搜索博客

在全部博客文章中搜索标题、摘要与正文关键词。

共 220 篇

这一篇实现交卷之后的所有环节：判分、人工阅卷、成绩展示、错题归集、统计分析。核心矛盾是——怎么在「给考生更多信息」和「不泄露答案」之间找平衡。一、判分器的完整实现先把判分器整个放出来，因为这个类的设计决定了后面所有环节的正确性。 package com.l

在实际业务场景中，经常会遇到人类介入的场景，人类的不同操作将影响工作流不同的走向。Spring AI Alibaba Graph 提供了两种方式来实现人类反馈： InterruptionMetadata 模式：可以在任意节点随时中断，通过实

在 Redis 数据库中持久化和管理您的 Spring AI Alibaba Graph 工作流状态，确保持久性 Redis 检查点持久化是 Spring AI Alibaba Graph 生态系统的一个模块，它使得工作流状态能够可靠地存储

这一篇实现考试进行时的全部环节。在线考试最难的不是功能本身，而是边界情况：网络断了、刷新页面、重复交卷、前端倒计时被改。下面每个方法都能直接用。一、进入考试与断线续考 @Override public ExamTakePaperVO start(ExamSt

上一篇搭好了工程和数据库。这一篇实现组卷和考生指派——从「题库里按规则抽题生成试卷」到「把考生圈进考场」，每个方法都能直接抄。一、试卷的两条生成路径试卷由 exam_paper 的 gen_mode 决定生成方式： gen_mode方式数据来源 1固定组卷

Spring AI Alibaba Graph 提供了强大的图执行取消机制，这对于长时间运行的工作流程特别有用。此功能基于 java-async-generator 库的取消能力构建。当您使用 stream 方法执行图时，会得到一个 As

这个系列会把「AI 在线考试系统」从零搭一遍：建表、配环境、写关键代码、跑起来验证。每一篇结束你都能有一个能运行的东西，而不是读完一堆设计原则。这是第一篇，目标是把工程骨架和数据库搭起来，让服务能启动。一、前置环境组件版本说明 JDK17+Spring

在 Spring AI Alibaba Graph 中，流式输出通过以下方式工作：流式输出的层次结构 ┌─────────────────────────────────────────────────────────────────┐

Spring AI Alibaba Graph 内置了对流式处理的原生支持，框架统一是使用 Flux 来在框架中定义和传递流，与 Spring 生态的流式处理保持一致。以下是从 Graph 运行中流式返回输出的不同方式。 .stream()

Spring AI Alibaba Graph 具有内置的持久化层，通过检查点（Checkpointers）实现。当您使用检查点编译图时，检查点会在每个超级步骤（super-step）保存图状态的检查点。这些检查点保存到一个会话（threa