ExcelAIQ-Bank 项目部署手册与技术架构（由Manus完成编写）

1. 项目简介

ExcelAIQ-Bank 是一个基于 Spring Cloud Alibaba 微服务架构的智能题库系统。其核心功能是允许用户通过上传标准格式的 Excel 文件，系统自动解析文件内容，并将题目数据导入题库。系统设计上预留了与外部 AI 服务的集成接口，用于实现题目的智能处理（例如自动生成解析、校验答案等）。

2. 技术架构

2.1. 架构图

本系统采用微服务架构，各模块通过 Spring Cloud 组件进行协作。特别是，为了体现微服务架构的技术异构特性，核心的 AI 处理服务被设计为一个独立的 Python 服务，通过消息队列与 Java 后端进行异步通信。

graph TD
    A[用户/前端] --> B(eaqb-gateway 网关);

    subgraph Java 微服务集群
        B
        C(eaqb-auth 认证服务)
        D(eaqb-excel-parser Excel解析服务)
        E(eaqb-question-bank 题库服务)
        F(eaqb-oss 对象存储服务)
    end

    B --> C;
    B --> D;
    B --> E;

    D --> F;
    D --> E;

    E --> G(RocketMQ 消息队列);
    E --> H(MySQL 数据库);

    subgraph 外部异构服务
        I[Python AI Service]
    end

    G -- 发送题目数据 --> I;
    I -- 返回处理结果 --> G;
    G -- 消费结果 --> E;

    subgraph 基础设施
        N(Nacos 配置/注册中心)
        R(Redis 缓存/会话)
    end

    C --> H;
    D --> H;
    E --> H;
    C --> R;
    E --> R;
    B --> N;
    C --> N;
    D --> N;
    E --> N;

Loading

2.2. 技术栈与异构说明

本项目主要采用 Java 技术栈，并结合了多种主流的微服务组件。

模块/组件	核心技术	作用	异构说明
后端微服务	Java 17, Spring Boot 3, Spring Cloud Alibaba	业务逻辑实现、服务治理	主体架构，负责业务流程控制。
AI 处理服务	Python (或其他语言)	接收题目数据，调用 LLM/AI 模型进行处理	技术异构：该服务独立于 Java 体系，通过 RocketMQ 异步解耦，允许使用最适合 AI/ML 的 Python 生态。
服务治理	Nacos	服务注册与发现、统一配置管理
消息队列	RocketMQ	异步处理 Excel 解析后的题目数据，实现与 AI 服务的解耦。	确保系统的高吞吐量和高可用性。
数据库	MySQL	存储用户、权限、题目等核心业务数据。
缓存	Redis	分布式会话管理、缓存 AI 处理结果。
对象存储	MinIO/阿里云 OSS	存储用户上传的原始 Excel 文件。

关于技术异构的优势：

将 AI 服务独立为 Python 编写的微服务，充分利用了 Python 在数据科学和机器学习领域的强大生态（如 PyTorch, TensorFlow, OpenAI SDK）。这种设计避免了在 Java 服务中集成复杂的 AI 依赖，使得各服务可以专注于自身领域，提高了系统的灵活性、可维护性和技术选型的自由度。

3. 部署指南

3.1. 环境准备

在部署项目前，请确保您的环境已安装以下依赖：

1. Java Development Kit (JDK): 17 或更高版本。
2. Apache Maven: 3.6.3 或更高版本。
3. 数据库: MySQL 8.0+。
4. 中间件:
   • Nacos Server (用于服务注册与配置)。
   • RocketMQ Server (用于异步消息通信)。
   • Redis Server (用于缓存和会话)。

3.2. 后端服务部署 (Java)

1. 克隆项目：

   git clone https://github.com/zshs000/ExcelAIQ-Bank.git
   cd ExcelAIQ-Bank

2. 配置数据库：

   • 创建 MySQL 数据库，例如 eaqb_db。
   • 根据项目中的 application.yml 或 application-dev.yml 配置数据库连接信息。

3. 配置 Nacos：

   • 启动 Nacos Server。
   • 在 Nacos 中配置各微服务的配置文件（例如 eaqb-auth.yml, eaqb-question-bank.yml 等）。

4. 编译与打包：

   mvn clean install -DskipTests

5. 启动服务：

   • 按照依赖关系或使用脚本依次启动各微服务模块的 JAR 包。
   • 推荐启动顺序：eaqb-distributed-id-generator -> eaqb-auth -> eaqb-oss -> eaqb-question-bank -> eaqb-excel-parser -> eaqb-gateway。

3.3. AI 服务接入 (Python)

AI 服务是独立于本仓库的 Python 应用。其主要职责是：

1. 监听 RocketMQ：订阅 TOPIC_TEST（或实际发送题目数据的 Topic）。
2. 处理逻辑：接收题目内容，调用 AI 模型（如 GPT-4, Claude 3.5 等）生成解析或校验答案。
3. 发送结果：将处理结果发送到 AIProcessResultTopic。

接入步骤：

1. 编写 Python 服务：使用 Python 的 RocketMQ 客户端库和 AI SDK 编写服务逻辑。
2. 配置连接：确保 Python 服务能正确连接到 RocketMQ Server。
3. 启动服务：

   python ai_service_main.py

一旦 Python AI 服务启动并连接到 RocketMQ，它将自动开始消费 Java 后端发送的题目处理请求，并将结果异步返回给 eaqb-question-bank 服务进行最终的数据库更新。