Flask+Vue构建公考刷题平台的技术实践

1. 项目背景与核心价值

作为一名经历过公考备考的开发者，我深知传统纸质刷题的低效与不便。去年备考期间，我尝试了市面上多款在线刷题产品，发现普遍存在三个痛点：题库更新滞后、错题管理混乱、学习数据可视化不足。这促使我萌生了开发一个专为公考设计的全栈刷题平台的想法。

这个基于Flask+Vue的在线学习系统，本质上是要解决三个核心问题：

1. 建立结构化题库体系（按行测/申论/专业科目分类）
2. 实现智能刷题路径规划（基于用户薄弱知识点）
3. 提供多维学习数据分析（正确率趋势、耗时分布等）

技术选型上，前端采用Vue3+Element Plus实现响应式交互，后端用Flask构建RESTful API，数据持久层使用PostgreSQL。开发环境搭配PyCharm专业版与VSCode，充分利用两者的代码提示和调试优势。

2. 系统架构设计解析

2.1 技术栈选型考量

后端选择Flask而非Django的三大原因：

• 微内核架构更适合快速迭代的题库业务模块
• 与Vue前端解耦更彻底（纯API交互）
• 自定义ORM层能更好适配公考题库的特殊关系模型

前端技术组合：

• Vue3 Composition API：逻辑复用性强于Options API
• Pinia状态管理：比Vuex更简洁的模块化方案
• ECharts可视化：满足学习数据图表展示需求

数据库设计关键点：

sql复制CREATE TABLE question (
    id SERIAL PRIMARY KEY,
    q_type VARCHAR(20) NOT NULL CHECK(q_type IN ('single_choice', 'multiple_choice', 'judgment')),
    stem TEXT NOT NULL,
    options JSONB,
    answer VARCHAR(50) NOT NULL,
    explanation TEXT,
    difficulty FLOAT CHECK(difficulty >= 0 AND difficulty <= 1),
    knowledge_points VARCHAR(100)[]
);

2.2 核心功能模块划分

1. 题库管理子系统

   • 支持Markdown格式的题目导入
   • 智能查重（基于题干语义相似度）
   • 批量设置知识点标签

2. 智能刷题引擎

   python复制def generate_paper(user_id):
       weak_points = get_weak_knowledge_points(user_id)
       question_pool