核心基础信息
- 适配专业：计算机 / 软件工程 / 人工智能 / 数据科学
- 核心技术：Prompt 工程（Few-shot / 指令模板）、ChatGLM-6B（INT4 量化版）、中文文本预处理、轻量知识库构建
- 硬件要求：普通游戏本（16G 内存 + GTX1660 及以上）即可运行，无需高端 GPU
- 毕设亮点：场景贴合校园（教务 / 图书馆 / 生活 / 社团）、有可视化交互系统、可落地演示、创新点易设计
一、详细技术路线图（按毕设流程分 8 步，可直接写进开题报告）
步骤 1：需求分析与系统定位
- 功能需求：校园常见问题智能答疑、问题联想推荐、答案精准匹配、历史对话记录
- 非功能需求：响应速度＜3s、问答准确率≥85%、界面简洁易操作、支持文本输入 / 关键词检索
- 适用场景：在校学生查询教务通知、图书馆借阅、校园卡充值、社团报名、宿舍管理等问题
步骤 2：数据准备（公开数据集 + 自建校园数据集，易采集、易标注）
- 数据类型：校园领域问答对（Q&A）、通用日常问答对（补充）
- 标注要求：按场景分类（教务类 / 图书馆类 / 生活类 / 社团类 / 其他类），无需复杂标注
- 数据量：总数据 1000-1500 条即可（毕设足够，无需海量数据）
- 采集与清洗：去重、去无意义问题、统一答案表述格式、标注错误修正
步骤 3：核心技术选型与环境搭建
- 开发语言：Python 3.9/3.10（兼容性最好）
- 核心框架 / 库：Hugging Face Transformers、PyTorch、LangChain（轻量知识库）、Jieba（中文分词）、Streamlit/PyQt（前端界面）
- 模型：ChatGLM-6B INT4 量化版（显存占用＜10G，普通电脑可运行）
- 运行环境：Anaconda（虚拟环境）、Windows/Linux（推荐 Linux，稳定性更高）
步骤 4：校园轻量知识库构建
- 知识库结构：分类式结构化存储（以 JSON/Excel 为载体，字段：问题 ID、问题文本、标准答案、场景分类、关键词）
- 知识库优化：添加问题同义词 / 相似表述（如 “图书馆几点关门”/“图书馆闭馆时间”），提升匹配效率
- 检索方式：关键词匹配 + 语义相似度匹配（轻量版，无需复杂向量数据库）
步骤 5：Prompt 工程设计与调试（系统核心，毕设创新点核心载体）
- 基础 Prompt 框架设计：指令 + 场景限定 + 示例 + 用户问题（Few-shot 范式，适配小样本校园数据）
- 分场景 Prompt 模板定制：为教务 / 图书馆等 5 大场景分别设计专属 Prompt，提升领域适配性
- Prompt 调优：调整示例数量（1-3 个最佳）、指令描述方式、关键词权重，提升问答准确率
步骤 6：系统架构设计与功能模块实现
- 整体架构：前端交互层→文本预处理层→知识库检索层→Prompt 生成层→ChatGLM-6B 推理层→结果返回层
- 核心功能模块实现：
- 文本预处理模块：去空格 / 特殊符号、分词、关键词提取
- 知识库检索模块：根据用户问题匹配相似问题，调取标准答案
- Prompt 生成模块：根据场景和检索结果，自动生成适配的 Prompt
- 模型推理模块：将 Prompt 输入 ChatGLM-6B，得到推理结果
- 前端交互模块：实现问题输入、答案展示、历史对话、场景选择
步骤 7：模型与系统调优 + 性能评估
- 调优方向：Prompt 模板优化、知识库相似问题补充、模型推理参数调整（温度系数 / 最大生成长度）
- 评估指标：准确率（核心）、响应速度、鲁棒性（测试无意义问题 / 模糊问题的处理能力）
- 测试集划分：将自建数据集按 7:2:1 划分为训练集（Prompt 调试）、验证集（调优）、测试集（最终评估）
- 评估结果：生成量化评估报告（如整体准确率 88%，图书馆类问题准确率 92%）+ 典型案例分析
步骤 8：系统部署与演示 + 论文撰写
- 轻量部署：本地部署（毕设演示足够），生成可执行文件，实现 “双击运行”
- 演示准备：设计典型测试用例（覆盖 5 大场景），展示系统功能和问答效果
- 论文撰写：按 “绪论→需求分析→技术基础→系统设计→实现→测试→总结与展望” 结构，重点突出 Prompt 工程设计和校园知识库构建
二、数据集推荐（公开 + 自建，毕设专属，易采集、易标注）
1. 公开通用问答数据集（补充数据，无需标注，直接用）
| 中文通用问答数据集 QASys | 5000 + 条 | 日常通用问题 | Kaggle、百度飞桨数据集库 |
| 高校校园通用问答数据集 | 800 + 条 | 校园基础问题 | Hugging Face、知网数据集平台 |
2. 自建校园专属数据集（核心数据，1000-1500 条，毕设重点）
（1）采集渠道（零成本，学生易操作）
（2）数据分类与数量分配（合理分配，贴合校园实际）
| 教务类 | 300-350 | 补考时间怎么查？、选修课怎么选？、绩点怎么计算？ |
| 图书馆类 | 250-300 | 图书能借多久？、逾期罚款多少？、电子资源怎么用？ |
| 校园生活类 | 300-350 | 校园卡怎么充值？、宿舍断电时间？、食堂开放时间？ |
| 社团 / 活动类 | 100-150 | 社团怎么报名？、校园十佳歌手赛怎么参加？ |
| 其他类 | 50-100 | 学校快递站在哪？、校园网怎么办理？ |
三、模型训练 / 调试详细步骤（实操性强，可直接跟着做，无复杂操作）
阶段 1：环境搭建（Anaconda 虚拟环境，一步一步来）
- pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2
- pip install transformers==4.30.2 langchain==0.0.194 jieba streamlit
- pip install sentence-transformers==2.2.2（语义相似度匹配）
阶段 2：ChatGLM-6B 模型加载（直接调用，无需从头训练）
python
运行
from transformers import AutoTokenizer, AutoModel
# 加载分词器和模型
tokenizer = AutoTokenizer.from_pretrained("模型文件路径", trust_remote_code=True)
model = AutoModel.from_pretrained("模型文件路径", trust_remote_code=True).half().cuda()
# 模型推理函数
def glm_infer(prompt):
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_length=512, temperature=0.7, do_sample=False)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
return response
阶段 3：校园知识库构建（JSON 格式，示例可直接复用）
json
{
"data": [
{
"id": 1,
"question": "图书馆几点开门？",
"answer": "学校图书馆开馆时间为周一至周五8:00-22:00，周六至周日9:00-20:00，法定节假日闭馆。",
"category": "图书馆类",
"keywords": ["图书馆", "开馆时间", "开门"]
},
{
"id": 2,
"question": "校园卡怎么充值？",
"answer": "校园卡可通过学校微信公众号、校园自助充值机、食堂充值窗口进行充值，充值后实时到账。",
"category": "校园生活类",
"keywords": ["校园卡", "充值", "缴费"]
}
]
}
阶段 4：Prompt 工程设计与调试（核心实操，附模板示例）
（1）基础 Few-shot Prompt 模板（通用框架，可直接复用）
plaintext
指令：你是XX大学校园智能答疑助手，仅回答与本校校园相关的问题，问题需贴合教务、图书馆、校园生活、社团四大场景，非校园问题请回复“该问题非校园相关，无法为你解答”。
场景：{scene}
示例1：
问题：{example_q1}
答案：{example_a1}
示例2：
问题：{example_q2}
答案：{example_a2}
用户问题：{user_q}
答案：
（2）分场景调试：将 {scene} 替换为 “图书馆类” 等具体场景，{example_q/a} 替换为对应场景的示例问答，测试不同模板的效果
（3）调优技巧：示例数量控制在 1-3 个（数量过多会降低小样本效果）、温度系数设为 0.5-0.7（保证答案准确性，避免过度生成）、最大生成长度设为 200-300 字（贴合校园问答短答案特点）
阶段 5：系统整合与前端实现（Streamlit，最快上手，毕设演示首选）
python
运行
import streamlit as st
# 设置页面标题
st.title("XX大学校园智能问答系统")
# 场景选择
scene = st.sidebar.selectbox("选择问题场景", ["全部", "教务类", "图书馆类", "校园生活类", "社团类"])
# 历史对话初始化
if "history" not in st.session_state:
st.session_state.history = []
# 问题输入
user_q = st.text_input("请输入你的校园问题：", placeholder="例如：图书馆几点关门？")
# 提交按钮
if st.button("提交提问") and user_q:
# 调用核心推理函数（自行实现）
response = core_infer(user_q, scene)
# 保存历史对话
st.session_state.history.append(("你", user_q))
st.session_state.history.append(("答疑助手", response))
# 展示答案
st.success(f"答疑助手：{response}")
# 展示历史对话
st.subheader("历史对话")
for role, content in st.session_state.history:
st.write(f"**{role}**：{content}")
