案，会诚实告知，建议用户查阅资料或咨询老师。
|
||
|
||
**关键词**：知识面广、有局限、诚实告知
|
||
|
||
---
|
||
|
||
### Q7.2：AI回答的准确性如何保证？
|
||
**推荐回答**（30秒）：
|
||
|
||
我们采取了3项措施：
|
||
|
||
1. **模型选择**：DeepSeek是经过大规模训练的成熟模型
|
||
2. **提示词优化**：在请求中强调"准确、专业、针对学生"
|
||
3. **免责声明**：提醒用户AI回答仅供参考
|
||
|
||
实测中，AI对常见学科问题的准确率在90%以上，但我们建议用户对重要问题多方验证。
|
||
|
||
**关键词**：成熟模型、提示词优化、准确率90%、建议验证
|
||
|
||
---
|
||
|
||
### Q7.3：AI对话的响应速度慢怎么办？
|
||
**推荐回答**（25秒）：
|
||
|
||
我们已经做了优化：
|
||
|
||
1. **流式响应**：不等全部生成完才显示，边生成边展示
|
||
2. **打字动画**：让等待过程不枯燥
|
||
3. **Loading提示**：明确告知AI正在思考
|
||
|
||
正常情况下，1-2秒就能开始显示回复。如果网络差，可能会慢一些，这时会显示"网络较慢"提示。
|
||
|
||
**关键词**：流式响应、打字动画、1-2秒、网络提示
|
||
|
||
---
|
||
|
||
### Q7.4：为什么不做语音对话功能？
|
||
**推荐回答**（25秒）：
|
||
|
||
主要考虑3点：
|
||
|
||
1. **使用场景**：学生多在教室、图书馆等安静场所，语音不方便
|
||
2. **技术成本**：语音识别需要额外API，增加成本
|
||
3. **开发周期**：当前聚焦核心功能，语音是未来规划
|
||
|
||
短期内文字对话已经能满足需求，未来版本会考虑加入语音。
|
||
|
||
**关键词**：使用场景、成本考虑、未来规划
|
||
|
||
---
|
||
|
||
## 8. 团队协作类
|
||
|
||
### Q8.1：团队是如何分工的？
|
||
**推荐回答**（30秒）：
|
||
|
||
我们团队X人，分工如下：
|
||
|
||
- **前端开发**（X人）：负责页面开发、组件封装
|
||
- **后端集成**（X人）：负责API对接、数据处理
|
||
- **UI设计**（X人）：负责视觉设计、交互设计
|
||
- **数据算法**（X人）：负责GPA预测、数据追踪算法
|
||
- **文档撰写**（X人）：负责技术文档、答辩资料
|
||
|
||
大家协作紧密，定期Code Review，保证代码质量。
|
||
|
||
**关键词**：分工明确、协作紧密、Code Review
|
||
|
||
---
|
||
|
||
### Q8.2：开发周期多长？
|
||
**推荐回答**（25秒）：
|
||
|
||
项目从立项到完成，历时约**X周**：
|
||
|
||
- 第1-2周：需求分析、技术选型、架构设计
|
||
- 第3-6周：核心功能开发
|
||
- 第7-8周：AI集成、数据可视化
|
||
- 第9-10周：性能优化、bug修复
|
||
- 第11-12周：文档撰写、答辩准备
|
||
|
||
期间经历了X次大的迭代优化。
|
||
|
||
**关键词**：X周、分阶段开发、X次迭代
|
||
|
||
---
|
||
|
||
### Q8.3：使用了哪些协作工具？
|
||
**推荐回答**（20秒）：
|
||
|
||
主要使用3类工具：
|
||
|
||
1. **版本控制**：Git + GitHub，管理代码版本
|
||
2. **即时通讯**：微信群，实时讨论问题
|
||
3. **文档协作**：腾讯文档，共同编辑文档
|
||
|
||
这些工具保证了团队高效协作。
|
||
|
||
**关键词**：Git、微信群、腾讯文档、高效协作
|
||
|
||
---
|
||
|
||
## 9. 未来规划类
|
||
|
||
### Q9.1：项目后续有什么计划？
|
||
**推荐回答**（40秒）：
|
||
|
||
我们有清晰的三阶段规划：
|
||
|
||
**短期（1-3个月）**：
|
||
- 数据云同步功能
|
||
- 多端适配（Web版、iPad版）
|
||
- AI语音识别
|
||
- 社交功能扩展
|
||
|
||
**中期（3-6个月）**：
|
||
- 接入真实教务系统
|
||
- 课程推荐算法
|
||
- 学习计划功能
|
||
- 班级排名功能
|
||
|
||
**长期愿景**：
|
||
- 打造校园学习生态
|
||
- 服务全国高校
|
||
- 构建学习数据库
|
||
|
||
**关键词**：三阶段规划、云同步、教务系统、学习生态
|
||
|
||
---
|
||
|
||
### Q9.2：如何实现盈利？
|
||
**推荐回答**（30秒）：
|
||
|
||
当前阶段免费使用，未来可能的盈利模式：
|
||
|
||
1. **增值服务**：高级数据分析报告、个性化学习方案（付费）
|
||
2. **广告合作**：教育培训机构广告（不影响体验）
|
||
3. **企业版**：为高校提供定制版本（B端收费）
|
||
4. **数据服务**：匿名化的学习数据分析（需用户授权）
|
||
|
||
但核心功能永久免费。
|
||
|
||
**关键词**：核心免费、增值服务、广告、企业版
|
||
|
||
---
|
||
|
||
### Q9.3：会开源吗？
|
||
**推荐回答**（20秒）：
|
||
|
||
计划部分开源。核心工具库（如`learningTracker`、`gpaPredictor`）会开源，方便社区使用和改进。
|
||
|
||
但完整项目代码暂不开源，因为：
|
||
1. 包含商业计划
|
||
2. 需要保护用户数据
|
||
3. 防止恶意抄袭
|
||
|
||
**关键词**：部分开源、工具库开源、完整代码不开源
|
||
|
||
---
|
||
|
||
## 10. 困难挑战类
|
||
|
||
### Q10.1：开发过程中遇到的最大困难是什么？
|
||
**推荐回答**（35秒）：
|
||
|
||
最大困难是**GPA预测算法的准确性**。
|
||
|
||
初期使用简单的平均值预测，准确度只有60%。后来我们：
|
||
1. 研究了多项式回归算法
|
||
2. 考虑学期权重和课程难度
|
||
3. 增加置信度评估
|
||
4. 用真实数据验证调优
|
||
|
||
经过3周努力，准确度提升到85%以上。这个过程让我们深刻理解了算法优化的重要性。
|
||
|
||
**关键词**：GPA预测、从60%到85%、多项式回归、3周优化
|
||
|
||
---
|
||
|
||
### Q10.2：Canvas图表开发中有什么挑战？
|
||
**推荐回答**（30秒）：
|
||
|
||
主要挑战是**响应式适配**。
|
||
|
||
不同设备的屏幕尺寸、像素密度（pixelRatio）不同，图表容易模糊或变形。我们的解决方案：
|
||
|
||
1. 获取设备`pixelRatio`，动态调整Canvas尺寸
|
||
2. 使用相对单位（rpx），而非绝对像素
|
||
3. 在多种设备上测试（iPhone、Android、iPad）
|
||
4. 建立Canvas绘制规范文档
|
||
|
||
最终实现了完美适配。
|
||
|
||
**关键词**：响应式、pixelRatio、相对单位、多设备测试
|
||
|
||
---
|
||
|
||
### Q10.3：AI集成遇到了什么问题？
|
||
**推荐回答**（30秒）：
|
||
|
||
主要问题是**响应延迟**。
|
||
|
||
DeepSeek API响应需要3-5秒，用户体验差。解决方案：
|
||
|
||
1. **流式响应**：使用SSE，边生成边显示
|
||
2. **打字动画**：让等待过程有趣
|
||
3. **Loading提示**：告知AI正在思考
|
||
4. **错误处理**：网络超时友好提示
|
||
|
||
优化后，感知延迟降到1-2秒。
|
||
|
||
**关键词**：响应延迟、流式响应、打字动画、优化到1-2秒
|
||
|
||
---
|
||
|
||
### Q10.4：性能优化过程中有什么取舍？
|
||
**推荐回答**（30秒）：
|
||
|
||
最大的取舍是**删除学习活跃度热力图**。
|
||
|
||
这个功能开发花了2天，代码215行，但测试发现：
|
||
1. 性能负担重（630个DOM元素）
|
||
2. 用户关注度低
|
||
3. 与其他功能重复
|
||
|
||
经过团队讨论，决定删除。虽然有些不舍，但"Less is More"，聚焦核心功能更重要。
|
||
|
||
**关键词**：删除热力图、性能vs功能、Less is More、聚焦核心
|
||
|
||
---
|
||
|
||
## 11. 应急处理类
|
||
|
||
### Q11.1：如果演示时网络断了怎么办？
|
||
**推荐回答**（20秒）：
|
||
|
||
大部分功能离线可用：
|
||
- ✅ 课表、课程、GPA、倒计时（本地数据）
|
||
- ✅ 数据可视化（本地计算）
|
||
- ❌ AI助手（需要网络）
|
||
|
||
如果网络断了，可以演示离线功能，并说明AI助手需要联网。已准备截图作为备用。
|
||
|
||
**关键词**：离线可用、本地数据、备用截图
|
||
|
||
---
|
||
|
||
### Q11.2：如果评委质疑GPA预测不准确怎么办？
|
||
**推荐回答**（25秒）：
|
||
|
||
诚实回应：
|
||
|
||
"预测算法基于历史数据和统计模型，准确度85%左右，但不能保证100%准确。影响因素很多，比如课程难度变化、个人状态等。
|
||
|
||
我们的目标是提供**参考趋势**，帮助学生提前规划，而不是精确预言。这和天气预报类似，有一定误差是正常的。"
|
||
|
||
**关键词**：85%准确、参考趋势、不是精确预言、类比天气预报
|
||
|
||
---
|
||
|
||
### Q11.3：如果被问到没准备的技术问题怎么办？
|
||
**推荐回答**（20秒）：
|
||
|
||
坦诚回应：
|
||
|
||
"这是一个很好的问题。坦白说，这方面我了解不深，需要进一步学习。不过我可以分享一下我们在X方面的思考..."
|
||
|
||
然后转到自己熟悉的领域。切忌不懂装懂。
|
||
|
||
**关键词**：坦诚、需要学习、转到熟悉领域、不懂装懂
|
||
|
||
---
|
||
|
||
## 📝 答辩技巧总结
|
||
|
||
### STAR法则应答
|
||
- **S**ituation（情境）：简述背景
|
||
- **T**ask（任务）：说明目标
|
||
- **A**ction（行动）：详述措施
|
||
- **R**esult（结果）：量化成果
|
||
|
||
### 回答要点
|
||
1. **简洁明了**：每个问题控制在20-40秒
|
||
2. **数据支撑**：用具体数字说话（85%、215行、30%）
|
||
3. **关键词强调**：说到重点时放慢语速
|
||
4. **诚实谦虚**：不懂的问题坦诚说明
|
||
5. **积极转化**：把质疑转化为改进方向
|
||
|
||
### 应急策略
|
||
- **忘记答案**：先说结论，再补充细节
|
||
- **问题超纲**：坦诚说明，转到相关话题
|
||
- **时间不够**：先说核心，再补充
|
||
- **被打断**：礼貌回应，简短回答
|
||
|
||
---
|
||
|
||
**充分准备，灵活应变，自信答辩！** 🎉
|