🔥 毕设别再做"增删改查"了！我用 DeepSeek AI 把学生管理系统做成了导师眼前一亮的样子

📌 写在前面：又到一年毕业季，你是不是还在纠结毕设选题？做个学生管理系统太普通，做个商城太烂大街，做个 AI 项目又怕 hold 不住。本文分享我的毕业设计——一个不止 CRUD 的智能学生信息管理系统。看完你会发现：原来把"传统系统 + 大模型"玩出花样，答辩现场直接能让导师点头三连。

一、这个项目，究竟和普通的学生管理系统差在哪？

先一句话概括：Spring Boot + Vue 2 前后端分离 + DeepSeek 大语言模型集成 + PC 端/移动端双端。

别人的学生管理系统通常是这样的：

  • ✅ 新增学生、修改学生、删除学生、查询学生
  • ✅ 成绩录入、列表展示
  • ✅ 加个登录，然后就没了…

我的这个系统，在此基础上做了三件事：

功能 传统系统 我的系统
成绩管理 只是查看和录入 AI 预测下次成绩趋势 + 学习建议
选课 只是展示可选课程 根据历史成绩推荐最匹配的选修课
考勤 只是记录出勤 AI 异常模式识别 + 预警等级
架构 只有 PC 网页 PC 端 Element UI + 移动端 Vant UI 双端
代码质量 大段手写 SQL Spring Data JPA + DTO + 全局异常处理

简单说就是：别人在做 CRUD，我在做 CRUD + AI + 双端 + 工程化。 答辩现场一打开 AI 预测页面，导师的眼神瞬间就不一样了。
在这里插入图片描述在这里插入图片描述

二、技术全景图

2.1 技术栈总览

┌────────────────────────────────────────────────────┐
│                      前端层                          │
│  ┌──────────────┐          ┌──────────────────┐    │
│  │  PC 端        │          │  移动端          │    │
│  │  Vue 2.7     │          │  Vue 2.7         │    │
│  │  Element UI   │          │  Vant UI         │    │
│  │  Vue Router   │          │  Vue Router      │    │
│  └──────┬───────┘          └────────┬─────────┘    │
└─────────┼───────────────────────────┼──────────────┘
          │       Axios (HTTP)         │
          ▼                            ▼
┌────────────────────────────────────────────────────┐
│                      后端层                          │
│  ┌─────────────────────────────────────────────┐  │
│  │  Spring Boot 2.7.x  +  Spring Security      │  │
│  │  Spring Data JPA  +  MySQL 8.0              │  │
│  │  Lombok  +  Validation  +  RestTemplate     │  │
│  └────────────────┬────────────────────────────┘  │
└───────────────────┼────────────────────────────────┘
                    │
                    ▼
┌────────────────────────────────────────────────────┐
│                   AI 服务层 (DeepSeek)              │
│  ┌──────────────────────────────────────────────┐ │
│  │  成绩预测  │  课程推荐  │  考勤异常分析      │ │
│  │  Prompt Engineering + JSON 结构化解析       │ │
│  │  API 降级容错 (Fallback) 机制               │ │
│  └──────────────────────────────────────────────┘ │
└────────────────────────────────────────────────────┘

2.2 后端核心技术亮点

  • Spring Boot 2.7.x：成熟稳定，毕设答辩最常用的框架版本
  • Spring Security：基于角色的权限控制，区分管理员和普通用户
  • Spring Data JPA：告别手写 SQL，Repository 层清爽整洁
  • Lombok：@Builder、@Data 一把梭，POJO 行数骤减 60%
  • DTO 分层设计：Request / Response 分离，杜绝实体泄露到前端
  • 全局异常处理器：业务异常统一抛出 BusinessException，由 @RestControllerAdvice 兜底
  • AI 降级容错：当 DeepSeek API 超时或 Key 失效时，自动切换到本地模拟数据，系统不会挂掉 —— 这是答辩时能救你命的设计！

2.3 前端亮点

  • PC 端：Vue 2 + Element UI，经典后台管理系统布局（侧边栏 + 顶部导航 + 内容区）
  • 移动端：Vue 2 + Vant UI，同样的 API，不一样的 UI 组件，实现了真正的一套后端、两套前端
  • Axios 统一封装：基础 URL、请求头、错误拦截统一管理

三、最拿得出手的部分：三大 AI 智能功能

这是整个项目的灵魂，也是答辩时最能吹的部分。下面放核心逻辑和效果。

3.1 AI 成绩预测

场景：老师想知道某学生下一次考试大概会考多少分、有没有薄弱科目。

核心思路是把学生历史成绩 + 当前课程信息拼装成 Prompt，喂给 DeepSeek，让 LLM 输出一个结构化的 JSON 结果：

学生姓名：张小明
预测课程：高等数学
历史成绩：85, 78, 92, 70, 88

请输出JSON格式结果，包含predictedScore、confidence、trend、suggestion。

AI 返回的结果示例：

{
  "predictedScore": 86.5,
  "confidence": 92,
  "trend": "上升",
  "suggestion": "学生高等数学整体表现良好，建议重点复习极限与积分章节。"
}

后端用 Jackson 解析后封装成 AiScorePredictionResponse，直接返回给前端页面展示。页面上会显示：预测分数 86.5 | 置信度 92% | 趋势：上升 ↗

3.2 AI 智能课程推荐

场景：学生不知道该选修什么课，系统根据历史成绩推荐匹配度最高的课程。

Prompt 设计：

学生姓名：李华
已修课程及成绩：大学物理:85; 英语:72; 程序设计:91
可选课程：数据结构(学分:4); 人工智能(学分:3); 概率论(学分:3) ...

请推荐最多5门课程，输出JSON：recommendations[courseName, matchRate, reason]

前端页面以卡片形式展示推荐课程和匹配度，学生一眼就能看到**“数据结构 匹配度 94%”** 这种直观结果。

3.3 AI 考勤异常分析

场景：辅导员想知道哪些学生有出勤问题，以及问题出在哪。

Prompt 设计：

学生姓名：王强
总课次数：40
出勤次数：32
考勤详情：出勤:32次,缺勤:5次,迟到:3次

请输出JSON：status、warningLevel、suggestion、patterns[]

AI 会识别出类似"周一上午课程缺勤率较高"的模式，并给出改进建议。系统根据出勤率自动划分 优秀 / 正常 / 警告 / 危险 四个等级，方便辅导员批量关注。

3.4 AI 核心代码（节选）

AiServiceImpl 中的核心调用逻辑非常简洁：

// 构造 Prompt → 调用 DeepSeek API → 解析 JSON → 失败降级
String prompt = String.format("作为一名教育AI助手，请帮我预测学生的成绩...", ...);

try {
    String response = callDeepSeekApi(prompt);          // RestTemplate 调用
    return parseScorePrediction(response, studentId, ...); // Jackson 解析 JSON
} catch (Exception e) {
    return generateMockPrediction(studentId, ...);       // 降级：本地规则生成
}

callDeepSeekApi 内部就是一次标准的 HTTP POST，带上 Authorization: Bearer <API_KEY> 请求头。整个 AI 集成层不到 500 行代码，却让整个系统的"科技感"瞬间拉满。

四、项目结构一览

project-01/
├── backend/                        # Spring Boot 后端
│   ├── src/main/java/com/example/app/
│   │   ├── config/                 # AiConfig、SecurityConfig、WebConfig
│   │   ├── controller/             # 7 个模块的 REST 接口
│   │   ├── dto/                    # request / response 分层
│   │   ├── entity/                 # 6 个 JPA 实体
│   │   ├── repository/             # Spring Data JPA
│   │   ├── service/                # 业务逻辑 + AiServiceImpl 是核心
│   │   └── exception/              # BusinessException + 全局处理器
│   ├── src/main/resources/
│   │   ├── application.yml         # 数据库 + DeepSeek API 配置
│   │   └── sql/schema.sql         # 建表脚本
│   └── pom.xml
├── pc/                             # Vue 2 + Element UI PC 端
│   └── src/views/
│       ├── student/                # 学生管理
│       ├── class/                  # 班级管理
│       ├── course/                 # 课程管理
│       ├── score/                  # 成绩管理
│       ├── attendance/             # 考勤管理
│       ├── user/                   # 用户管理
│       └── ai/                     # ⭐ 成绩预测 / 课程推荐 / 考勤分析
├── app/                            # Vue 2 + Vant UI 移动端
└── sql/init.sql                    # 初始化数据

数据库设计了 6 张核心表：users、students、classes、courses、scores、attendances，结构清晰、外键关联合理。

五、毕设答辩避坑指南（真实经验分享）

分享几个我在做这个项目时踩过的坑，别再踩了：

🚫 坑一：AI API 在答辩现场突然挂掉

解决：一定要做降级机制（Fallback）。我在 AiServiceImpl 里用 try-catch 包住 API 调用，如果失败就用本地算法（基于历史成绩均值 + 随机扰动）生成一个合理结果。答辩演示时万一演示场地网络抽风、API Key 突然失效，系统照样能跑。

🚫 坑二：大模型返回的不是纯 JSON

解决：LLM 偶尔会输出 json ... 代码块，或者夹杂解释性文字。我写了一个 cleanJsonResponse() 方法专门做清洗，去掉 Markdown 标记、取最外层大括号之间的内容。

🚫 坑三：Spring Security 默认拦截所有请求

解决：在 SecurityConfig 里对 /api/auth/login、静态资源等放行，并且配置 CORS 支持。踩过这个坑的同学都懂，调试半天登录 403 就是因为这个。

🚫 坑四：前端 Axios 调不通后端

解决：一是后端加 @CrossOrigin 或 WebConfig 里统一配置 CORS；二是 Axios baseURL 不要写死，方便开发和部署切换。

🚫 坑五：密码明文存储

解决：用 BCryptPasswordEncoder 加密存储，登录时再比对。虽然是毕设，但这些安全细节一讲出来，答辩分就上去了。

六、为什么推荐这样选题？

  1. 难度可控，亮点突出：CRUD 部分简单易上手，AI 部分作为加分项，不会出现"做不完"的尴尬
  2. 可讲的东西多：从前后端分离架构、JPA 数据访问、DTO 分层、安全框架、Prompt 工程、AI 降级容错……每一项都能单独讲 5 分钟
  3. 符合当下趋势：大模型 + 行业应用是现在最火的方向，导师本身就感兴趣
  4. 好扩展：后续想加 ECharts 数据可视化、Redis 缓存、Docker 部署，都能无缝接上
  5. 有真实使用场景：不是凭空捏造的 Demo，而是高校里真的会用到的功能

七、关于源码

在这里插入图片描述
在这里插入图片描述在这里插入图片描述

这个项目从需求分析 → 架构设计 → 后端开发 → 前端开发 → AI 集成 → 测试优化 → 技术文档，前前后后花了 两个多月 时间打磨，代码规范、注释齐全，可以直接作为本科/专科毕业设计使用。

🎁 购即送（省去你自己折腾的时间）

  • ✅ 在线数据库：已搭建好的 MySQL 8.0 在线实例，导入 SQL 脚本即可使用，无需自己搭建数据库服务器，省去安装配置的各种坑
  • ✅ DeepSeek API 免费额度：随源码赠送 DeepSeek API Key，含 1000 次免费调用额度，足够完成毕设演示和答辩全部环节
  • ✅ 代码下载即跑：后端 Spring Boot、前端 Vue，一键启动。全套启动脚本 + 视频教程，跟着步骤走 10 分钟内跑起来
  • ✅ 远程调试支持：代码跑不起来？接口报错了？配置搞不定？支持远程帮你排查问题（TeamViewer / 向日葵 / QQ远程），不再为环境问题焦头烂额

📦 交付清单

  • ✅ Spring Boot 后端完整源码（7 大模块）
  • ✅ Vue 2 + Element UI PC 端完整源码
  • ✅ Vue 2 + Vant UI 移动端完整源码
  • ✅ MySQL 建表脚本 + 初始化测试数据（已接入在线数据库，导入即用）
  • ✅ DeepSeek API Key（含 1000 次免费额度，手把手教你配置）
  • ✅ 项目启动部署文档（后端 + 前端 + 数据库一条龙，视频 + 文档双保险）
  • ✅ 中英文论文大纲（1.5w 字模板，照着填就行）
  • ✅ 答辩 PPT 模板（已设计好，替换截图即可用）
  • ✅ 远程调试服务（代码问题、环境问题均可协助解决）

💡 说明：制作不易，源码会收取少量费用作为对作者劳动的认可，介意的同学就不必私信了。欢迎真正想把毕设做出亮点的同学交流~

私信方式：CSDN 私信 / 博客评论区留言，看到就回。

八、结语

做毕设，不是比谁做的功能多，而是比谁做的"有亮点、会讲故事"。把一个普通的学生管理系统，加上 AI 成绩预测、智能课程推荐、考勤异常分析，再配上 PC/移动双端架构，瞬间就从"及格线"拉到了"优秀候选人"的水平。

如果这篇文章对你有启发，欢迎 点赞 👍 收藏 ⭐ 关注 👀，后续还会分享更多毕设实战经验。祝大家顺利通过答辩，毕业快乐！

本文作者：一名刚刚踩完所有毕设坑的学长
更新时间：2026 年

# java
Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

cover

2026 年版 Java 后端转行大模型完整攻略，后端程序员不用弃老本行轻松切入 AI 开发

avatar AI编程社区

我让 Claude Code 修一个 Bug，它却重构了半个项目

有一次，我让 Claude Code 帮我修一个很小的 Bug。问题真的不复杂。页面上有一个按钮，点击之后 loading 状态没有正常恢复。按照我当时的理解，这种问题最多就是少写了一行状态重置，或者请求结束后没有把 loading 改回 false。我把问题丢给 Claude Code 之后，就去看别的东西了。过了一会儿，它告诉我已经修好了。我打开 diff，整个人愣了一下。它确实修了按钮状态，

avatar AI编程社区

vibe coding学习实战：从Chrome插件开发看高效学习路径

误区1：认为vibe coding可以完全替代手动编码：实际上，TRAE生成的代码还是需要基础的编程知识来校验和调整，比如这次开发的Flask API，TRAE生成的代码有SQL注入风险，需要我手动修正参数化查询的部分；误区2：只依赖单一AI模型：不同的模型擅长的领域不同，比如Claude 3.5 Sonnet擅长复杂的逻辑设计，GPT-4o擅长简单的脚本生成，Doubao-1.5-pro更适合中

avatar AI编程社区