蕙风如薰1. 项目背景与核心价值
去年给某科技馆做技术咨询时，馆长提到个痛点：他们每年接待的青少年访客中，有73%表示对AI技术感兴趣，但现有的图文展板根本看不明白。这促使我开始思考如何用Web技术打造一个"会说话"的AI科普平台。
这个基于Django的可视化平台与传统科普网站有本质区别：它不只是展示静态知识，而是通过交互式沙盒环境，让用户能实时修改参数、观察AI模型的决策过程。比如在图像识别模块，访客上传自家宠物照片后，可以拖动卷积核参数滑块，直观看到神经网络每一层的特征提取变化。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术架构设计
2.1 为什么选择Django
对比过Flask和FastAPI后，最终选择Django主要基于三点考量：
- 自带Admin后台能快速搭建内容管理系统，方便非技术人员更新科普素材
- ORM对多类型数据库的良好支持，我们后期需要同时处理：
- PostgreSQL存储用户交互日志
- Redis缓存实时推理结果
- MongoDB存放非结构化的实验数据
- 完善的Auth系统可以灵活控制权限，比如：
- 普通游客：只能体验预设demo
- 注册用户：可保存自己的实验记录
- 教育机构：能批量创建班级沙盒环境
2.2 可视化引擎选型
前端采用Vue3+TypeScript的组合，重点集成了三个核心库：
- TensorFlow.js：在浏览器端直接运行轻量级模型
- 将Python训练的MNIST分类器转为Web格式
- 实现手写数字识别的实时演示
- D3.js：构建动态知识图谱
- 用力导向图展示AI技术发展史
- 桑基图呈现不同算法流派的关系
- Three.js：3D可视化神经网络
- 可旋转缩放的LSTM模型结构
- 粒子动画展示梯度下降过程
3. 核心功能实现
3.1 交互式教学模块
在"机器学习初体验"板块，我们设计了一个可调节的房价预测模型：
python复制# 后端API示例
@api_view(['POST'])
def predict_house_price(request):
# 接收前端发送的交互参数
epochs = int(request.data.get('epochs', 5