非遗文化传播系统 — 基于 CRS 推荐与 AI 数字人的智能导览平台

应届生求职作品集项目 — 聚焦两个核心创新：CRS（对话式推荐系统） 与 AI 数字人导览官

在线演示：https://heritage.refine.ryanflow.cloud

---

核心创新（面试重点）

1. CRS 对话式推荐（Conversational Recommender System）

传统推荐系统只能根据历史行为"猜"用户喜欢什么。我们的系统让 AI 数字人主动提问，通过多轮对话逐步理解用户偏好。

三维置信度机制：

维度	权重	信号来源
显式偏好	40%	CRS 提问 + 用户回答 + 偏好设置
隐式行为	35%	浏览历史、活动报名、社区互动
对话语义	25%	AI 提问关键词 + 对话上下文

三阶段决策策略：

cold_start（冷启动）→ mixed（混合推荐）→ precision（精准推荐）
         ↓                     ↓                     ↓
    AI 提问探索        边问边推荐 + 画像        直接推荐最匹配内容
    数字人：好奇        数字人：思考             数字人：自信

技术实现：backend/app/services/crs/（8个文件）— 五策略决策引擎、6个偏好映射字典、13套ASK提问模板、4条偏好同步路径。

2. AI 数字人导览官"黑塔"

• CSS 动画绘制：帽子、头发、面部表情、服饰全身可动，3种情绪状态对应CRS三阶段
• 五级回答策略：本地知识库 → 豆包大模型 → 联网搜索，确保回答质量
• TTS 语音合成：三级降级策略，点击数字人即可收听语音回答
• 融合推荐：回答同步返回内容卡片、活动推荐、社区讨论，形成"问答→推荐→浏览→参与"闭环

---

技术栈

层	技术
前端	React 19 + TypeScript + Vite + Tailwind CSS
后端	Python FastAPI + SQLAlchemy ORM
数据库	PostgreSQL（Neon 云托管）
AI 大模型	火山引擎豆包（doubao-seed-2-0-pro）
TTS 语音	豆包语音合成（三级降级）
部署	Vercel（前端）+ Zeabur（后端 Docker）

---

快速体验

在线演示

https://heritage.refine.ryanflow.cloud

点击"游客体验"即可进入，无需注册。推荐体验路径：

游客登录 → 进入 AI 对话页 → 输入"想了解非遗戏曲"
         → 观察数字人情绪变化
         → 查看推荐卡片 → 点击卡片浏览内容

本地运行

# 后端
cd backend
pip install -r requirements.txt
DATABASE_URL=postgresql://postgres:password@localhost:5432/postgres python -m uvicorn app.main:app --host 0.0.0.0 --port 8000

# 前端
cd frontend-web
npm install
VITE_API_BASE=http://localhost:8000/api/v1 npm run dev

---

平台功能概览

功能	Web	说明
AI 数字人对话	✅	CRS 引导提问 + 推荐卡片 + TTS 语音（⭐ 核心）
个性化推荐	✅	多场景推荐流、行为追踪、推荐理由（⭐ 核心）
非遗内容浏览	✅	文章分类、详情（支撑功能）
线下活动	✅	列表、报名（支撑功能）
社区讨论	✅	帖子、评论、点赞（支撑功能）
用户画像	✅	偏好设置、历史记录（支撑功能）

---

项目架构

┌──────────────┐     ┌──────────────────────┐     ┌──────────────┐
│  React Web   │────▶│   FastAPI Backend    │────▶│  PostgreSQL  │
│  (Vite + TS) │     │                      │     │  (Neon)      │
└──────────────┘     │  ┌────────────────┐   │     └──────────────┘
                     │  │  CRS 状态机     │   │
                     │  │  3 阶段决策     │   │
                     │  │  三维置信度     │   │
                     │  └────────────────┘   │
                     │  ┌────────────────┐   │
                     │  │  AI 数字人引擎  │   │
                     │  │  豆包大模型    │   │
                     │  │  本地知识库    │   │
                     │  │  TTS 语音合成  │   │
                     │  └────────────────┘   │
                     │  ┌────────────────┐   │
                     │  │  推荐引擎      │   │
                     │  │  画像构建      │   │
                     │  │  多信号排序    │   │
                     │  └────────────────┘   │
                     └──────────────────────┘

---

附录

数据来源

• 本地知识库：约 40 条非遗问答条目（local_knowledge_base 表）
• 豆包大模型：通用知识问答
• 封面图：Pixabay 英文关键词搜索（中译英映射，111 条内容全量配图）
• 微信小程序端代码保留在 frontend/miniprogram/，支持同样的核心功能

部署架构

• Vercel: 前端静态部署（自动从 GitHub 构建）
• Zeabur: 后端 Docker 容器化部署（新加坡节点）
• Neon: 云托管 PostgreSQL（新加坡节点，免费 0.5GB）

扩展能力（了解即可）

• 知识图谱：独立 SQLite 图数据库（knowledge_graph.db），66 个非遗实体 + 64 个三元组，提供相似实体推荐和路径查询
• 内容治理：质量评分、审核状态、白名单回补，确保推荐内容质量