前端开发岗，毕设答辩是否要懂后端？担心被导师拷打

### 问题描述 我想向鱼皮哥提出本科毕业论文选题、毕业设计以及答辩相关的问题，并寻求一些建议。 ### 背景信息 本人是前端开发职位，后端仅学过java基础部分 ### 具体需求 目前打算用鱼皮哥的智能协同云图库项目作为毕设，因为我是前端嘛，如果这个作为毕设的话，后端部分也需要跟着敲完吗？然后就是答辩老师问的问题都是偏向后端的，怕到时候问的答不出来，需要去补充java后端方面的知识吗？比如数据库和springboot框架等。

搭了个毕设一键生成skill，顺手测了下AIGC检测的底裤

最近毕业季嘛，偶尔有一些学弟学妹来问我毕设的问题。同时刷到不少关于AIGC率的讨论，一些官方账号也在发相关内容。  我作为25届毕业生，当时通知说会做AIGC率检测，就特地把论文写得比较口语化，避免AIGC率太高。最终查出来百分之十几，很幸运地躲过了反复修改的折磨。 但我就突然好奇一个事儿——如果一篇论文，从头到尾一个字都不改，全让AI写，知网到底能查出来多少？ 为了搞明白，我没去折腾什么降AI技巧，干脆自己搭了个“计算机毕设全流程生成”的Skill。输入课题名和大纲，剩下的代码、论文、配图全交给AI。然后我挑了6个国产大模型，各跑了一遍，生成完直接送去知网检测。 结果怎么说呢……挺讽刺的。 ## 先说说我搭的那个“计算机毕设全流程生成”的skill是啥 说白了就是一个自动化流程，用户只需要告诉我两个东西： - 课题叫啥（比如“基于啥啥啥的啥啥系统”） - 论文大纲想展示哪些模块 剩下的我就全扔给AI了，包括： - 完整的项目代码，能跑的那种 - Word格式的毕业论文，摘要、目录、正文、致谢全齐，图表公式都给你安排好 - 系统截图、流程图之类的配图，AI直接出图 重点来了——整个过程没经过任何人工润色。生成啥样就啥样，一字不改。 skill 已开源：https://github.com/the-qian/thesis-forge-skill  ## 测试标准以及我挑了哪六个国产模型来“作案” 用 Claude Code 作为代码和论文的生成工具，大模型均使用官方 API 直接调用，不用任何 Coding Plan 以及第三方 API 平台。因为全部走官方 API，所以这次测评不包含 GPT 等国外模型——一是太麻烦，二是太贵了，钱包有限。 具体参与评测的国产模型： DeepSeek-V4-Pro、glm-5.1、doubao-seed-2-0-pro-260215、kimi-k2.6、qwen3.7-max、mimo-v2.5-pro，基本覆盖了国内主流的模型。 提示词统一为： ``` 帮我完成毕业设计及论文 课题：《基于SpringBoot的人事管理系统的设计与实现》 论文：中文字数8000–10000字，完整8章结构（摘要、绪论、相关技术、需求分析、系统设计、系统实现、系统测试、总结与展望、致谢、参考文献10篇以上） ```  ## 检测结果 | 模型 | AIGC率 | | -------------------------- | ------ | | DeepSeek-V4-Pro | 24.6% | | glm-5.1 | 20% | | doubao-seed-2-0-pro-260215 | 34.5% | | kimi-k2.6 | 13.2% | | qwen3.7-max | 29.7% | | mimo-v2.5-pro | 20.2% | 我的大学要求AIGC率不高于30%，目前来看这帮AI写的论文大部分都压线过了这个标准。也许是工科的论文天然比较抗AIGC检测？搞不太懂…… ## AIGC检测的原理 我在专利检索网站上查到了知网申请的两个AIGC检测相关专利：   大概包含三个方面的检测： 1. **看行文习惯**：AI写的文字句式、长短、用词都特别规整顺滑，很少有起伏；人写的会忽长忽短、用词更随性，偶尔还有口语化、思维跳跃的痕迹。 2. **算文字“陌生度”**：AI产出的内容套路固定，机器很容易预判下一句话是什么；人写的想法多变，预判难度更高。 3. **双重核对**：先用简单特征快速筛出可疑内容，再用AI模型深度判断，最后还会把原文重新改写一遍来对比——AI文改写后变化很小，人写的内容改写后差别会更明显。 ------ 说了这么多，不是教大家怎么糊弄毕业，而是想说——AIGC检测这东西，真不能当成一个硬性标准来卡学生。比方说AIGC率超过某个阈值，完全可以结合答辩表现，看看这个学生是不是真的认真完成了毕设。 最后我要吐槽一下，知网的查重是真贵啊！ 

本科毕业答辩：技术问题答不上来？没事，都能过

刚刚经历完本科毕业答辩，也算快正式毕业了。 前面那些繁琐的准备工作就不说了。最有意思的，是**提问环节**——也是最多同学关心的地方。 一般一个人答辩不超过20分钟：15分钟 PPT + 系统展示，最后5分钟提问。大部分人的课题都是基于 Spring Boot 的 XXX 系统，从这个背景出发，老师问的技术问题其实都很基础。如果你出去找过开发实习、真正面试过，这些问题，真的不难。 ## 一、经典问题：库存扣减 很多同学会做电商系统，那就一定有库存扣减模块。老师就会问：**“如果多个人同时下单，或者一个人同时发出多次请求，会出现什么问题？怎么解决？”** 这就是经典的线程安全问题，核心就两个字：**加锁**。解决方案无非就是乐观锁、CAS+自旋，或者直接上 `synchronized`。反正毕业项目肯定是单体，别提什么分布式锁了，用不上。前端也可以做防抖，避免单个用户连点导致重复请求。 就这么基础的问题，很多同学答不上来，甚至没理解到点上。 ## 二、技术选型：为什么你不用 MyBatis Plus？ 主流的ORM框架是 MyBatis Plus。但有的同学用了 JPA，或者其他框架。老师就会疑惑：**“你为什么不用 MyBatis Plus？”** 因为正常搭配 Spring Boot 的ORM框架都是 MyBatis。SSM 框架里的 M 就是 MyBatis，Plus版本能更少写 SQL、更多操作对象。 这个问题怎么来的？大概率是这位同学的项目直接让 AI 生成的，没指定技术栈，AI 就默认选了个 JPA。别问我怎么知道的——byd我之前用 AI 初始化项目，它特么默认给我选的也是 JPA，很奇怪。我当场勒令 AI：“给我改回 MyBatis Plus。”(╯‵□′)╯︵┻━┻ ## 三、写了什么技术，系统里必须有体现 如果你写了什么技术、什么功能，一定得在系统里体现出来。老师肯定会问。 比如你写了 Spring Cloud、Redis、MQ，或者 AI 相关的技术，你得知道： - 这个技术在系统里哪里用到了？ - 它的原理是什么？ - 有什么优缺点？ - 这个功能的执行流程是怎样的？ 我看见有位同学写了 AI 功能，老师就问：**“AI 记忆系统怎么做的？向量数据库的嵌入和召回机制是什么？”** ——这是真的会问的。 ## 四、登录功能：JWT Token 是送分题 几乎所有同学都会介绍登录功能，大多数用 JWT Token。 老师问的问题也很基础： 刚开始可能会问系统安全性如何保证 ， JWT TOKEN适合跨服务系统，为什么你单体项目用这个？然后老师可能发现答不上来就降低难度了，后面的同学就会问 **Token 是干嘛的？Token 里包含什么信息？** 都是很基础的问题。当然，这是对于找开发岗位的同学来说。很多同学可能并不干计算机这行，答不上来也很正常，本来就是混个毕业。 我们老师也说了：**答不出来无所谓，无非就是分高分低的问题。** 只要你不骑在老师头上拉屎，还问他要纸，大概率都能过。 编程导航里的同学就不祝答辩顺利了，你们就当顺手参加了个线下面试吧。^_^

麻烦请大家给些建议

最近要搞毕设，个人几乎没有什么基础，边看边学勉勉强强把用户中心写了出来想当做毕设，导师说是功能太少不能体现工作量，要求我多加一些功能，各位能不能给一些相对简单，但是能让老师看觉得比较有工作量的功能推荐一下，不求实用，能体现工作量就好，只求混到毕业证。

最近赶毕设才发现云图库能用四张表做出那么完善的东西，是多么强大的概括能力.. 我为了给我的毕设堆料（工作量不足懂的都懂），已经来到了17张，成为了亲手堆积的一座史山，mp在多表查询还真不如自己在baseMapper里面自己写sql😇 以及初步明白了MVC是何等的史（，一开始抽了读写分离，后面隔离了专门的业务编排层，询问AI好像有DDD的雏形了，后面做项目或许可以多学学研究一下组织 感觉现在AI时代，古法编程可能逐渐淘汰，但是该学的东西和怎么设计一个系统架构的道层面一个不能少啊，这个好像还是只能经验判断，经验判断怎么写一个以后可能用得上的东西😭 最后就是迷茫于作为新时代程序员何去何从吧，AI代码写的又快又好，各种小细节很丝滑，虽然目前还在坚持review,感觉过不了多久就会完全变懒了，唉

导师建议我把毕设申请软著，是否有坑？

毕设指导老师说当前我的毕业设计可以去申请软著，但要署名时加上学院和它的名字，有人能说明一下利害情况吗？

超级智能体那个项目，能作为毕设吗，好像内容有点少，能加什么进去好呢

毕设项目该怎么选择？ 请教大家，如果用咱们编程导航的项目做毕设的话，有什么推荐吗？做哪个比较合适？

目前大四在做毕设，选择了鱼皮项目中的云图库来充当毕设，在上周组会给老师演示被批评说功能太少了，一下弄的我全无斗志，求助朋友们有没有功能扩展方面的建议呢😩

智能 AI 校园二手交易平台开源项目（Vue3+TypeScript+SpringBoot+Redis）适用毕设课设简历项目

# 智能 AI 校园二手交易平台 >作者：[程序员小白条](https://luoye6.github.io/) > >[Gitee 主页](https://gitee.com/falle22222n-leaves) > >[GitHub 主页](https://github.com/luoye6) ## ☀️新手必读 + 本项目支持 Knife4j 在线接口调用（需在全局参数中添加有效 Token） + 未经本人允许擅自将本项目作于商用、竞赛、贩卖源码、毕设擅自改动作者等违法行为，将依法追究法律责任，后果自负，项目已申请软件著作权。 + 如果项目对您有所帮助，可以Star⭐一下，受到鼓励的我会继续加油。 + [项目前端地址](https://gitee.com/falle22222n-leaves/vue3_trade_frontend) + [项目后端地址](https://gitee.com/falle22222n-leaves/vue3_trade_backend) [](https://gitee.com/falle22222n-leaves/vue_-book-manage-system) ## ☀️项目介绍 **智能 AI 校园二手交易平台**（Intelligent AI Campus Second-hand Trading Platform）是一个利用 AI 模型和数据分析为用户提供个性化二手商品推荐、商品评分、交易攻略分享等功能的综合性系统。该系统融合了 AI 购物顾问、图表数据分析、买家留言、购物日历、商品浏览、攻略收藏、聊天室互动等多种功能，项目功能总计 20+，并支持拓展会员功能以实现商业化处理。 > Ps：如果你想要一个既简单又新颖的校园二手交易工具，那么这个项目将会是不错的选择~ <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/Ee5HKlWrFeQOiZs6.webp" alt="" width="100%" />  <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/cIY0fpR1RXavEBkb.webp" alt="" width="100%" /> ## ☀️功能和特性 ### 用户功能 1）**欢迎页**：介绍项目的功能、亮点以及如何使用。 2）**主页**：使用 Swiper 轮播图展示亮点商品图片，吸引用户眼球。 3）**公告浏览**：查看近期管理员发布的公告，获取最新平台动态。 4）**买家留言**：支持弹幕留言功能，用户可以进行添加，并使用弹幕玩法（继续、暂停、显示、隐藏、加速、减速）。 5）**二手商品交易攻略分享**：用户可以分享二手商品交易攻略，**使用 Markdown 编辑器**。可以浏览他人分享的交易攻略（分页，支持模糊搜索帖子标题）。 6）**AI 对话**：用户可以与 **AI 购物顾问**进行聊天，AI 会根据用户的偏好推荐二手商品，并采用协同过滤推荐算法提升推荐精准度。AI 会在数据库层面查询商品和价格以及新旧程度，然后根据用户现有的余额进行适配性推荐。 7）**商品列表**：展示所有二手商品，支持评分、浏览量、收藏量等功能，帮助用户快速了解热门商品。 8）**商品推荐**：根据协同过滤算法推荐商品，本质是基于商品评分。 9）**个人主页**：展示个人购物记录日历（直接用 0 和 1 展示是否绿色购物），个人订单详情查看，个人评论查看，收藏的二手商品攻略查看，个人详情信息查看，聊天室功能（用户和管理员进行对话，支持 Emoji 表情包）。 10）**注册功能**：用户输入账号、密码，重复确认密码后完成注册。 ### 系统管理员功能 1）**用户管理**：编辑用户、查看用户、删除用户，支持分页和模糊查询（用户名和用户简介）。 2）**公告管理**：发布新公告、修改公告、删除公告，支持分页。 3）**二手商品攻略管理**：添加新攻略、修改攻略、删除攻略，支持分页和模糊查询（帖子标题、内容、标签、用户 ID）。 4）**AI 对话管理**：删除用户与 AI 的对话记录，支持分页和模糊查询（用户 ID、用户输入、AI 生成内容）。 5）**商品管理**：添加新商品、修改商品、删除商品，支持分页和模糊查询（商品名、商品描述）。 6）**商品类别管理**：添加新类别、修改类别、删除类别，支持分页和模糊查询（类别 ID、类别名称）。 7）**商品订单管理**：查看、修改、删除用户订单，支持分页和模糊查询（订单 ID、用户 ID、订单状态）。 8）**商品评分管理**：查看、修改商品评分，支持分页和模糊查询（商品 ID、用户 ID、评分）。 **欢迎页 和 个人主页 同用户一致。** ### 特性（亮点） 1）**前后端分离架构**：本项目采用前后端分离的模式，前端构建页面，后端提供数据接口，前端调用后端接口获取数据并重新渲染页面。 2）**Token 认证机制**：前端在 Authorization 字段提供 Token 令牌，API 认证使用 Token 认证，使用 HTTP Status Code 表示状态，数据返回格式使用 JSON。 3）**跨域支持与权限校验**：后端已开启 CORS 跨域支持，采用权限拦截器进行权限校验，并检查登录情况。 4）**全局异常处理**：添加全局异常处理机制，捕获异常，增强系统健壮性。 5）**数据可视化**：前端使用 Echarts 可视化库实现商品热度分析图表（折线图、饼图），并通过 Loading 配置提升加载体验。 6）**接口文档自动化**：引入 knife4j 依赖，使用 Swagger + Knife4j 自动生成 OpenAPI 规范的接口文档，前端可以直接通过 Package.json 文件中的 openapi 命令生成前端接口请求代码和类型代码（高效）。 7）**组件库与权限管理**：使用 ElementUI PLUS 组件库进行前端界面搭建，快速实现页面生成，并实现前后端统一权限管理、多环境切换等功能。 8）**灵活查询与代码生成**：基于 MyBatis Plus 框架的 QueryWrapper 实现对 MySQL 数据库的灵活查询，并配合 MyBatisX 插件自动生成后端 CRUD 基础代码，减少重复工作。 9）**代码生成器**：后端 FreeMarker 模版自带代码生成器，一键生成 Controller、Service、DTO、VO 等功能，稍加修改即可实现传统增删改查。 10）**性能优化**：前端路由懒加载、CDN 静态资源缓存优化、图片懒加载效果，提升用户体验。 11）**AI 购物顾问**：AI 充当购物顾问，AI 模型可以随时切换版本，支持接入其他 AI 模型接口，直接下载官方 Java 工具类即可集成到本项目。 12）**购物日历与互动功能**：引入购物日历记录功能，支持绿色购物标记（0 和 1 表示），并集成攻略评论、收藏、浏览量等功能，与传统增删改查项目有显著区别。 13）**样式美观与适配**：本项目注重样式美观，部分功能在手机端也有良好的适配效果，并支持全局样式一键切换。 ## ☀️运行方式 ### 2 分钟快速上手使用项目 1）找到 SpringBoot 启动类，点击运行 <img src="https://pic.code-nav.cn/migrate_image/f425995e3648a02a0d261389c29ec228.webp"/> 2）打开 Knife4J 在线接口调用地址，先需要登录获取 Token，然后在全局参数上加上即可。   3）前端输入表单内容后点击登录即可成功，开始愉快使用功能~ <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/XlHi16xfPWhSwEVa.webp" alt="" width="100%" /> pi.icu/5563/202503171234840.png>)  ## ☀️部署方式 ### 前置条件 **前端** 软件：Vscode 或者 Webstorm（推荐） 环境：Node 版本 16 或者 18（推荐） **注：千万别选 18 以上的版本！**（版本不同，大概率导致项目报错） **后端** 软件：Eclipse 或者 IDEA（推荐） 环境：MySQL 5.7 或者 8.0（推荐）Redis 3.2或以上（必须，选择 Windows 版本，看个人电脑） ### 前端部署 1）点击克隆/下载项目，会使用 Git 进行版本控制的，推荐 Git Clone，不会的小伙伴可以选择下载一个 Zip 压缩包，然后解压到自己电脑的 D 盘，推荐直接 Star，后续直接向我拿数据库模拟文件和 API 接口文档。 2）利用 Vscode 或者 Webstorm 打开前端页面，配置 Configuration。配置 Node 环境和包管理工具即可，我这边选择的包管理工具是 Npm，其他包管理工具如：Yarn、Cnpm、Pnpm 皆可。 **注：注意更改 Npm 的镜像地址为淘宝的新镜像地址，否则会出现 Npm Install 一直卡进度条的情况。** 3）直接点击 dev 的运行，或者打开控制台，输入 npm run serve 即可成功启动前端项目。 ```shell npm config set registry https://registry.npmmirror.com/ ```   <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/rHBt67e4bDGdV3Gp.webp" alt="" width="100%" />  <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/K4cb21kKje98macP.webp" alt="" width="100%" /> 4）将图片链接进行自定义切换，可以切换为你自己的图床的图片链接，比如七牛云、GitHub 等，也可以寻找在线图片，复制百度文库图片链接（多试几次，有些图片有防盗链）。  ### 后端部署 1）点击克隆/下载项目，会使用 Git 进行版本控制的，推荐 Git Clone，不会的小伙伴可以选择下载一个 Zip 压缩包，然后解压到自己电脑的 D 盘，建议收藏项目，后续方便获取相关版本更新信息，也可以 Fork 到自己的本地仓库，拷贝副本。  <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/6xCzdUMMq5hs2DmI.webp" alt="" width="100%" /> 2）领取数据库模拟文件后，利用 Navicat 或者 SQLYog 等软件导入数据库文件，记得先建立一个名为 tourism 的数据库，然后右键点击运行 SQL 文件即可，运行成功，无报错后，重新打开数据库，检查是否有数据，如果有数据，表明导入成功。 <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/3qn5KjqpGflX50OD.webp" alt="" width="100%" />  <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/M9oRnWmxtVaAnIUn.webp" alt="" width="100%" /> 3）用 IDEA 打开后端项目，找到 application-dev.yml 文件，修改其中的 MySQL 配置，保证用户名和密码正确，**注：密码不能以数字 0 开头，本机密码简单为主，不是远程服务器密码！**   4）导入 Maven 依赖，注意看自己的 Maven 版本是否正确，建议选择跟我一样的，3.8以上的版本，发现依赖导入很慢，是因为没有配置国内镜像，默认连接的是国外服务器，因此阿里云镜像配置可以看这篇博客。[CSDN Maven 配置教程](https://blog.csdn.net/lianghecai52171314/article/details/102625184?ops_request_misc=&request_id=&biz_id=102&utm_term=Maven)  5）找到 SpringBoot 启动类，我建议用 Debug 模式启动项目，更好排查错误。  <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/QZi786wr9fLqOdjN.webp" alt="" width="100%" /> 1158118402/TO6k5Th5QxiQQmqe.webp) 6）如果遇到错误，大概率可能是 JDK 版本问题，我项目用的是 JDK 8，建议选择与我相同版本。    7）成功启动项目效果展示如下，注意端口号占用等情况，可以直接用 TaskKill /PID ，杀死原有进程即可，具体命令可以百度哦。  ### 前后端联调 <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/ci9F2HTAofMA0bJj.webp" alt="" width="100%" />  1）如果需要修改端口和前缀（比如/api），需要同时修改前端和后端。   ## ☀️技术选型 ### 前端 | 技术 | 作用 | 版本 | | :---------------- | :---------------- | :----- | | Vue | 提供前端交互 | 3.2.13 | | Vue Router | 提供前端路由功能 | 4.0.3 | | Pinia | 状态管理 | 2.1.4 | | Axios | HTTP 请求库 | 1.4.0 | | ECharts | 数据可视化图表库 | 5.4.2 | | MD Editor V3 | Markdown 编辑器 | 4.8.1 | | NProgress | 页面加载进度条 | 0.2.0 | | QRCode Vue3 | 生成二维码 | 1.7.1 | | Vue Clipboard3 | 剪贴板功能 | 2.0.0 | | Vue3 Danmaku | 弹幕功能 | 1.6.1 | | Element Plus | UI 组件库 | 2.9.0 | | TypeScript | JavaScript 的超集 | 4.5.5 | | ESLint | 代码检查工具 | 7.32.0 | | Prettier | 代码格式化工具 | 2.4.1 | | Sass | CSS 预处理器 | 1.63.6 | | mitt | 全局事件总线 | 3.0.1 | | Vue3 Emoji Picker | Emoji 表情包支持 | 1.1.8 | ### 后端 | 技术 | 作用 | 版本 | | :----------------------------- | :------------------ | :------- | | SpringBoot | 后端框架 | 2.7.2 | | MyBatis Plus | ORM 框架 | 3.5.2 | | Redis | 缓存数据库 | - | | Elasticsearch | 搜索引擎 | - | | Knife4j | Swagger 增强工具 | 4.4.0 | | QCloud COS | 腾讯云对象存储 | 5.6.89 | | EasyExcel | Excel 操作库 | 3.1.1 | | Hutool | Java 工具库 | 5.8.8 | | Lombok | 简化 Java 代码 | - | | JWT | JSON Web Token | 0.9.0 | | OkHttp | HTTP 客户端 | 4.10.0 | | Guava | Google 工具库 | 30.1-jre | | Jsoup | HTML 解析库 | 1.15.3 | | Gson | JSON 解析库 | 2.9.0 | | Fastjson | JSON 解析库 | 2.0.53 | | Java WebSocket | WebSocket 支持 | 1.3.8 | | Spring Session | 分布式 Session 管理 | - | | Spring Mail | 邮件发送功能 | - | | Qiniu SDK | 七牛云对象存储 | 7.13.0 | | Apache Commons Lang3 | 常用工具库 | - | | Spring AOP | 面向切面编程 | - | | Spring DevTools | 开发工具 | - | | MySQL Connector | MySQL 数据库连接 | - | | Spring Configuration Processor | 配置处理器 | - | ## ☀️架构   ## ☀️核心设计 ### AI 旅游推荐官对话功能 ```java /** * 创建用户对话表 * * @param userAiMessageAddRequest * @param request * @return UserAiMessage */ @PostMapping("/add") public BaseResponse<UserAiMessage> addUserAiMessage(@RequestBody UserAiMessageAddRequest userAiMessageAddRequest, HttpServletRequest request) { ThrowUtils.throwIf(userAiMessageAddRequest == null, ErrorCode.PARAMS_ERROR); String userInputText = userAiMessageAddRequest.getUserInputText(); if (WordUtils.containsForbiddenWords(userInputText)) { ThrowUtils.throwIf(WordUtils.containsForbiddenWords(userInputText), ErrorCode.WORD_FORBIDDEN_ERROR, "包含违禁词"); } UserAiMessage userAiMessage = new UserAiMessage(); // 填充默认值 User loginUser = userService.getLoginUser(request); Integer aiRemainNumber = loginUser.getAiRemainNumber(); // 检查用户剩余 AI 调用次数是否足够，如果不足，直接返回错误信息 ThrowUtils.throwIf(aiRemainNumber <= 0, ErrorCode.USER_BALANCE_NOT_ENOUGH); userAiMessage.setUserId(loginUser.getId()); userAiMessage.setUserInputText(userInputText); String presetInformation = "你是一个二手商品交易推荐官，你需要根据数据库的商品名称、价格、新旧程度、库存、用户的现有余额、用户的偏好等多方面进行适配性推荐，并给出相关的理由。\n"; String userText = "用户偏好信息：" + userInputText+"\n"; // 使用 Stream 处理数据 String commodityList = commodityService.list().stream() .filter(commodity -> commodity.getIsListed() == 1) // 过滤出已上架的商品 .map(commodity -> String.format( "商品名称: %s, 新旧程度: %s, 库存: %d, 价格: %.2f", commodity.getCommodityName(), commodity.getDegree(), commodity.getCommodityInventory(), commodity.getPrice() )) .collect(Collectors.joining("\n")); // 用换行符拼接每条商品信息 String commodityInfo = "数据库商品信息如下："+commodityList+"\n"; BigDecimal balance = loginUser.getBalance(); String userInfo = "用户相关信息如下，"+"用户余额："+balance+"\n"; List<SparkMessage> messages = new ArrayList<>(); messages.add(SparkMessage.userContent(presetInformation + userText+commodityInfo+userInfo)); String response = ""; int timeout = 35; // 超时时间，单位为秒 // 构造请求 SparkRequest sparkRequest = SparkRequest.builder() // 模型回答的tokens的最大长度,非必传，默认为2048。 // V1.5取值为[1,4096] // V2.0取值为[1,8192] // V3.0取值为[1,8192] .maxTokens(2048) .messages(messages) // 核采样阈值。用于决定结果随机性,取值越高随机性越强即相同的问题得到的不同答案的可能性越高 非必传,取值为[0,1],默认为0.5 .temperature(0.2) .build(); Future<String> future = threadPoolExecutor.submit(() -> { try { // 同步调用 StopWatch stopWatch = new StopWatch(); stopWatch.start(); SparkSyncChatResponse chatResponse = sparkClient.chatSync(sparkRequest); SparkTextUsage textUsage = chatResponse.getTextUsage(); stopWatch.stop(); long total = stopWatch.getTotal(TimeUnit.SECONDS); System.out.println("本次接口调用耗时:" + total + "秒"); System.out.println("\n回答：" + chatResponse.getContent()); System.out.println("\n提问tokens：" + textUsage.getPromptTokens() + "，回答tokens：" + textUsage.getCompletionTokens() + "，总消耗tokens：" + textUsage.getTotalTokens()); return chatResponse.getContent(); // return AlibabaAIModel.doChatWithHistory(stringBuilder.toString(),recentHistory); } catch (Exception exception) { throw new RuntimeException("遇到异常"); } }); try { response = future.get(timeout, TimeUnit.SECONDS); } catch (Exception e) { log.info("服务器接口调用超时"); } System.out.println(response); userAiMessageAddRequest.setAiGenerateText(response); // 复制属性 BeanUtils.copyProperties(userAiMessageAddRequest, userAiMessage); // 校验数据 userAiMessageService.validUserAiMessage(userAiMessage, true); // 插入数据库 boolean result = userAiMessageService.save(userAiMessage); ThrowUtils.throwIf(!result, ErrorCode.OPERATION_ERROR); // 更新用户余额 loginUser.setAiRemainNumber(aiRemainNumber - 1); boolean update = userService.updateById(loginUser); ThrowUtils.throwIf(!update, ErrorCode.OPERATION_ERROR); long newUserAiMessageId = userAiMessage.getId(); UserAiMessage generateAnswer = userAiMessageService.getById(newUserAiMessageId); return ResultUtils.success(generateAnswer); } ``` ## **代码解释** ### **方法定义** - **方法名**：`addUserAiMessage` - **作用**：处理用户提交的二手商品偏好信息，生成 AI 推荐的二手商品列表。 - **注解**： - `@PostMapping("/add")`：表示这是一个 POST 请求接口，路径为 `/add`。 - **参数**： - `UserAiMessageAddRequest userAiMessageAddRequest`：用户提交的请求体，包含用户输入的偏好信息。 - `HttpServletRequest request`：HTTP 请求对象，用于获取当前登录用户信息。 - **返回值**：`BaseResponse<UserAiMessage>`，封装了 AI 生成的推荐结果。 ------ ### **参数校验** 1. **空值校验**： - 使用 `ThrowUtils.throwIf` 方法检查 `userAiMessageAddRequest` 是否为空。 - 如果为空，抛出 `PARAMS_ERROR` 异常。 2. **违禁词校验**： - 使用 `WordUtils.containsForbiddenWords` 方法检查用户输入的文本是否包含违禁词。 - 如果包含违禁词，抛出 `WORD_FORBIDDEN_ERROR` 异常。 ------ ### **用户余额检查** 1. **获取用户信息**： - 通过 `userService.getLoginUser(request)` 获取当前登录用户信息。 - 获取用户的 AI 调用余额 `aiRemainNumber`。 2. **余额不足校验**： - 如果 `aiRemainNumber <= 0`，抛出 `USER_BALANCE_NOT_ENOUGH` 异常，提示用户余额不足。 ------ ### **AI 推荐生成** 1. **构造 AI 输入信息**： - **预设提示信息**：告诉 AI 模型它是一个二手商品交易推荐官，需要根据商品名称、价格、新旧程度、库存、用户余额和偏好进行推荐。 - **用户偏好信息**：将用户输入的偏好信息附加到预设提示信息中。 - **商品信息**： - 使用 `commodityService.list()` 获取所有商品列表。 - 使用 `Stream` 过滤出已上架的商品（`isListed == 1`）。 - 将商品信息格式化为字符串，包括商品名称、新旧程度、库存和价格。 - **用户余额信息**：将用户的余额信息附加到输入中。 2. **构造 AI 请求**： - 使用 `SparkRequest.builder()` 构造 AI 请求，设置以下参数： - `maxTokens`：模型回答的最大 tokens 长度，默认为 2048。 - `messages`：包含预设提示信息、用户偏好信息、商品信息和用户余额信息的消息列表。 - `temperature`：核采样阈值，控制结果的随机性，设置为 0.2。 3. **异步调用 AI 模型**： - 使用线程池 `threadPoolExecutor` 异步调用 AI 模型。 - 设置超时时间为 35 秒。 - 如果调用超时，记录日志并返回空响应。 4. **处理 AI 响应**： - 获取 AI 生成的推荐结果 `response`。 - 将结果保存到 `userAiMessageAddRequest` 中。 ------ ### **保存结果到数据库** 1. **复制属性**： - 使用 `BeanUtils.copyProperties` 将 `userAiMessageAddRequest` 的属性复制到 `userAiMessage` 对象中。 2. **数据校验**： - 调用 `userAiMessageService.validUserAiMessage` 对 `userAiMessage` 进行校验，确保数据合法性。 3. **插入数据库**： - 调用 `userAiMessageService.save` 将 `userAiMessage` 插入数据库。 - 如果插入失败，抛出 `OPERATION_ERROR` 异常。 4. **更新用户余额**： - 将用户的 AI 调用余额减 1。 - 调用 `userService.updateById` 更新用户信息。 - 如果更新失败，抛出 `OPERATION_ERROR` 异常。 ------ ### **返回结果** - 返回生成的 AI 推荐结果，封装在 `BaseResponse` 中。 ------ ### **注意事项** 1. **参数校验**： - 确保 `userAiMessageAddRequest` 和 `userInputText` 不为空，避免空指针异常。 - 使用违禁词过滤功能，防止用户输入不当内容。 2. **用户余额管理**： - 在调用 AI 模型之前，检查用户的 AI 调用余额，避免无效调用。 - 调用成功后，及时更新用户的余额信息。 3. **AI 模型调用**： - 使用异步调用（`Future`）和超时机制，避免因 AI 模型响应过慢导致接口阻塞。 - 设置合理的超时时间（如 35 秒），并根据实际需求调整。 4. **线程池管理**： - 确保线程池 `threadPoolExecutor` 已正确配置，避免资源耗尽或线程泄漏。 - 在异步任务中捕获异常，避免因异常导致线程池崩溃。 5. **数据校验与保存**： - 在保存数据之前，调用 `validUserAiMessage` 方法进行校验，确保数据合法性。 - 使用事务管理（如果需要），确保数据插入和用户余额更新的原子性。 6. **日志记录**： - 在关键步骤（如 AI 调用、数据库操作）中添加日志记录，便于排查问题。 - 记录 AI 调用的耗时和 tokens 使用情况，便于性能分析和优化。 7. **性能优化**： - 如果 AI 调用频率较高，考虑使用缓存机制（如 Redis）存储常用推荐结果，减少重复调用。 - 对数据库查询（如 `commodityService.list()`）进行优化，避免全表扫描。 8. **异常处理**： - 在异步任务中捕获所有异常，避免因未捕获异常导致接口崩溃。 - 返回明确的错误码和错误信息，便于前端处理。 9. **安全性**： - 确保用户输入的文本经过安全过滤，防止 SQL 注入或 XSS 攻击。 - 对敏感操作（如余额更新）进行权限校验，确保只有合法用户才能调用。 10. **扩展性**： - 如果需要支持多种 AI 模型，可以将 AI 调用逻辑抽象为独立的服务，便于切换和扩展。 - 如果需要支持多语言推荐，可以在预设提示信息中增加语言参数。 ## ☀️学完这个项目你能得到什么 1）简单地调用 AI 模型（讯飞星火）获取自定义文本内容，支持 Websocket 形式，也可以获取全部数据后返回。 2）简单的 JWT 权限校验 ，利用后端拦截器进行登录校验。 3）简单的增删改查系统，前后端是如何联调协作的。 4）前端路由懒加载、CDN 静态资源缓存优化、图片懒加载是如何实现的 5）利用自定义线程池和 FutureTask 进行超时请求处理。 6）利用 Google 的 GuavaRateLimiter 进行单体限流控制。 7）定时任务结合 Redis 做一个缓存预热，加快查询效率，提高用户体验。 8）在 Vue3 中使用 Markdown 编辑器和仅浏览模式、实现剪切板功能，类似与复制个人电话号码、使用弹幕插件，实现类似 B 站弹幕的功能。 9）实现牛客等论坛的评论区功能，并有良好的样式体验。 10）实现力扣等平台的旅游记录日历展示，给用户持续的旅游动力。 ## ☀️项目简介 + 主要使用 Vue3 和 SpringBoot2.7 实现 + 项目权限控制分别为：用户（游客），系统管理员 + 开发工具：IDEA 2023.3.3 (真不推荐用 eclipse 开发，IDEA 项目可以导出为 eclipse 项目，二者不影响，但需要自己学教程，注意 IDEA 版本最好不要低于 2021，不建议用中文哦！) + [IDEA->Eclipse](https://blog.csdn.net/HD202202/article/details/128076400) + [Eclipse->IDEA](https://blog.csdn.net/q20010619/article/details/125096051) + 学校老师硬性要求软件的话，还是按要求来。可以先问一下是否可以选择其他软件开发（一般不会做限制，尤其毕设）。 + 用户账号密码： xiaobaitiao 12345678 + 系统管理员账号密码: xiaobai 12345678 + 遇到交互功能错误，或者页面无法打开，请用开发者工具F12查看请求和响应状态码情况，小白可以有偿咨询，扫 QQ 或者 WX:xiaobaitiao_z。白天工作，晚上有空才能回答。⭐⭐⭐ ## ☀️项目详细介绍（亮点） - **前后端分离架构**：本项目采用前后端分离的模式，前端负责页面构建和用户交互，后端提供数据接口，前端通过调用后端接口获取数据并动态渲染页面，提升开发效率和系统可维护性。 - **跨域支持**：后端已开启 CORS 跨域支持，确保前端能够无缝调用后端接口，解决跨域问题。 - **Token 认证机制**：API 认证采用 Token 认证，前端在请求头 `Authorization` 字段中携带 Token 令牌，确保接口调用的安全性。 - **标准化数据交互**：使用 HTTP Status Code 表示接口状态，数据返回格式统一为 JSON，便于前后端协作和数据解析。 - **权限校验与登录检查**：后端采用权限拦截器进行权限校验，确保只有合法用户才能访问特定接口，并检查用户的登录状态，增强系统安全性。 - **全局异常处理**：添加全局异常处理机制，捕获系统异常并返回友好的错误信息，增强系统的健壮性和用户体验。 - **数据可视化**：前端使用 Echarts 可视化库实现商品热度分析图表（如折线图、饼图），并通过 Loading 配置优化加载体验，提升用户交互感受。 - **弹幕留言功能**：留言组件采用弹幕形式，贴合用户喜好，增加平台的趣味性和互动性。 - **接口文档自动化**：引入 knife4j 依赖，使用 Swagger + Knife4j 自动生成 OpenAPI 规范的接口文档，前端可以基于此文档使用插件自动生成接口请求代码，降低前后端协作成本。 - **高效前端开发**：使用 ElementUI 组件库进行前端界面搭建，快速实现页面生成，并支持前后端统一权限管理和多环境切换，提升开发效率。 - **灵活数据库查询**：基于 MyBatis Plus 框架的 QueryWrapper 实现对 MySQL 数据库的灵活查询，配合 MyBatisX 插件自动生成后端 CRUD 基础代码，减少重复开发工作。 - **性能优化**：前端采用路由懒加载、CDN 静态资源缓存优化、图片懒加载等技术，提升页面加载速度和用户体验。 - **AI 商品推荐**：集成 AI 模型，根据用户偏好和余额推荐个性化二手商品，支持协同过滤算法，提升推荐精准度。 - **购物日历功能**：为用户提供个人购物日历，记录购物足迹，支持绿色购物标记（0 和 1 表示），帮助用户规划和管理购物行为。 - **攻略分享社区**：用户可以通过 Markdown 编辑器分享二手商品交易攻略，浏览他人经验，并通过评论区互动交流，形成活跃的交易社区。 - **商品在线交易**：支持在线查看商品信息并完成交易，提供一站式二手商品交易服务。 - **多维度商品评分**：结合用户评分和 AI 分析，动态生成商品评分，帮助用户快速了解商品热度。 - **管理员便捷管理**：为管理员提供用户、商品、攻略、订单等内容的管理功能，支持分页和模糊查询，提升管理效率。 他 AI 模型官网工具类即可），并可通过拓展会员功能实现商业化处理。 ### ⭐用户（游客）模块功能介绍   1）**欢迎页**：介绍项目亮点，展示用户功能和管理者功能，帮助用户快速了解平台的核心价值和使用方法。 2）**主页**：使用 Swiper 轮播图展示亮点商品图片，吸引用户眼球，提升视觉体验。 3）**公告浏览**：用户可以查看管理员发布的公告，获取平台最新动态和重要通知。 4）**买家留言**：支持弹幕形式的留言功能，用户可以进行实时互动，增加平台的趣味性和活跃度。 5）**二手商品交易攻略分享**：用户可以分享自己的二手商品交易攻略，使用 Markdown 编辑器撰写内容，并浏览他人分享的攻略，支持模糊搜索和分页展示。 6）**AI 对话**：用户可以与 AI 购物顾问进行对话，AI 根据用户偏好和余额推荐个性化商品，采用协同过滤算法提升推荐精准度。 7）**商品列表**：展示所有二手商品信息，支持评分、浏览量和收藏量等功能，帮助用户快速了解热门商品。  8）**个人主页**：展示个人购物记录日历（用 0 和 1 标记是否绿色购物），查看个人订单详情、评论记录、收藏的攻略以及个人详情信息，支持聊天室功能（用户和管理员进行对话，支持 Emoji 表情包）。 9）**商品推荐**：根据协同过滤算法推荐商品，本质是基于商品评分和用户行为数据。 ### ⭐系统管理员模块功能介绍  1）**欢迎页**：同用户一致，介绍项目亮点，展示管理员功能，帮助管理员快速了解平台的核心价值和使用方法。 2）**主页**：同用户一致，使用 Swiper 轮播图展示亮点商品图片，吸引管理员关注平台动态。 3）**用户管理**：支持编辑、查看、删除用户信息，支持分页和模糊查询（按用户名或简介）。 4）**公告管理**：支持发布、修改、删除公告，支持分页展示，方便管理员管理平台公告。 5）**二手商品攻略管理**：支持添加、修改、删除攻略，支持分页和模糊查询（按标题、内容、标签或用户 ID）。 6）**AI 对话管理**：支持删除用户与 AI 的对话记录，支持分页和模糊查询（按用户 ID、用户输入或 AI 生成内容）。 7）**商品管理**：支持添加、修改、删除商品信息，支持分页和模糊查询（按商品名或描述）。 8）**商品订单管理**：支持查看、修改、删除用户订单，支持分页和模糊查询（按订单 ID、用户 ID 或订单状态）。 10）**商品类别管理**：支持添加、修改、删除商品类别，支持分页和模糊查询（按类别 ID 或名称）。 11）**个人主页**：同用户一致，展示管理员个人信息、操作记录等。 ## ☀️数据库表设计 ### **barrage 表** | 列名 | 数据类型以及长度 | 备注 | | :--------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 弹幕表的唯一标识 | | message | varchar(255) | 弹幕文本 非空 | | userAvatar | varchar(1024) | 用户头像 非空 | | userId | bigint(20) | 用户 ID 非空 | | isSelected | tinyint(4) | 是否精选（默认0，精选为1） | | createTime | datetime | 创建时间 非空 | | updateTime | datetime | 更新时间 非空 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | ------ ### **comment 表** | 列名 | 数据类型以及长度 | 备注 | | :--------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 评论表的唯一标识 | | postId | bigint(20) | 帖子 ID 非空 | | userId | bigint(20) | 用户 ID 非空 | | content | text | 评论内容 非空 | | parentId | bigint(20) | 父评论 ID | | createTime | datetime | 创建时间 非空 | | updateTime | datetime | 更新时间 非空 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | | ancestorId | bigint(20) | 祖先评论 ID | ------ ### **commodity 表** | 列名 | 数据类型以及长度 | 备注 | | :------------------- | :--------------- | :------------------------------- | | id | bigint(20) | 主键 非空 自增 商品表的唯一标识 | | commodityName | varchar(255) | 商品名称 非空 | | commodityDescription | varchar(2048) | 商品简介 | | commodityAvatar | varchar(1024) | 商品封面图 | | degree | varchar(255) | 商品新旧程度 | | commodityTypeId | bigint(20) | 商品分类 ID | | adminId | bigint(20) | 管理员 ID 非空 | | isListed | tinyint(4) | 是否上架（默认0未上架，1已上架） | | commodityInventory | int(10) | 商品数量（默认0） | | price | decimal(10, 2) | 商品价格 非空 | | viewNum | int(11) | 商品浏览量（默认0） | | favourNum | int(11) | 商品收藏量（默认0） | | createTime | datetime | 创建时间 | | updateTime | datetime | 更新时间 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | ------ ### **commodity_order 表** | 列名 | 数据类型以及长度 | 备注 | | :------------ | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 订单表的唯一标识 | | userId | bigint(20) | 用户 ID 非空 | | commodityId | bigint(20) | 商品 ID 非空 | | remark | varchar(1024) | 订单备注 | | buyNumber | int(10) | 购买数量 | | paymentAmount | decimal(10, 2) | 订单总支付金额 | | payStatus | tinyint(4) | 支付状态（0-未支付，1-已支付） | | createTime | datetime | 创建时间 | | updateTime | datetime | 更新时间 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | ------ ### **commodity_score 表** | 列名 | 数据类型以及长度 | 备注 | | :---------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 评分表的唯一标识 | | commodityId | bigint(20) | 商品 ID 非空 | | userId | bigint(20) | 用户 ID 非空 | | score | int(10) | 评分（0-5，星级评分） 非空 | | createTime | datetime | 创建时间 | | updateTime | datetime | 更新时间 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | ------ ### **commodity_type 表** | 列名 | 数据类型以及长度 | 备注 | | :--------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 分类表的唯一标识 | | typeName | varchar(255) | 商品类别名称 非空 | | createTime | datetime | 创建时间 | | updateTime | datetime | 更新时间 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | ------ ### **notice 表** | 列名 | 数据类型以及长度 | 备注 | | :------------ | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 公告表的唯一标识 | | noticeTitle | varchar(255) | 公告标题 非空 | | noticeContent | varchar(255) | 公告内容 非空 | | noticeAdminId | bigint(20) | 创建人 ID（管理员） 非空 | | createTime | datetime | 创建时间 非空 | | updateTime | datetime | 更新时间 非空 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | ------ ### **post 表** | 列名 | 数据类型以及长度 | 备注 | | :--------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 帖子表的唯一标识 | | title | varchar(512) | 帖子标题 | | content | text | 帖子内容 | | tags | varchar(1024) | 标签列表（json 数组） | | thumbNum | int(11) | 点赞数（默认0） | | favourNum | int(11) | 收藏数（默认0） | | userId | bigint(20) | 用户 ID 非空 | | createTime | datetime | 创建时间 非空 | | updateTime | datetime | 更新时间 非空 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | ------ ### **post_favour 表** | 列名 | 数据类型以及长度 | 备注 | | :--------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 收藏表的唯一标识 | | postId | bigint(20) | 帖子 ID 非空 | | userId | bigint(20) | 用户 ID 非空 | | createTime | datetime | 创建时间 非空 | | updateTime | datetime | 更新时间 非空 | ------ ### **post_thumb 表** | 列名 | 数据类型以及长度 | 备注 | | :--------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 点赞表的唯一标识 | | postId | bigint(20) | 帖子 ID 非空 | | userId | bigint(20) | 用户 ID 非空 | | createTime | datetime | 创建时间 非空 | | updateTime | datetime | 更新时间 非空 | ------ ### **private_message 表** | 列名 | 数据类型以及长度 | 备注 | | :---------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 消息表的唯一标识 | | senderId | bigint(20) | 发送者 ID 非空 | | recipientId | bigint(20) | 接收者 ID 非空 | | content | varchar(4096) | 消息内容 | | alreadyRead | tinyint(4) | 是否已读（0-未读，1-已读） | | type | varchar(255) | 消息类型（用户或管理员） 非空 | | isRecalled | tinyint(4) | 是否撤回（0-未撤回，1-已撤回） | | createTime | datetime | 创建时间 | | updateTime | datetime | 更新时间 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | ------ ### **user 表** | 列名 | 数据类型以及长度 | 备注 | | :------------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 用户表的唯一标识 | | userAccount | varchar(256) | 账号 非空 | | userPassword | varchar(512) | 密码（加密） 非空 | | unionId | varchar(256) | 微信开放平台 ID | | mpOpenId | varchar(256) | 公众号 openId | | userName | varchar(256) | 用户昵称 | | userAvatar | varchar(1024) | 用户头像 | | userProfile | varchar(512) | 用户简介 | | userRole | varchar(256) | 用户角色：user/admin/ban | | userPhone | varchar(255) | 联系电话 | | aiRemainNumber | int(11) | 用户 AI 剩余可使用次数 | | balance | decimal(10, 2) | 用户余额（仅 AI 接口调用） | | editTime | datetime | 编辑时间 | | createTime | datetime | 创建时间 | | updateTime | datetime | 更新时间 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | ------ ### **user_ai_message 表** | 列名 | 数据类型以及长度 | 备注 | | :------------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 消息表的唯一标识 | | userInputText | varchar(4096) | 用户输入 非空 | | aiGenerateText | varchar(4096) | AI 生成结果 非空 | | userId | bigint(20) | 用户 ID 非空 | | createTime | datetime | 创建时间 非空 | | updateTime | datetime | 更新时间 非空 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） | ------ ### **user_commodity_favorites 表** | 列名 | 数据类型以及长度 | 备注 | | :---------- | :--------------- | :------------------------------ | | id | bigint(20) | 主键 非空 自增 收藏表的唯一标识 | | userId | bigint(20) | 用户 ID 非空 | | commodityId | bigint(20) | 商品 ID 非空 | | status | tinyint(4) | 收藏状态（1-正常，0-取消） | | remark | varchar(255) | 用户备注 | | createTime | datetime | 创建时间 | | updateTime | datetime | 更新时间 | | isDelete | tinyint(4) | 是否删除（1 删除，0 未删除） |  <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/0zhGHKP9DC5W9jm8.webp" alt="" width="100%" /> ### 用户(游客）模块功能图 **欢迎页** <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/xNeDFLX8w3ETnDI1.webp" alt="" width="100%" />  **主页（轮播图）**   **商品** <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/Q2PY5DNg0GrCx13I.webp" alt="" width="100%" /> **商品推荐**  **公告**       **二手商品推荐官**  **个人主页（包含个人信息，收藏攻略，个人订单，购物日历，聊天室）**  ### 系统管理员功能图 欢迎页和个人主页同用户端，不再展示图片！ 1158118402/pKEoJGOGeVpomMGC.webp) **用户管理**  **公告管理**  1158118402/5w6NYVMmvFD89Ulg.webp) **攻略管理**  **AI 对话管理**  **商品管理**    **商品类别管理**   **商品订单管理**  ## 🐼部署项目  + 可以下载ZIP压缩包或者使用克隆(Git clone) + 复制http或者ssh的链接（github建议ssh,gittee都可以) + 在D盘新建一个文件夹，点击进入该文件夹，右键Git Bash Here <img src="https://pic.code-nav.cn/post_picture/1613062171158118402/dGHJszaABlONwOwi.webp" alt="" width="100%" />  + 还没有下载 Git或者不会 Git 的建议先看基础教程（ 30 分钟左右) + 输入 git init 初始化 git 项目 然后出现一个 .git 文件夹 + 输入 git remote add origin xxxxxx (xxx 为刚刚复制的 http 或者 ssh 链接) + 输入 git pull origin master 从远程代码托管仓库拉取代码 + 成功拉取项目（前端后端都是如此) + 前端项目注意依赖下载使用 npm install 或者 yarn install （ Vscode 或者 Webstorm ) + 后端项目注意 maven 依赖下载（ IDEA (推荐)或者 Ecplise ) + 前端 npm 镜像源建议淘宝镜像源，后端 maven 镜像源推荐阿里云镜像源（非必选，但更换后下载快速) ## 🐼部署项目问题 ⭐ + 乱码问题 项目采用的 UFT-8 + 一般出现乱码就是 UTF-8 和 GBK 二者相反 + 请百度 IDEA 乱码和 Eclipse 乱码问题(描述清楚即可) ⭐ + 点击交互按钮，没有发生反应。 + 很明显，请求失败，浏览器打开开发者工具，Edge 浏览器直接 ctrl+shift+i ,其他浏览器按 F12 + 查看红色的请求和响应状态码问题 ⭐ + 先阅读文档再进行问题的查询或者提问 + 提问有技巧，模糊的发言，让高级架构师找BUG也无从下手 ⭐ + **QQ：909088445** + 一般晚上在线，建议先自己寻找问题！！！ 智能 AI 校园二手交易平台（SpringBoot2+Vue3+TypeScript),二手商品交易管理系统（新版）。API认证采用JWT。后端CORS跨域支持。HTTP Status Code表示状态。数据返回格式JSON。接入讯飞星火 AI 接口，支持 B 站弹幕留言、二维码分享项目、牛客评论区、力扣刷题日历、微信聊天室（表情包支持）复合多个实用功能项！另外有订单超时处理，多线程以及事务管理方面的相关的代码！ **课设级别绰绰有余，毕设肯定够用（功能丰富+AI调用和实用的功能项），简历项目（可以写订单处理、多线程、事务方面以及大模型提示词优化实验对照或者微调等等）** **喜欢本项目的小伙伴可以关注我！然后点赞收藏本帖子（编程导航专栏），感谢支持！**