【AI培训中台项目介绍】

AI智能培训中台（YQG AI Training Center）是一款面向金融催收行业的AI驱动全场景培训平台。平台通过大语言模型（LLM）模拟真实催收场景中的借款人角色，为催收员提供沉浸式的对话陪练、智能评分、个性化学习路径等能力，实现"AI替代传统师傅带徒弟"的培训模式革新。

菜鸡旭旭

16人浏览 · 2026-06-01 15:00:09

菜鸡旭旭 · 2026-06-01 15:00:09 发布

AI智能培训中台 – 产品说明与技术设计文档

版本：v1.0 | 日期：2026-04-10 | 作者：田旭旭

一、产品概述

1.1 产品定位

AI智能培训中台（YQG AI Training Center）是一款面向金融催收行业的AI驱动全场景培训平台。平台通过大语言模型（LLM）模拟真实催收场景中的借款人角色，为催收员提供沉浸式的对话陪练、智能评分、个性化学习路径等能力，实现"AI替代传统师傅带徒弟"的培训模式革新。

1.2 核心价值

维度	传统培训痛点	AI培训中台方案
成本	资深员工带教成本高，占用产能	AI 24小时可用，零边际成本陪练
标准化	带教质量因人而异	统一Prompt+评分规则，输出一致
效率	新员工上手周期长（2-4周）	高频反复练习+即时反馈，缩短50%+
覆盖	场景单一，难以覆盖极端case	多剧本多角色，覆盖首催/复催/投诉等全场景
数据	培训效果难量化	多维度评分+数据看板，效果可追踪

1.3 目标用户

培训管理员：配置剧本、培训计划、评分规则，查看数据看板
催收员（学员）：执行陪练任务，查看评分报告，持续改进
AI工程师：管理Prompt模板、评测实验、LLM调用监控
业务运营：通过数据看板监控培训ROI

二、产品功能全景

2.1 功能架构图

┌─────────────────────────────────────────────────────────────────────────┐
│                        AI 智能培训中台                                    │
├──────────────┬──────────────┬───────────────┬──────────────────────────┤
│  培训管理     │  内容管理     │  AI 工程       │  系统管理                 │
├──────────────┼──────────────┼───────────────┼──────────────────────────┤
│ · 培训计划    │ · 剧本管理    │ · Prompt管理   │ · 用户管理                │
│ · 数据看板    │ · AI角色库    │ · Prompt调试   │ · 权限控制                │
│ · 全部练习    │ · 话术知识库  │ · DAG编排画布   │ · 通用配置                │
│ · 练习任务    │              │ · 评测中心      │                          │
│   看板       │              │ · LLM调用日志   │                          │
│ · 员工学习    │              │ · RAG调用历史   │                          │
│   看板       │              │               │                          │
├──────────────┴──────────────┴───────────────┴──────────────────────────┤
│                        学员门户                                          │
├──────────────┬──────────────┬───────────────┬──────────────────────────┤
│ · 学习首页    │ · 我的学习计划 │ · AI陪练对话    │ · 练习报告                │
│ · 排行榜     │ · 剧本详情    │ · 语音/文字输入  │ · 历史记录                │
└──────────────┴──────────────┴───────────────┴──────────────────────────┘

2.2 核心功能模块详述

2.2.1 剧本管理（Script Management）

剧本是培训的基础内容单元，定义了一次陪练对话的完整上下文。

两种对话模式：

开放式（OPEN）：无固定流程，学员自由发挥，AI根据角色设定灵活应对。适合综合能力评估。
流程式（PROCESS）：预设多个目标节点（如自我介绍→身份核实→共情→方案提出→异议处理→微信邀约→礼貌挂机），学员需按序推进。适合标准化技能训练。

剧本组成要素：

要素	说明
基本信息	剧本名称、场景描述、对话模式
AI角色	关联的借款人角色（性格、背景、年龄）
对话目标	开放式为整体目标，流程式为多个分步目标
目标达成/失败条件	每个目标的可观测、原子化判定条件
行为策略	每个目标下AI的触发行为和回应策略
过程反馈	学员特定行为时的即时系统反馈
标准话术	业务标准应答参考
评分规则	多维度评分体系（满分100分）
禁用词	违规词汇列表及扣分规则

AI辅助创建流程（8步DAG流水线）：

场景润色 → 问卷确认 → 角色生成 → 剧本生成 → 目标生成 → 评分规则生成 → 对话模拟 → 评分验证

2.2.2 AI陪练对话（Practice Session）

核心交互场景，学员与AI角色进行实时对话练习。

对话流程：

创建会话 → AI发送开场白 → 学员回复（文字/语音）
    ↓
[并行触发]
├── AI回复生成（LLM对话）
├── 话术润色（实时点评学员回复）
├── 灵感提示（推荐下一句话术）
├── 目标判定（流程式：是否达成当前目标）
└── 结束判定（开放式：是否满足结束条件）
    ↓
AI回复 + TTS语音 → 学员继续回复
    ↓
对话结束 → 触发AI评分 → 生成练习报告

关键特性：

实时灵感提示：学员卡壳时，AI基于RAG知识库+标准话术推荐回复
实时话术润色：每轮对话后，AI以"教练"视角点评并提供改进版话术
语音支持：WebSocket + 阿里云NLS实现ASR（语音转文字）和TTS（文字转语音）
目标追踪：流程式对话实时展示目标进度，达成/失败即时通知
屏幕切换限制：防止学员切屏查阅资料（考试模式）
倒计时机制：限制每轮回复时间，模拟真实通话压力

2.2.3 AI智能评分（Scoring System）

评分架构 – MapReduce模式：

Map阶段：每个评分维度独立调用LLM打分（可并行）
    ↓
Reduce阶段：汇总各维度分数，生成综合评价和改进建议

评分三级对齐原则：

Rule A（80%+）：学员话术覆盖了标准话术的核心要点
Rule B（50%起）：标准话术未要求的内容，不额外扣分
Rule C（50%以下）：严重偏离且有具体违规行为，必须引用原文

评分输出：

各维度得分及详细说明（含对话原文引用）
目标达成情况展示
综合评价（HTML折叠格式）
改进建议（"你说了X → 问题是Y → 建议改为Z"格式）

2.2.4 培训计划（Training Plan）

两种计划模式：

周期模式（CYCLE）：每月/每周定期轮训
日期范围模式（DATE_RANGE）：固定时间段内的一次性培训

计划组成：

多阶段（Stage）结构，支持顺序解锁和自由访问
每阶段包含多个剧本，可配置练习/考试模式
学员分配（支持组织架构导入）
通过分数线、考试次数上限、灵感提示开关、屏幕切换限制等精细配置

2.2.5 Prompt工程中心

Prompt版本管理：

模板内容 + 模型配置（模型名、温度）版本化存储
状态生命周期：Draft → Published → Active
配置中心热切换（DynamicProperties覆盖classpath模板）

Prompt调试：

在线输入变量执行测试
AI建议输入变量
人工标注（满意/不满意）
AI辅助Prompt修订（对比Diff展示）
调试历史记录追溯

DAG编排画布：

可视化展示8步Prompt DAG流水线
支持选择起止节点部分执行
节点级版本覆盖
中间结果传递与查看

评测中心（Eval Center）：

Golden数据集管理
自动评测实验（Dokimos LLM-as-Judge框架）
5维度10分制评分：格式正确性(20%) + 指令遵循(25%) + 内容质量(30%) + 一致性(15%) + 安全性(10%)
A/B实验对比
多次重复执行衡量稳定性（方差统计）

2.2.6 数据看板

三大看板：

练习任务看板：总览卡片、剧本统计、学员排行榜（练习次数/时长/平均分）
员工学习看板：完成率/参与率、部门排行、计划/剧本/维度诊断
剧本使用看板：剧本使用频次、部门平均分、使用/学习/分数排行

可视化组件：

ECharts 6 部门率对比图（水平柱状图）
饼图（完成率分布）
排行榜柱状图（多色调色板）
全部支持Excel导出

2.2.7 知识库与RAG

知识库类型：

类型	说明
CUSTOM	自定义Q&A知识库
SCRIPT_STANDARD_QA	剧本标准话术Q&A
SCRIPT_KNOWLEDGE	剧本背景知识
SCRIPT_TRANSITIONAL_REPLY	剧本目标过渡回复Q&A

两种交互模式：

AGENT_ASK_AI_REPLY：催收员提问场景的标准回复
AI_ASK_AGENT_REPLY：借款人提问时催收员应如何回复

RAG集成：

对话生成、灵感提示、话术润色、评分建议均注入RAG检索结果
优先级：RAG知识 > 标准话术 > 行为策略 > 兜底策略库

三、技术架构设计

3.1 系统架构总览

┌──────────────────────────────────────────────────────────────────────────┐
│                            用户层                                        │
│  ┌─────────────┐    ┌─────────────┐    ┌─────────────┐                   │
│  │  管理员PC端   │    │  学员PC端    │    │  学员移动端   │                   │
│  │  (Vue 3)     │    │  (Vue 3)    │    │  (H5适配)    │                   │
│  └──────┬───────┘    └──────┬──────┘    └──────┬───────┘                  │
│         │                   │                  │                          │
│         └───────────────────┼──────────────────┘                          │
│                             │                                             │
├─────────────────────────────┼─────────────────────────────────────────────┤
│                        接入层                                             │
│                ┌────────────┴──────────────┐                              │
│                │   Nginx / API Gateway      │                             │
│                │   (SSO + Token双认证)       │                             │
│                └────────────┬──────────────┘                              │
│                             │                                             │
├─────────────────────────────┼─────────────────────────────────────────────┤
│                        应用层                                             │
│  ┌──────────────────────────┴──────────────────────────────────┐          │
│  │              Spring Boot 2.7 + JDK 21                       │          │
│  │  ┌─────────┐ ┌──────────┐ ┌───────────┐ ┌────────────┐     │          │
│  │  │  Admin   │ │   API    │ │ Scheduler │ │  Consumer  │     │          │
│  │  │ (REST)   │ │  (RPC)   │ │  (YJob)   │ │  (Kafka)   │     │          │
│  │  └────┬─────┘ └────┬─────┘ └─────┬─────┘ └─────┬──────┘    │          │
│  │       └─────────────┼─────────────┼─────────────┘           │          │
│  │                     │             │                          │          │
│  │              ┌──────┴──────┐      │                          │          │
│  │              │  Core Module │      │                          │          │
│  │              │  (业务逻辑)   │      │                          │          │
│  │              └──────┬──────┘      │                          │          │
│  └─────────────────────┼─────────────┘                          │          │
│                        │                                        │          │
├────────────────────────┼────────────────────────────────────────┤          │
│                    AI 服务层                                     │          │
│  ┌─────────────────────┴──────────────────────────────────┐     │          │
│  │                                                         │     │         │
│  │  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐  │     │         │
│  │  │PracticeLLM   │  │  ScoreLLM    │  │  ScriptLLM   │  │     │         │
│  │  │Service       │  │  Service     │  │  Service      │  │     │         │
│  │  │(陪练对话编排) │  │ (评分规则生成) │  │ (剧本生成)    │  │     │         │
│  │  └──────┬───────┘  └──────┬───────┘  └──────┬───────┘  │     │         │
│  │         └─────────────────┼──────────────────┘          │     │         │
│  │                           │                              │    │         │
│  │                ┌──────────┴──────────┐                   │    │         │
│  │                │ LangChainChatService │                   │    │         │
│  │                │  (统一LLM调用封装)    │                   │    │         │
│  │                └──────────┬──────────┘                   │    │         │
│  │                           │                              │    │         │
│  │                ┌──────────┴──────────┐                   │    │         │
│  │                │  ChatModelFactory    │                   │    │         │
│  │                │  (模型路由+缓存)      │                   │    │         │
│  │                └──────────┬──────────┘                   │    │         │
│  └───────────────────────────┼──────────────────────────────┘    │         │
│                              │                                   │         │
├──────────────────────────────┼───────────────────────────────────┤         │
│                         模型层                                    │         │
│  ┌───────────┐  ┌───────────┐  ┌───────────┐  ┌───────────┐     │         │
│  │  GPT-5.4  │  │DeepSeek   │  │ Qwen3     │  │  Kimi K2  │     │         │
│  │  (Azure)  │  │  V3.2     │  │  系列     │  │           │     │         │
│  └───────────┘  └───────────┘  └───────────┘  └───────────┘     │         │
│                                                                  │         │
├──────────────────────────────────────────────────────────────────┤         │
│                        数据层                                     │         │
│  ┌───────────┐  ┌───────────┐  ┌───────────┐  ┌───────────┐     │         │
│  │  MySQL 8  │  │  Redis    │  │  Kafka    │  │  RAG      │     │         │
│  │  (JOOQ)   │  │ (缓存+锁) │  │ (消息队列) │  │  Gateway  │     │         │
│  └───────────┘  └───────────┘  └───────────┘  └───────────┘     │         │
│                                                                  │         │
│  ┌───────────┐  ┌───────────┐  ┌───────────┐                    │         │
│  │ 阿里云NLS  │  │  InfluxDB │  │  七牛云    │                    │         │
│  │ (ASR/TTS) │  │  (监控)    │  │  (文件存储) │                    │         │
│  └───────────┘  └───────────┘  └───────────┘                    │         │
└──────────────────────────────────────────────────────────────────┘         │

3.2 技术栈明细

3.2.1 后端技术栈

类别	技术	版本	用途
语言	Java	21	主开发语言，启用虚拟线程等新特性
框架	Spring Boot	2.7.x	Web框架 + 依赖注入
云原生	Spring Cloud	-	服务治理
ORM	JOOQ	3.18.7	类型安全SQL，代码生成
数据库迁移	Flyway	9.22.3	Schema版本管理（36个迁移文件）
LLM框架	LangChain4j	1.12.2	统一LLM调用抽象
LLM评测	Dokimos	-	LLM-as-Judge评测框架
语音	阿里云NLS SDK	2.2.19	ASR（语音识别）+ TTS（语音合成）
消息队列	Kafka	-	异步事件处理
缓存	Redis	-	分布式缓存 + 锁 + WebSocket广播
调度	YJob	-	分布式定时任务
HTTP	OkHttp	4.9.0	外部API调用
NLP	HanLP	-	中文自然语言处理
工具	Hutool	5.7.12	通用工具集
认证	Chidori SSO	-	内部员工单点登录

3.2.2 前端技术栈

类别	技术	版本	用途
框架	Vue 3	3.x	Composition API + TSX
构建	Max (Vite)	-	内部构建工具链
UI	Ant Design Vue	4.2.1	组件库
图表	ECharts	6.0	数据可视化
状态	Pinia	-	全局状态管理
HTTP	Axios	-	API请求封装
拖拽	vuedraggable	-	剧本/阶段排序
Diff	diff	-	Prompt版本对比
Markdown	markdown-it	14.1.1	Prompt内容渲染
样式	LESS	-	CSS预处理
语言	TypeScript	-	类型安全

3.3 后端模块架构

3.3.1 Maven多模块设计

training-center-parent (pom.xml)
├── training-center-common       # 共享工具类、异常定义
├── training-center-client       # RPC客户端接口
├── training-center-core         # 核心业务：Service + Model + 数据库迁移 + JOOQ生成
├── training-center-admin        # HTTP REST API（主服务入口）
├── training-center-api          # 内部RPC接口
├── training-center-scheduler    # YJob定时任务
└── training-center-consumer     # Kafka消费者

依赖规则（严格单向）：

所有Web模块 → core + common
core → 仅依赖 common
模块间禁止交叉引用

3.3.2 分层架构

Controller层 (training-center-admin)
  │  25+ Controller包，REST风格 /admin/training/{module}
  │  所有接口 @PreAuthorize 权限控制
  │  独立VO类（请求/响应）
  ▼
Service层 (training-center-core)
  │  33+ Service包
  │  PracticeLLMService (841行) -- 对话编排核心
  │  LangChainChatService (457行) -- LLM调用封装（含多策略JSON解析管道）
  │  ChatModelFactory (197行) -- 模型路由
  │  PromptDynamicService (535行) -- Prompt模板管理
  ▼
Model层 (training-center-core)
  │  JOOQ生成的Record类（54个表）
  │  TraBaseModel<T,R> 基类提供通用CRUD
  │  57个Model类（命名为*Model而非*Dao）
  ▼
Database (MySQL 8.0)
  46张表，utf8mb4编码，InnoDB引擎

3.4 LLM调用架构

3.4.1 多模型路由

┌─────────────────────────────────────────────────────────┐
│                  ChatModelFactory                        │
│                                                          │
│  配置指纹热重载：computeConfigFingerprint()               │
│  指纹变化 → 缓存清空 → 模型实例重建                        │
│                                                          │
│  ┌──────────────┐     ┌──────────────────┐               │
│  │ Azure Gateway │     │ Qwen Compatible  │               │
│  │ (GPT系列)     │     │ Gateway          │               │
│  │               │     │ (Qwen/DeepSeek/  │               │
│  │ · GPT-5.4    │     │  Kimi)           │               │
│  │ · GPT-5.2    │     │                  │               │
│  │ · GPT-5      │     │ · Qwen3-Next 80B │               │
│  │               │     │ · Qwen3.5-35B   │               │
│  └──────────────┘     │ · Qwen3-Max     │               │
│                        │ · Qwen3-8B/14B  │               │
│                        │ · DeepSeek V3/   │               │
│                        │   V3.1/V3.2     │               │
│                        │ · Kimi K2.5     │               │
│                        └──────────────────┘               │
└─────────────────────────────────────────────────────────┘

5级配置优先级：

training.center.llm.scenario.{场景}.model.{模型}.api.url – 场景+模型级
training.center.llm.scenario.{场景}.url – 场景级
training.center.llm.model.{模型}.api.url – 模型级
training.center.llm.api.url – 全局级
硬编码默认值

场景化模型分配：

场景	默认模型	说明
practice	GPT-5.4	陪练对话
inspiration	GPT-5.4	灵感提示
score	DeepSeek V3.2	评分
script	GPT-5.4	剧本生成
scenario	GPT-5.4	场景润色
eval_judge	可配置	评测裁判

3.4.2 LLM调用流水线

业务Service调用
    ↓
LangChainChatService.chatForJsonObject() / chatForText()
    ↓
构建ChatMessages (system + user)
    ↓
ChatModelFactory.getModel(modelType, scenario, jsonMode)
    ↓
LangChain4j ChatModel.chat() → HTTP调用
    ↓
[异常处理]
├── 网络/超时 → TIMEOUT → TrainingException
├── 内容过滤 → CONTENT_FILTER → TrainingException
├── 线程中断 → REQUEST_CANCELLED → 保留中断标志
└── HTTP错误 → HTTP_ERROR → TrainingException
    ↓
[响应清洗]
├── 正则去除 ```json...```代码块包裹
├── 去除格式化伪影
└── JSON反序列化 → TypeReference<T> 强类型VO
    ↓
[自愈重试] JSON解析失败 + 输出含{/[ + 上下文<60K
├── 拼接失败输出 + 纠正Prompt
└── 重试一次
    ↓
[异步记录] LlmCallLogRecordingService → tra_llm_call_log
    ↓
返回结果

3.4.3 Prompt模板管理

32个Prompt模板，存放于 training-center-core/src/main/resources/promot/

模板加载策略：

配置中心 DynamicProperties.getString("training.center.prompt." + key) – 最高优先级（热切换）
Classpath文件缓存 – 默认

变量替换： Mustache语法 {{camelCaseVariable}}，通过 LangChain4j PromptTemplate.from().apply() 渲染

核心模板矩阵：

模板Key	文件	用途
practiceDialogueOpen	ai_practice_dialogue_open.md	开放式陪练对话
practiceDialogueProcess	ai_practice_dialogue_process.md	流程式陪练对话
practicePolish	ai_practice_polish.md	话术润色
practiceInspiration	ai_practice_inspiration.md	灵感提示（RAG优先+3步生成+难度策略库）
practiceGoalJudge	ai_practice_goal_judge.md	目标判定（已移除RAG依赖，精简输入）
practiceGoalSummary	ai_practice_goal_summary.md	目标摘要
practiceFinishCheck	ai_practice_finish_check.md	结束判定
practiceScoring	ai_practice_scoring.md	整体评分
practiceScoringDimension	ai_practice_scoring_dimension.md	维度评分(Map)
practiceScoringReduce	ai_practice_scoring_reduce.md	评分汇总(Reduce，折叠HTML+三行改进格式)
practiceScoringS suggestion	ai_practice_scoring_suggestion.md	评分建议
scriptCreateOpen	ai_script_create_open.md	开放式剧本生成
scriptCreateProcess	ai_script_create_process.md	流程式剧本生成（3-5目标+强制收尾目标）
scoreGenerateOpen	ai_score_generate_open.md	开放式评分规则
scoreGenerateProcess	ai_score_generate_process.md	流程式评分规则
trainingPolishedScenario	ai_training_polished_scenario.md	场景润色
trainingQuestionChecklist	ai_training_question_checklist.md	问卷生成
trainingRoleDef	ai_training_role_def.md	角色生成
knowledgeQaParse	ai_knowledge_qa_parse.md	知识库Q&A提取
qaKeywordExtract	ai_qa_keyword_extract.md	质检QA关键词提取+质量评分
qaSelectRepresentative	ai_qa_select_representative.md	代表性QA对筛选
qaKeywordCatalogCollection	ai_qa_keyword_catalog_collection.md	催收关键词目录（18类180+词）

3.5 数据库设计

3.5.1 核心ER关系

tra_character (AI角色)
    ↑ character_id
tra_script (剧本) ──1:N──→ tra_script_goal (目标)
    │                          │
    │                     1:N  ↓
    │               tra_script_goal_strategy (策略)
    │
    ├──1:N──→ tra_script_feedback (反馈规则)
    ├──1:N──→ tra_script_standard_reply (标准话术)
    └──1:N──→ tra_score_dimension (评分维度)
                    │
               1:N  ↓
              tra_score_detail (评分细则)

tra_plan (培训计划)
    ├──1:N──→ tra_plan_stage (阶段)
    ├──1:N──→ tra_plan_script (计划-剧本关联)
    ├──1:N──→ tra_plan_user (计划-学员关联)
    └──────→ tra_plan_script_user (三方进度)

tra_practice_session (练习会话)
    ├──1:N──→ tra_practice_dialogue (对话消息)
    └──1:1──→ tra_practice_report (评分报告)
                    │
               1:N  ↓
              tra_practice_report_detail (维度得分)

tra_ai_prompt (Prompt定义)
    └──1:N──→ tra_ai_prompt_version (版本)
                    │
              ┌─────┴─────┐
              ↓            ↓
    tra_ai_prompt_    tra_eval_experiment
    debug_run         (评测实验)
                          │
                     1:N  ↓
                    tra_eval_result

3.5.2 数据库演进（9个阶段，36个迁移）

阶段	版本	表数	核心能力
基础设施	V1-V7	12	用户、角色、配置、Kafka
内容创作	V8-V12	8	AI角色、剧本、评分规则
培训管理	V13-V16	5	培训计划、学习进度
知识库	V14,V24,V30	2	Q&A对、RAG知识
陪练引擎	V17,V29,V33,V34	4	会话、对话、报告
Prompt管理	V18-V21	3	模板、版本控制
评测系统	V26	6	数据集、实验、结果
可观测性	V22,V28,V31-V35	7	RAG日志、热词、LLM日志
质检集成	V36-V37	3	质检数据同步+关键词提取
标注闭环	V38,V41	2	标注修复追踪（fix_session_id）
多租户	V40	1（影响18张表）	全表business_id扩展

设计模式：

软删除：大部分域表使用 deleted 字段（‘T’/‘F’）
毫秒时间戳：所有 time_created/time_updated 为 bigint(20) 毫秒精度
报告快照：tra_practice_report_detail 冗余维度名、评估点、满分等，确保历史数据不受规则变更影响
Kafka Outbox：kafka_message + kafka_message_lock 保证消息可靠投递
状态机：会话(IN_PROGRESS→COMPLETED|TERMINATED)、报告(NONE→GENERATING→COMPLETED|FAILED)、版本(Draft→Published)

3.6 前端架构

3.6.1 双门户SPA

src/
├── pages/                     # 40+ 页面模块
│   ├── [Admin Portal]
│   │   ├── training-plan/     # 培训计划管理
│   │   ├── script-management/ # 剧本管理
│   │   ├── script-editor/     # 剧本编辑器
│   │   ├── ai-role-library/   # AI角色库
│   │   ├── speech-library/    # 话术知识库
│   │   ├── prompt-list/       # Prompt管理
│   │   ├── prompt-debug/      # Prompt调试
│   │   ├── prompt-dag/        # DAG编排画布
│   │   ├── eval-center/       # 评测中心
│   │   ├── data-dashboard/    # 数据看板
│   │   ├── llm-call-log/      # LLM调用日志
│   │   └── user-management/   # 用户管理
│   │
│   └── [Student Portal]
│       ├── student-home/      # 学员首页
│       ├── learning-plan/     # 学习计划
│       ├── practice-session/  # AI陪练对话（核心交互页）
│       ├── practice-report/   # 练习报告
│       └── my-practice-records/ # 历史记录
│
├── resources/                 # API服务层（28个文件）
├── components/                # 共享组件（14个）
├── stores/                    # Pinia状态（3个Store）
├── hooks/                     # 自定义Hooks
└── constants/                 # 枚举 & 常量

3.6.2 API集成模式

所有API请求遵循统一模式：

// resources/practice-session.ts
export async function sendChatMessage(sessionId: number, params: SendMessageParams) {
    const res = await axios.post(`/admin/training/practiceSession/${sessionId}/sendMessage`, params);
    return unwrapBody<SendMessageResponse>(res);
}

响应信封： { status: { code: number }, body: T }
错误拦截： 统一interceptor处理 token过期(302重定向)、权限不足(403)

3.6.3 实时通信 – WebSocket语音

浏览器 (Web Audio API)
  │  getUserMedia → ScriptProcessorNode
  │  16kHz 16bit Mono PCM → Base64编码
  │  200ms/帧 (3200样本)
  ↓
WebSocket (/admin/practiceVoice)
  │  ESTABLISH → DATA(base64) → SEND → CLOSE
  ↓
后端 PracticeVoiceWebSocketHandler
  │  积累ASR句末结果
  │  SEND时：flush转写器，等待4秒最终句
  │  拼接所有片段
  ↓
返回 TRANSCRIPTION → 前端展示 → 触发HTTP sendMessage

3.7 关键设计决策

决策	选择	理由
JOOQ而非JPA	JOOQ + Flyway	类型安全SQL，编译期校验，避免N+1问题
禁用@Transactional	手动事务	与加密JDBC驱动冲突
禁用@Async	ExecutorService	更精细的线程池控制
WebSocket仅做ASR	HTTP做对话	避免WS+HTTP双写消息
MapReduce评分	维度并行+聚合	单维度prompt更精确，可并行加速
Prompt配置中心热切换	DynamicProperties覆盖classpath	生产环境无需重启即可调优prompt
配置指纹热重载	fingerprint比对	LLM配置变更自动重建模型实例
LLM日志异步写入	2线程守护池	不阻塞主流程，保障可观测性

3.8 多区域部署

环境	用途	数据库
dev	本地开发	localhost
test	测试环境（中国）	远程MySQL
test-indo	印尼测试	印尼集群
test-sea	东南亚测试	东南亚集群
test-mex	墨西哥测试	墨西哥集群
prod	生产（中国）	生产MySQL
prod-indo	印尼生产	印尼集群
prod-phi	菲律宾生产	菲律宾集群
prod-mex-huawei	墨西哥生产	华为云
feat	预发布	Staging

四、AI Prompt工程设计

4.1 8步DAG流水线

Step 1: 场景润色 (trainingPolishedScenario)
   ↓  用户原始输入 → 结构化Markdown场景描述
Step 2: 问卷确认 (trainingQuestionChecklist)
   ↓  场景 → 4道ABCDE选择题，细化训练维度
Step 3: 角色生成 (trainingRoleDef)
   ↓  场景+问卷+素材 → AI借款人角色（姓名/年龄/性格/背景）
Step 4: 剧本生成 (scriptCreate[Open|Process])
   ↓  角色+场景+问卷 → 完整剧本（目标+策略+反馈+话术）
Step 5: 目标生成 (scriptGoal[Open|Process])
   ↓  补充/追加训练目标
Step 6: 评分规则生成 (scoreGenerate[Open|Process])
   ↓  剧本 → 多维度评分体系（总分100分）
Step 7: 对话模拟 (practiceDialogue[Open|Process])
   ↓  学员与AI实时对话
Step 8: 评分验证 (practiceScoring)
       对话历史 → 多维度评分+改进建议

4.2 核心Prompt工程技术

技术	应用	示例
角色扮演（Persona）	全部模板	“你是一名逾期借款人” / “你是资深催收培训师”
结构化JSON输出	28/32模板	严格字段定义+长度约束
Few-Shot示例	8个模板	灵感提示5个完整示例、润色6个示例
Chain-of-Thought	5个模板	目标判定3步推理、灵感3步生成
领域知识注入	15+模板	催收全流程、还款方案分类、客户心理模型
负面约束	20+模板	禁用词列表、禁止格式、反面示例
情绪递进模型	对话模板	5阶段情绪弧：防御→试探软化→方案博弈→异议波动→理性回归
绝对被动原则	流程式对话	AI只在学员主动提及话题后才响应
输出自检	3个模板	“输出前检查：1.无行业术语? 2.回应了问题? 3.无泄密?”
优先级层级	5个模板	RAG知识 > 标准话术 > 行为策略 > 兜底策略库
互斥规则	3个模板	“achieved和failed不能同时为true”
Meta-Prompt	1个模板	ai_prompt_revise_meta.md – 用Prompt修改Prompt

五、Agent与开发效能工具

5.1 Claude Code Skill体系

项目深度集成了Claude Code的Skill生态，构建了完整的AI辅助开发工具链：

Skill	用途
backend-local-run	JDK 21构建并本地启动Admin服务
local-acceptance	前后端同时启动+验收清单生成
local-mysql-ops	Flyway迁移、JOOQ代码生成、Mock数据
schema-pull-sync	团队迁移脚本同步
code-style-review	代码规范审查
review-java	阿里巴巴Java规范+项目CodeStyle审查
eval-center-backend	评测中心后端开发专用
training-center-prd	AI辅助PRD生成
ut-scan	单测覆盖率扫描+自动补充
skill-reviewer	Skill质量审核

5.2 Cursor Agent

Agent	功能	规模
code-to-docs	代码变更→飞书技术文档	36KB配置
feishu-to-docs	飞书文档整理美化	40KB配置

5.3 Speckit工作流（15个命令）

speckit analyze    → 需求分析
speckit specify    → SDD规约生成
speckit plan       → 实现计划
speckit implement  → 代码实现
speckit verify     → 验证
speckit parallel-* → 并行版本
speckit save/restore-context → 上下文保存/恢复

六、项目数据概览

指标	数值
后端总提交数	~362次
前端总提交数	~504次
贡献者	7人（后端）/ 11人（前端）
数据库表	46张+（V40多租户扩展18张表）
Flyway迁移	41个
JOOQ生成类	54个
Model类	57个
Controller包	25+
Service包	33+
前端页面模块	40+
API资源文件	28个
Prompt模板	32个
支持LLM模型	13个
部署区域	10个环境
活跃开发周期	2026.03 - 2026.04