← 返回学习路线

SYSTEM

开题答辩讲稿与问答预案

毕业设计答辩
src/content/notes/projects/开题答辩讲稿与问答预案.md

开题答辩讲稿与问答预案

一、PPT 讲稿(按页,约 10–12 分钟)

P1 封面

各位老师好!我是23级计算机科学与技术6班的林光庭,我的毕业论文题目是《基于SpringBoot+SpringAI的多文体智能创作桌面系统设计与实现》,指导教师是陈思雨老师。下面我从选题来源及理由、研究意义、文献综述、研究内容与技术路线、进度安排、预期成果与创新点六个方面进行汇报。

P2 汇报目录

本次汇报共六个部分。核心思路是:先讲清楚”为什么做”,再讲”做什么、怎么做”,最后讲”什么时候做完、做出什么”。

P3 选题来源及理由

分两个层面。第一是现实需求驱动:网文作者、自媒体运营者与公文写作者在长文创作中普遍面临四个痛点——卡文难以续写、灵感与素材散落各处、用词重复缺乏自检、崩溃导致丢稿;而传统码字工具编辑体验单一、缺乏智能辅助。第二是技术条件成熟:Ollama等本地大模型框架日趋成熟,普通个人电脑已可流畅运行数B参数的开源模型,Spring AI 1.0 GA 也为Java生态提供了统一抽象。因此核心问题就落在——如何将成熟的桌面写作体验与本地化大模型能力有机结合,实现”写作数据不出本机”的离线AI写作工具。

P4 研究意义

理论价值上,探索 Spring Boot 与 Spring AI 在桌面应用场景下的工程落地路径,研究双模式模型路由的统一抽象与适配方法,为Java生态下大模型桌面应用的进程编排、SSE流式输出、SQLite本地存储等工程化问题提供系统性参考。应用实践上,面向网文、自媒体、公文写作者提供隐私安全的离线AI写作工具,实现”桌面码字工具为体、AI赋能为用”,数据全部本地流转,解决创作隐私与合规顾虑。

P5 文献综述

国外方面,Notion AI、Jasper、Grammarly等已形成成熟的云服务模式,Ollama、LM Studio推动开源模型本地运行,为离线应用提供基础。国内方面,秘塔写作猫、WPS AI、讯飞星火已覆盖生成、润色、校对场景,Qwen、DeepSeek等中文开源模型可本地部署,Spring AI已发布GA版本。但目前仍存在四大问题:一是主流工具多为Web或云服务形态,内容上传云端、隐私合规风险高;二是本地大模型部署多停留在命令行或简易网页,缺乏与专业写作体验结合的桌面产品;三是Spring Boot+Spring AI结合的桌面端案例较少,工程化问题待解决;四是多数工具定位”自动化创作流水线”,功能过重,未贴合创作者心流。这些正是本课题的切入点。

P6 研究内容

系统采用三层架构。前端基于 Electron+Vue3,承担写作核心与AI赋能:TipTap富文本编辑器、文档管理、防丢稿缓存、版本留存与回滚、多格式导出、暗色主题与悬浮字数,以及续写、快捷处理、大纲、灵感、素材、自检等AI功能。后端基于 Spring Boot 3.5,提供 ModelRouter双模式模型路由、SSE流式接口、全文自检规则引擎、Ollama健康探测、X-Local-Token本机鉴权与日志脱敏。数据与模型层采用SQLite四表存储,并支持本地Ollama离线推理与第三方OpenAI兼容API双模式接入。

P7 拟解决的关键问题

主要解决六大工程问题:一是桌面进程编排,由Electron主进程统一管理Java后端生命周期,解决关窗残留、端口占用、崩溃自愈与优雅停机;二是SSE流式输出与资源释放,通过SseEmitter持有Disposable、心跳保活、写失败即释放;三是SQLite单机并发与事务规范,采用单连接池、WAL模式,事务内禁网络IO;四是本机接口安全防护,用X-Local-Token加Host校验加CORS白名单防跨页攻击;五是模型接入与密钥安全,API-Key仅存单次请求内存、不落库不写日志;六是编辑器偏移映射,把纯文本投影字符偏移映射到ProseMirror文档位置,实现准确标红与一键替换。

P8 研究方法

综合运用三种方法。文献研究法:系统检索生成式AI写作、本地大模型部署、桌面应用开发与富文本编辑器方向的文献与官方文档。系统设计法:以”写作体验优先、AI随手可用、数据本地留存”为目标,将系统划分为Electron桌面端、Spring Boot后端、SQLite数据层与双模式模型接入层。开发测试法:迭代式开发,Git按里程碑打标签,对模型路由、日志脱敏、自检规则、版本管理、偏移映射等核心路径做单元与集成测试,打包后冒烟测试。

P9 技术路线

系统总体架构为四层:最上层是Electron桌面渲染进程,Vue3+Element Plus+TipTap提供编辑与AI工具箱界面;通过HTTP与SSE(仅本机8080)连接Spring Boot本地后端进程;后端负责ModelRouter双模式路由、SSE流式接口、自检规则引擎、四类数据CRUD、健康探测与鉴权脱敏;数据落于SQLite本地数据库四张表;底层为双模式模型接入——本地Ollama离线推理与第三方OpenAI兼容API。

P10–P11 进度安排

整体按23周推进:第1周开题准备;第2周后端脚手架(含健康探测与日志脱敏);第3-4周桌面壳与编辑器、文档管理、防丢稿;第5周AI赋能(双模式路由、续写、快捷处理);第6周版本与导出;第7周模板与素材;第8-9周全文自检与写作辅助;第10-12周桌面打包交付(jlink+electron-builder)、安全测试与冒烟测试。第13-23周进入论文撰写:依次完成论文各章、初稿、中期检查二稿、三稿、定稿查重,第23周准备答辩材料。计划兼顾开发与论文两条线,里程碑清晰。

P12 预期成果与创新点

预期成果是:可安装运行的Windows x64桌面应用(内置jlink裁剪JRE,无需预装JDK),完整MVP——写作主线+AI赋能闭环+双模式接入,本地Ollama离线可用、自有API开箱即用,AI生成流式返回、可撤销可回退,并完成毕业论文一篇。创新点有四:一是双模式模型接入,用统一ModelRouter抽象实现本地Ollama与第三方API自由切换;二是本机纵深防御,X-Local-Token+Host校验+CORS白名单;三是密钥零持久化,API-Key仅单次请求内存、日志全脱敏;四是产品定位清晰,“写作工具为体、AI赋能为用”,不做重型自动化流水线。

P13 结束

我的汇报到此结束,请各位老师批评指正,谢谢!


二、答辩问答预案(五档难度 × 每档 5 题)

档位1:简单(项目是什么、面向谁、基础选型)

Q1. 你的系统是做什么的?面向谁?

一款桌面智能写作助手(多文体智能创作桌面系统),面向网文作者、自媒体运营者与公文写作者。定位是”码字工具为体、AI赋能为用”——先把写作体验做好(编辑、防丢稿、版本、导出),再叠加AI辅助(续写、润色、自检),不做自动化流水线。

Q2. 为什么用 Electron 做桌面应用,而不是做成网页?

三个原因:一是本课题强调”写作数据不出本机”,桌面应用数据全部落本地,不上云;二是离线可用,本地Ollama模式下断网也能用;三是桌面端可以把Java后端作为本地子进程编排起来,形成一体化的桌面产品体验。

Q3. 双模式接入具体指什么?

两种模型来源:一是本地Ollama离线推理,模型和文档都在本机;二是用户自备第三方大模型API(OpenAI兼容协议),联网使用、开箱即用。由后端的ModelRouter统一路由,用户可在设置页一键切换。

Q4. 数据存储为什么选 SQLite 而不是 MySQL?

因为系统是单机、单用户、无多租户的桌面应用。SQLite是嵌入式单文件数据库,零安装零运维,复制文件即备份;MySQL需要独立服务进程,和桌面工具形态冲突。四张表的并发压力在单用户场景下SQLite完全够用。

Q5. 系统需要登录和权限管理吗?

不需要。产品定位是个人本地使用的单机工具,无登录、无角色权限、无多租户。接口安全通过本机的X-Local-Token机制保证,防御的是浏览器网页发起的跨页攻击,而不是多用户权限体系。

档位2:中等(技术原理与实现方式)

Q6. Spring AI 在项目中起什么作用?为什么锁定 1.0.0?

Spring AI为Java生态提供大模型接入的统一抽象,本系统用它对接本地Ollama;自有API模式用WebClient直连。版本锁定1.0.0是因为它基于Spring Boot 3.5基线,与项目技术栈匹配;Spring AI 2.0要求Spring Boot 4/Spring Framework 7,不兼容3.x,所以不能升级。

Q7. SSE 流式输出是怎么实现的?断开时资源怎么释放?

后端用SseEmitter将Spring AI的Flux流按token事件推给前端;前端用fetch+ReadableStream接收(禁用EventSource,方便传请求头与取消)。资源释放上,SseEmitter持有Disposable,前端AbortController取消时或写失败/断连时立即dispose订阅,防止线程与连接泄漏,并配心跳保活。

Q8. Electron 主进程如何管理 Java 后端进程?

主进程用spawn直接拉起java进程(shell:false),使java成为直接子进程,kill才有效;退出时优先调用本地shutdown端点优雅停机,失败再用tree-kill(taskkill /T /F)杀整棵进程树;同时监听exit/close做崩溃自愈,启动前回收残留8080端口,就绪前显示启动遮罩。

Q9. X-Local-Token 是什么?为什么不做账号登录?

后端启动时生成一次性随机token写入本地userData文件,Electron主进程读取后经preload注入渲染进程,所有业务接口校验该请求头。它只在进程间传递、永不经过HTTP,配合Host校验与CORS白名单,防御浏览器跨页攻击和DNS rebinding。本机单用户场景不需要账号体系,用token做纵深防御足够。

Q10. 用户的 API-Key 是怎么保护的?

只在单次请求内存中使用:放在POST请求体里,不放在HTTP Header;后端绝不持久化、绝不写日志、绝不落盘;全局日志层做密钥脱敏,异常堆栈也过滤,保证密钥不会泄露到任何存储介质。

档位3:较难(设计权衡与工程细节)

Q11. SSE 为什么用 SseEmitter 而不用 WebFlux?

本系统是单机桌面应用,并发量低(单用户),Tomcat线程池足够承载;SseEmitter用法简单、和Spring MVC同栈,不需要引入响应式编程的复杂度。WebFlux的优势在大并发高吞吐场景,这里用不上,避免过度设计。

Q12. SQLite 单机并发怎么避免 database locked?

四管齐下:一是连接池设成maximum-pool-size=1,SQLite单写者模型下多连接极易锁冲突;二是连接初始化统一PRAGMA(WAL模式、synchronous=NORMAL、busy_timeout=5000、foreign_keys=ON);三是定红线——事务内禁止网络IO与AI调用、禁止长事务长读;四是定时wal_checkpoint(TRUNCATE)防WAL膨胀。

Q13. 全文自检的标红是怎么定位到编辑器文本的?

自检接口返回的是纯文本投影上的字符偏移(UTF-16 code unit),即editor.getText()的偏移,不是HTML下标。前端负责把纯文本偏移映射到TipTap/ProseMirror的文档position,再生成Decoration标记;用户编辑后清空全部标记,下次自检重新计算,避免偏移漂移。

Q14. 为什么用 jlink 裁剪 JRE?安装包多大?

目的是让用户免装JDK即可运行。jlink按模块裁剪JRE,体积约50-90MB,打进electron-builder的extraResources随应用分发;安装包整体约300MB左右,只交付Windows x64。

Q15. 系统崩溃后怎么保证不丢稿?

双层保障:一是正文输入防抖实时自动缓存到本地,重启可恢复并提示;二是版本留存机制,手动存版与会话结束自动存版,记录content_hash,可对比历史版本并一键回滚。

档位4:难(综合方案与边界情形)

Q16. 你怎么证明”数据不出本机”?

三条证据链:一是数据层,所有文档、版本、模板、素材都落在本地SQLite单文件,无云端存储接口;二是网络层,后端只绑定127.0.0.1,无对外监听;三是运行路径,唯一可能外呼的场景是用户主动开启”自有API联网模式”,此时也只发推理请求、上传的是用户主动选择的内容,且可随时切换回离线模式。

Q17. 本地模型生成很慢或者中途断流怎么办?

已设计降级与体验保障:Ollama健康探测3状态(UNAVAILABLE/MODEL_MISSING/READY),不可用时界面置灰引导;WebClient设置连接与读取超时,调用失败自动重试,重试耗尽返回友好错误;SSE断连前端自动重连,重连失败提示用户;流式输出本身让首字更快到达,用户可随时撤销。

Q18. 你的创新点本质上是什么?和市面上的工具差在哪?

本质是”本地优先的工程化整合”而非算法创新:一是把Spring Boot+Spring AI在桌面场景完整落地(进程编排、SSE、SQLite),这块案例很少;二是双模式模型路由的统一抽象;三是密钥与接口的本机纵深防御。和秘塔写作猫、WPS AI这类云端工具的区别在于:数据不出本机、离线可用、按文体定制提示词与自检规则。

Q19. 23周的计划你如何保证按期完成?

计划按里程碑管理并预留了裁剪预案:核心MVT项(写作主线+双模式+自检规则引擎)优先保证,P2项(打字机模式、联网素材、LLM语义自检等)有余力再做、必要时可后置;同时开发与论文写作并行推进,Git按里程碑打标签,每阶段有明确验收标准。

Q20. 如果 Spring AI 1.0.0 和 Spring Boot 3.5.3 实际不兼容怎么办?

有两条降级路径:一是把Spring Boot锁回3.4.x(Spring AI 1.0.0的原生基线);二是升级Spring AI 1.1.x(原生支持Boot 3.5)。另外自有API模式本来就走的WebClient直连,不依赖Spring AI,即使Spring AI链路全断,联网模式的功能也不受影响——本地模式是唯一依赖点,且有备选。

档位5:最难(学术性质疑与压力问题)

Q21. 你这个系统是工程整合,学术创新点在哪里?

答:本科毕设的核心要求是”用已有技术解决真实问题、形成完整系统”。本课题的创新是系统性集成创新:一是国内很少见的”Spring Boot+Spring AI+Electron桌面”组合落地,解决了一组具体的工程难题(进程生命周期、SSE资源释放、SQLite并发、本机安全),这些都有明确的技术方案设计;二是双模式路由与按文体定制的提示词/自检规则,是产品与业务层面的设计创新。如果老师期望更强的算法创新,可说明语义级自检(LLM判定)已列为后续扩展方向。

Q22. 用什么标准证明系统”好用”和”正确”?

分三层:功能正确性靠端到端最小闭环验证(前端→后端→Ollama→SQLite→前端流回)和核心路径的单元测试(模型路由、日志脱敏、自检规则、版本管理、偏移映射);稳定性靠集成测试、安全测试与打包后冒烟测试(安装、启动、写作、导出、退出无残留进程);“好用”层面靠写作体验设计(防丢稿、可撤销、离线可用、按文体模板)来支撑,并以MVP验收清单逐项核对。

Q23. 提示词模板和自检规则怎么保证质量?凭什么说你检得准?

v1.0的自检以规则引擎为主(词级):按文体加载检规——网文重复用词+敏感词、自媒体平淡词、公文口语化词+格式正则,这些规则来自语料观察与既有写作规范,可解释、可测试;语义级问题(平淡、逻辑断层)依赖LLM判定,已列入P2。规则引擎是纯函数,单元测试可覆盖,这正是它比纯LLM自检更可控的原因。

Q24. 为什么选 TipTap?自研编辑器或别的方案不行吗?

TipTap基于ProseMirror,提供成熟的文档模型、位置映射、撤销/重做栈和Markdown输入规则,正好解决本系统三大需求:HTML持久化、纯文本投影(AI入参与自检)、纯文本offset到文档position的映射。自研contenteditable在这些点上极易出错(坐标漂移、撤销栈缺失),风险大、工期长,不符合8周业余开发的约束。

Q25. 系统的可扩展性和未来方向是什么?

架构上已经为扩展留了空间:数据层四表带genre字段,可扩展更多文体与业务实体;双模式路由可扩展更多模型服务商模板。已明确的后置方向:联网素材搜索、LLM语义自检、打字机专注模式(P2);若未来演进到多用户/云同步(v1.2),数据层可按既定方案平滑迁移到MySQL。毕业设计阶段保证MVT闭环交付即可。


三、临场提示

  • 讲稿按 P3–P12 九页展开,每页约1分钟;被追问时先答结论再展开,控制在3句内给要点。
  • 涉及版本/数字(3.5.3、1.0.0、23周、四表、X-Local-Token)务必准确,可翻PPT对应页。
  • 被问”为什么不用XXX”类问题时,统一用”单机/单用户/离线优先的产品定位 + 工程约束”作答,不贬低他方技术。