JudgeAI是一个功能完整的企业级AI智能评分平台，专门用于评估学生是否适合参加算法竞赛团队。项目采用现代化的API架构，提供REST API接口、数据可视化、异步处理、多模型支持等高级功能。
- 智能化评估: 基于先进AI模型，提供客观、公正的评分
- 全栈架构: 支持传统Flask和现代Next.js两种部署方式
- 企业级特性: 完整的用户管理、权限控制、审计日志
- 高度可定制: 灵活的评分维度和模板系统
- 高性能设计: 异步处理、智能缓存、批量优化
- 🧠 深度思考评分: 基于阿里云百炼qwen-plus模型，启用AI深度思考功能
- 📊 四维度评估: 学习态度、自学能力、算法基础、团队合作能力（每维度25分）
- 🎯 智能分析: 详细推理过程，客观公正的评分理由
- ⚙️ 自定义评分: 支持自定义评分维度、权重和标准
- 📡 REST API: 完整的RESTful API接口，支持JSON格式
- 📚 API文档: 详细的API文档和SDK示例
- 🔌 第三方集成: 支持与其他系统无缝集成
- 📡 Webhook支持: 事件驱动的通知机制
- 🚀 异步处理: 大文件异步处理，支持1000+并发用户
- 🗄️ 智能缓存: API结果缓存，减少重复调用，提升性能
- 📈 批量优化: 批量请求处理，智能频率控制
- 🔧 任务管理: 完整的任务队列和进度追踪系统
- 🔐 JWT认证: 安全的用户认证和授权机制
- 👥 权限管理: 基于角色的访问控制（RBAC）
- 📝 审计日志: 完整的操作审计和变更追踪
- 🔒 数据加密: 敏感数据加密存储和传输
- 🌐 REST API: 完整的RESTful API接口
- 📚 API文档: 详细的API文档和SDK示例
- 🔗 第三方集成: 支持与其他系统无缝集成
- 📡 Webhook支持: 事件驱动的通知机制
JudgeAI提供基于API的部署方式，专注于后端服务。
- Python 3.8+
- 阿里云百炼API密钥
- 4GB+ RAM（推荐）
# 安装依赖
pip install -r requirements.txt
# 设置API密钥
export DASHSCOPE_API_KEY="your_api_key_here"
export JWT_SECRET_KEY="your_jwt_secret_key"
# 启动API服务器
python quick_start.pyAPI访问: http://localhost:5000/api
| 文档类型 | 描述 | 链接 |
|---|---|---|
| 📚 完整使用指南 | 系统详细使用说明 | 查看文档 |
| 🔌 API文档 | 完整REST API接口说明和示例 | 查看文档 |
| 🔧 功能扩展指南 | 高级功能配置和自定义说明 | 查看文档 |
系统基于以下四个维度进行评分，每个维度25分，总分100分：
- 20-25分: 积极主动、有强烈学习意愿，主动学习新知识
- 10-19分: 学习态度一般，需要督促，但有一定学习意愿
- 0-9分: 态度消极、缺乏学习动力
- 20-25分: 具备独立解决问题能力，有自学经历
- 10-19分: 有一定自学能力但需要指导
- 0-9分: 依赖他人指导较多
- 20-25分: 有算法知识储备，有竞赛经历
- 10-19分: 有一定编程基础但算法经验不足
- 0-9分: 算法基础薄弱或零基础
- 20-25分: 能有效合作、沟通顺畅，有团队项目经验
- 10-19分: 有一定合作意识，能够参与团队活动
- 0-9分: 团队合作能力欠佳
- 完整的REST API接口
- 第三方集成支持，Webhook通知
- API文档，SDK示例
- 增强版API客户端，支持缓存和批量处理
- 智能重试机制，错误处理优化
- 多模型支持，自定义评分模板
- 多线程异步任务处理
- 任务队列、进度追踪、状态管理
- 支持大规模并发评分
- JWT认证、数据加密、权限控制
- 用户管理、审计日志、会话管理
- Flask安全集成中间件
- 动态配置管理，自定义评分维度
- 评分模板系统，配置变更追踪
- 配置导入导出，实时更新
- 完整的REST API接口
- 第三方集成支持，Webhook通知
- API文档，SDK示例
- 📱 响应式API设计，支持移动端调用
- 🔄 RESTful接口，易于移动端集成
- 📊 JSON格式数据，便于移动端处理
- 🔌 标准HTTP接口，跨平台兼容
curl -X POST http://localhost:5000/api/v1/auth/login \
-H "Content-Type: application/json" \
-d '{"username": "admin", "password": "password"}'curl -X POST http://localhost:5000/api/v1/scoring/submit \
-H "Authorization: Bearer YOUR_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"students": [
{
"id": "001",
"name": "张三",
"content": "我是一名计算机专业的学生..."
}
],
"async": true
}'curl -X GET http://localhost:5000/api/v1/tasks/{task_id} \
-H "Authorization: Bearer YOUR_TOKEN"- 📄 CSV: 逗号分隔值文件
- 📊 Excel: .xlsx/.xls 文件
- 📋 JSON: 结构化数据文件
- 📝 TXT: 纯文本文件
[
{
"id": "001",
"name": "张三",
"content": "我是一名计算机专业的学生，对算法竞赛很感兴趣...",
"template_id": "custom_template"
}
]系统会生成多格式的评分结果：
- 评分结果: 主要评分信息和统计数据
- 详细评分: 四个维度的详细分数和理由
- 分析图表: 可视化图表和趋势分析
- 结构化的评分数据，便于进一步处理
- 包含AI思考过程和评分理由
- 完整的API响应数据
- 便于系统集成和二次开发
- 整体统计分析
- 推荐学生名单
- 改进建议
# 必需配置
export DASHSCOPE_API_KEY="your_dashscope_api_key"
export JWT_SECRET_KEY="your_jwt_secret_key"
# 可选配置
export ADMIN_USERNAME="admin"
export ADMIN_PASSWORD="admin123"
export ADMIN_EMAIL="admin@example.com"from enhanced_config_manager import get_enhanced_config_manager
config_manager = get_enhanced_config_manager()
# 创建自定义维度
dimension_id = config_manager.create_custom_dimension(
name="创新思维",
weight=0.2,
max_score=20,
description="评估学生的创新能力和思维方式",
scoring_criteria=[
{"range": "16-20", "description": "具有很强创新能力"},
{"range": "10-15", "description": "有一定创新意识"},
{"range": "0-9", "description": "创新能力较弱"}
],
created_by="admin"
)# 创建评分模板
template_id = config_manager.create_template(
name="算法竞赛专项模板",
description="专门用于算法竞赛选拔的评分模板",
dimension_ids=["learning_attitude", "self_study", "algorithm", "teamwork", "innovation"],
is_default=True,
created_by="admin"
)JudgeAI 采用 Python Flask API 架构，支持命令行和 REST API 两种使用方式：
JudgeAI/
├── 🚀 应用入口
│ ├── quick_start.py # 一键启动脚本
│ ├── main.py # 命令行工具
│ └── wsgi.py # WSGI入口（gunicorn使用）
│
├── 🤖 AI评分引擎
│ ├── api_client.py # 基础API客户端
│ ├── enhanced_api_client.py # 增强版API客户端
│ └── multi_model_support.py # 多模型支持
│
├── ⚡ 核心服务
│ ├── async_task_manager.py # 异步任务管理
│ ├── file_reader.py # 文件读取
│ ├── result_processor.py # 结果处理
│ └── batch_import.py # 批量导入
│
├── 🔒 安全系统
│ ├── enhanced_security.py # 增强安全管理
│ └── user_management.py # 用户管理
│
├── ⚙️ 配置管理
│ ├── config_manager.py # 基础配置管理
│ └── enhanced_config_manager.py # 增强配置管理
│
├── 🌉 API网关
│ └── api_gateway.py # API网关（Flask REST API）
│
├── 📊 数据分析
│ ├── visualization_enhanced.py # 数据可视化
│ └── history_manager.py # 历史管理
│
├── 🐳 Docker 部署
│ ├── Dockerfile # Docker镜像定义（多阶段构建）
│ ├── docker-compose.yml # Docker Compose编排
│ └── .dockerignore # Docker构建忽略规则
│
├── 📚 文档
│ ├── README.md # 主文档（本文档）
│ ├── CLAUDE.md # AI开发助手上下文
│ ├── API_DOCUMENTATION.md # API详细文档
│ └── EXTENSION_GUIDE.md # 功能扩展指南
│
├── 📦 配置文件
│ ├── requirements.txt # Python依赖
│ ├── .env.example # 环境变量示例
│ └── .gitignore # Git忽略规则
│
└── 📋 数据文件
├── ApplicationForm.xlsx # 示例数据
└── uploads/ # 上传文件目录
# 1. 克隆项目
git clone https://github.com/Swcmb/JudgeAI.git
cd JudgeAI
# 2. 创建虚拟环境
python -m venv venv
source venv/bin/activate # Linux/Mac
# 或
venv\Scripts\activate # Windows
# 3. 安装依赖
pip install -r requirements.txt
# 4. 设置环境变量
cp .env.example .env
# 编辑 .env 文件，填入必要配置：
# DASHSCOPE_API_KEY=your_api_key
# JWT_SECRET_KEY=your_jwt_secret
# ADMIN_USERNAME=admin
# ADMIN_PASSWORD=admin123
# 5. 初始化系统
python quick_start.py
# 6. 启动API服务器
python quick_start.py
# 选择选项1启动API服务器# 1. 安装生产服务器
pip install gunicorn
# 2. 使用Gunicorn启动
gunicorn -w 4 -b 0.0.0.0:5000 "api_gateway:app"
# 3. Nginx反向代理配置
# 创建 /etc/nginx/sites-available/judgeapi 文件：
"""
server {
listen 80;
server_name your-domain.com;
location /api {
proxy_pass http://127.0.0.1:5000;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
}
}
"""
# 4. 启用配置
sudo ln -s /etc/nginx/sites-available/judgeapi /etc/nginx/sites-enabled/
sudo nginx -t && sudo systemctl reload nginx# 1. 构建镜像
docker build -t judgeai-api:latest .
# 2. 运行容器
docker run -d \
--name judgeai-api \
-p 5000:5000 \
-e DASHSCOPE_API_KEY="your_api_key" \
-e JWT_SECRET_KEY="your_jwt_secret" \
-v $(pwd)/data:/app/data \
judgeai-api:latest
# 3. 使用Docker Compose
docker-compose -f docker-compose.api.yml up -d# 1. 安装Railway CLI
npm install -g @railway/cli
# 2. 登录并部署
railway login
railway up# 1. 构建镜像并推送到ECR
docker build -t judgeai-api:latest .
docker tag judgeai-api:latest your-account.dkr.ecr.region.amazonaws.com/judgeai-api:latest
docker push your-account.dkr.ecr.region.amazonaws.com/judgeai-api:latest
# 2. 部署到ECS
# 使用AWS控制台或CLI创建ECS服务- 📝 结构化日志记录
- 🔄 日志轮转管理
- 📊 日志级别控制
- 🔍 错误追踪
- 📊 API响应时间监控
- 🗄️ 数据库性能监控
- 💾 内存使用监控
- 🌐 系统资源监控
# 系统状态检查
curl http://localhost:5000/api/v1/info
# 数据库连接检查
curl http://localhost:5000/api/v1/health
# API服务状态检查
curl http://localhost:5000/api/v1/status- Fork项目
- 创建功能分支
- 提交代码
- 创建Pull Request
- 📝 遵循PEP 8代码风格
- 🧪 编写单元测试
- 📚 更新相关文档
- 🔍 代码审查通过
- 🐛 Bug报告：使用GitHub Issues
- 💡 功能建议：在Discussions中讨论
- 📞 技术支持：联系维护团队
本项目采用 MIT许可证，详见LICENSE文件。
- 📧 邮箱: support@judgeai.com
- 🌐 官网: https://judgeai.com
- 📚 文档: https://docs.judgeai.com
- 💬 讨论: https://github.com/Swcmb/JudgeAI/discussions
⭐ 如果这个项目对你有帮助，请给我们一个Star！