面向流媒体/自媒体营销的"内容创作AI-Agent"

一款轻量化、易上手的流媒体/自媒体营销内容辅助工具，帮助自媒体从业者提高创作效率，降低创作门槛。

项目简介

本项目旨在开发一款轻量化的AI辅助内容创作工具，聚焦"营销素材智能生成、内容格式快速适配、创作记录留存与基础数据统计"核心需求。

核心功能

• 用户认证：用户注册、登录、JWT认证
• 素材库管理：素材CRUD、分类管理、标签管理、素材检索
• AI内容生成：选题推荐、文案生成、质量评估、人工编辑
• 平台适配：抖音、小红书、微信视频号格式适配，一键排版
• 创作记录：创作历史、版本管理、检索功能、导出功能
• 统计分析：每日统计、关键词分析、数据可视化

技术栈

前端：

• Vue.js 3
• Element Plus
• Pinia（状态管理）
• Vue Router（路由）
• Axios（HTTP客户端）
• ECharts（数据可视化）

后端：

• Python FastAPI
• SQLAlchemy（ORM）
• Alembic（数据库迁移）
• JWT认证
• OpenAI API / 通义千问 / 文心一言

数据库：

• MySQL 8.0
• Redis 6.0

部署：

• Docker
• Nginx

项目结构

内容创作AI-Agent/
├── frontend/                 # 前端项目（Vue.js 3）
│   ├── src/
│   │   ├── api/            # API请求封装
│   │   ├── assets/         # 资源文件
│   │   ├── components/     # 公共组件
│   │   ├── layouts/        # 布局组件
│   │   ├── router/         # 路由配置
│   │   ├── stores/         # Pinia状态管理
│   │   ├── utils/          # 工具函数
│   │   ├── views/          # 页面组件
│   │   ├── App.vue
│   │   └── main.js
│   ├── package.json
│   ├── vite.config.js
│   └── index.html
├── backend/                 # 后端项目（FastAPI）
│   ├── app/
│   │   ├── api/           # API路由
│   │   ├── core/          # 核心配置
│   │   ├── models/        # 数据模型
│   │   ├── schemas/       # Pydantic模型
│   │   ├── services/      # 业务逻辑
│   │   ├── utils/         # 工具函数
│   │   └── main.py        # 应用入口
│   ├── tests/             # 测试文件
│   ├── requirements.txt
│   ├── run.py
│   └── .env.example
├── 文档集合/                # 项目文档
├── 启动项目.bat             # 项目启动脚本
├── 启动测试.bat             # 测试启动脚本
├── docker-compose.yml       # Docker编排
└── README.md

快速开始

环境要求

• Node.js 18+
• Python 3.10+
• MySQL 8.0+
• Redis 6.0+
• Docker（可选）

一键启动项目（推荐）

Windows系统下，可以使用提供的批处理脚本快速启动项目：

# 双击运行或在命令行执行
启动项目.bat

该脚本会自动：

1. 启动后端服务（http://localhost:8000）
2. 启动前端服务（http://localhost:3000）

默认账号：

• 用户名：admin
• 密码：admin123

手动启动项目

前端启动

# 进入前端目录
cd frontend

# 安装依赖
npm install

# 配置环境变量
cp .env.example .env.development
# 编辑.env.development文件，填写配置信息

# 启动开发服务器
npm run dev

前端服务将在 http://localhost:3000 启动

后端启动

# 进入后端目录
cd backend

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux/Mac:
source venv/bin/activate

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.example .env
# 编辑.env文件，填写配置信息

# 初始化数据库
alembic upgrade head

# 启动后端服务
python run.py

后端服务将在 http://localhost:8000 启动

API文档访问地址：http://localhost:8000/docs

启动测试

一键启动测试（推荐）

Windows系统下，可以使用提供的批处理脚本启动测试可视化工具：

# 双击运行或在命令行执行
启动测试.bat

该脚本会自动：

1. 检查Python环境
2. 检查并创建虚拟环境
3. 安装测试依赖（pytest、pytest-json-report）
4. 启动后端服务（如果未运行）
5. 打开测试可视化网页
6. 建议先启动start_backend.bat文件在启动以上bat文件 测试可视化网页：项目根目录下的 test-dashboard.html

手动运行测试

# 进入后端目录
cd backend

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux/Mac:
source venv/bin/activate

# 安装测试依赖
pip install -r requirements-dev.txt

# 运行所有测试
pytest

# 运行特定测试文件
pytest tests/test_auth.py

# 运行特定测试函数
pytest tests/test_auth.py::test_register

# 生成测试报告
pytest --json-report --json-report-file=test_report.json

测试覆盖范围：

• 用户认证测试（test_auth.py）
• 素材管理测试（test_materials.py）
• 创作记录测试（test_records.py）
• 平台适配测试（test_adapter.py）
• 统计分析测试（test_statistics.py）
• 仪表盘测试（test_dashboard.py）
• 安全性测试（test_security.py）
• 性能测试（test_performance.py）

Docker启动

# 启动所有服务
docker-compose up -d

# 查看日志
docker-compose logs -f

# 停止服务
docker-compose down

开发指南

前端开发

前端项目使用Vue.js 3 + Vite + Element Plus构建。

目录结构

• src/api/：API请求封装
• src/components/：公共组件
• src/layouts/：布局组件
• src/router/：路由配置
• src/stores/：Pinia状态管理
• src/views/：页面组件
• src/utils/：工具函数

代码规范

• 遵循ESLint规则
• 遵循Prettier格式化
• 组件命名：PascalCase
• 文件命名：kebab-case
• 变量命名：camelCase

后端开发

后端项目使用Python FastAPI + SQLAlchemy构建。

目录结构

• app/api/：API路由
• app/core/：核心配置
• app/models/：数据模型
• app/schemas/：Pydantic模型
• app/services/：业务逻辑
• app/utils/：工具函数
• tests/：测试文件

代码规范

• 遵循PEP 8规范
• 函数命名：snake_case
• 类命名：PascalCase
• 常量命名：UPPER_CASE
• 添加类型注解

API文档

后端API文档使用Swagger/OpenAPI自动生成，启动后端服务后访问：

http://localhost:8000/docs

数据库设计

主要数据表

• users：用户表
• categories：分类表
• materials：素材表
• tags：标签表
• material_tags：素材标签关联表
• records：创作记录表
• versions：版本表
• statistics：统计表

详细的数据库设计请参考 文档集合/详细设计文档.md

项目文档

• 文档集合/概要设计文档.md：项目概要设计
• 文档集合/详细设计文档.md：项目详细设计
• 文档集合/项目定位与功能设计.md：项目定位与功能设计
• 文档集合/详细分工文档.md：团队详细分工
• 文档集合/接口设计文档.md：API接口设计
• 文档集合/开发流程文档.md：开发流程说明
• 文档集合/测试报告.md：测试报告

团队分工

本项目由4人团队开发，采用角色分工模式：

1. 队长：项目统筹、后端架构、AI核心功能
2. 前端开发：Vue3页面、SSE交互、UI/UX
3. 后端开发：数据模型、业务API、数据库
4. 测试运维：质量保障、CI/CD、部署文档

详细的团队分工请参考 文档集合/04-研发管理/项目现状审计与任务分配.md

开发计划

本项目开发周期为14周（按课程大纲），采用Scrum敏捷迭代：

• 第1-3周：团队组建、需求分析、系统设计
• 第4-6周：用户认证、素材库管理、数据库设计
• 第6-8周：AI内容生成（RAG + SSE + Few-Shot）
• 第8-10周：平台适配、创作记录、版本管理
• 第10-12周：统计分析、前后端联调、系统测试
• 第12-14周：项目答辩与总结

详细的开发计划请参考 文档集合/01-项目背景与需求/项目定位与功能设计.md

贡献指南

1. 切到 develop 拉取最新代码 (git checkout develop && git pull)
2. 切回个人分支并同步 (git checkout dev/你的名字 && git merge develop)
3. 开发并提交 (git commit -m 'feat: 你的改动描述')
4. 推送到远端 (git push)
5. 在 GitHub 上创建 Pull Request 到 develop 分支，等待队长审查

许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

---

注意：本项目为教学实训项目，仅供学习交流使用。