几木木这段时间帮人把一个中小学生阅读平台从零到一搭上线，小程序端、后端接口、推荐策略和管理后台都走了一遍。整个流程跑下来，最深的感受是：这种带"个性化"字样的项目，真正的难点不在书库管理，而在怎么把推荐策略做得既有逻辑又不过度复杂，同时还得保证数据上报、登录授权这些基础链路稳得住。这篇就把这个项目里我认为值得展开的技术决策、实现思路和踩坑过程拆开讲一讲，如果你也在做类似的小程序项目，或者正准备做小程序方向的设计与实现，应该能少走不少弯路。
这个项目的定位很简单：面向6-15岁的中小学生，按年龄、阅读兴趣和阅读记录给学生推荐合适的图书，同时支持阅读打卡、时长统计、阅读报告生成。小程序端负责登录、书库浏览、阅读记录和个性化推荐展示；后端负责用户管理、图书管理、行为上报、推荐策略计算和报告数据聚合。技术栈选的是原生微信小程序加Spring Boot加MySQL，这个组合在中小型项目里最稳，文档多、排错容易，也方便后续扩展。
1. 一开始不要把系统做成"书架加搜索"：架构设计阶段我做的几个关键决策
很多阅读类项目开工会直接扑到图书列表页上去，页面写完了才发现"个性化"根本落不了地。我在设计阶段最庆幸的一件事，是把用户兴趣画像和数据上报单独拎了出来，作为和图书管理并列的核心模块。因为个性化推荐的输入不是书单本身，而是用户的行为数据和兴趣标签，这两块如果不在架构里提前留位置，后面想加会非常痛苦。
1.1 需求拆解：阅读平台的核心不是书库，是"个性化"
"个性化"这三个字，落到实际需求上其实可以拆成四层：
- 第一层是基础身份识别。用户是谁，几年级，家长还是学生本人，这决定了内容分级的基调。
- 第二层是兴趣建模。学生喜欢什么类型的书，玄幻还是科普，冒险还是校园，这些信息需要显式采集（注册时选标签）和隐式采集（阅读行为）两条腿走路。
- 第三层是推荐策略。基于前两层的数据，计算每本书对该学生的推荐分数，并从书库中召回合适的结果。
- 第四层是反馈闭环。推荐之后，学生看了、没看、看完、中途放弃，这些结果要回流到画像里，让下一次推荐更准。
我见过不少项目把大量精力花在书库美化上，书封、详情页做得花团锦簇，但推荐接口只是简单按分类列表返回，用户看到的内容和"个性化"三个字毫无关系。与其这样，不如在需求阶段就跟自己确认清楚：这个平台的核心价值是帮学生在海量图书中找到愿意读下去的书，而不是把书架搬上线。
1.2 技术选型：为什么选原生小程序加Spring Boot，而不是uni-app加云开发
选型这件事，很多新手的误区是追新追热。我当时评估过三套方案：
- 原生微信小程序加Spring Boot加MySQL。优点是小程序端调试直观、微信生态能力接入最省事；后端用成熟框架，权限控制、事务管理、定时任务都好做；MySQL在数据规模不大时完全够用，查询也直观。
- uni-app加Spring Boot加MySQL。优点是多端复用，如果将来要做App或H5可以省不少事。但中小学生的阅读场景有很强的"家长协同"属性，家长端用H5或公众号内嵌页面就够了，没必要硬上多端，反而增加跨端的兼容性调试成本。
- 小程序云开发。优点是省去服务器和备案，数据操作走云函数即可，适合轻量原型。但本项目涉及定时推荐、报告聚合、可能的批量导入图书数据，云函数在长任务和复杂事务上并不顺手，尤其到后期要接第三方ISBN书库或者做精细化权限控制，云开发的约束感会比较强。
最终选了原生小程序加Spring Boot。小程序端不用额外框架，导航栏、下拉刷新、订阅消息这些原生能力直接用最顺手；后端按模块化结构组织，controller、service、mapper分层清晰，后面写设计文档也好展开。有一点值得提醒：如果你将来打算把项目作为毕业设计或课程设计提交，这种经典技术栈在"可行性分析"和"技术路线"部分是最好写、最好答辩的，因为每个模块都有成熟的参考方案。
1.3 项目目录与数据流：让每个模块的边界一开始就清楚
我在后端按业务域划分了模块，而不是按三层架构平铺。这样做的原因是阅读平台的功能耦合度不高，按业务域组织代码，后续每个模块能独立演进：
- user模块：登录、资料、年级、兴趣标签
- book模块：图书信息、分类、标签、书单
- reading模块：阅读记录、打卡、时长上报
- recommend模块：推荐策略、推荐结果缓存、冷启动逻辑
- report模块：阅读报告数据聚合、分享卡片生成
- admin模块：图书入库、用户管理、数据统计
小程序端页面对应七个主页面：登录页、首页（推荐流）、书库页、书籍详情页、阅读页（WebView或富文本）、我的页（个人中心）、报告页（报告和个人统计）。
数据流方面，最核心的一条链路是：学生在阅读页停留、翻页或点击"读完本章"时，前端会向reading模块上报行为数据；后端收到后写入阅读记录表，同时异步更新用户兴趣画像表；当学生进入首页或书库页请求推荐时，recommend模块从画像表和图书标签表计算推荐分数，取TopN返回。这条链路是项目的生命线，所以