AI 高考试卷

技术分工

代码结构

题目内容与展示方式分开保存。比如新增一道选择题，主要是在题库里补上题干、选项和答案；页面读取这份数据，交给选择题组件展示。文科和理科可以复用同一套题型组件。

src/data/题库

文理试卷、题型定义、分值、标准答案和评分参考。

src/components/界面组件

选择题、混合题、填空题、倒计时，以及画像和录取通知书的图片组件。

src/app/页面与接口

组装首页、考试、成绩和历史页面；其中 api/ 处理评分、画像、用户和分享请求。

src/contexts/共享状态

让不同页面共用用户信息、提交次数和科目解锁状态。

src/lib/公共方法

集中处理数据库访问、浏览器识别、勋章判断和图片保存。

这种组织方式让修改有明确的位置：改题目找题库，改答题交互找组件，改评分规则找后端接口。

评分与画像

评分和画像共用 DeepSeek 接口，项目配置的模型名是 deepseek-chat。浏览器把答案提交给自己的后端，由后端携带密钥请求模型。接口地址、模型名和密钥通过服务端配置提供。

每道题的答案、分数和评语以 JSON 保存，页面按题号展示原回答和批改结果。

评分提示把考试定义为娱乐互动，要求给分宽松、点评像朋友间的吐槽。认真分析、向 AI 求情或开玩笑，都会连同题目一起送去评分，让模型接住回答中的语气。

画像在用户点击查看时生成，生成后存入本次答题记录，再次打开直接读取。遇到模型接口限流，程序会等待后重试，单次请求最多尝试三次。

数据保存

答题时，每次点选、输入和切换部分，都会更新页面状态，并写入当前浏览器的本地存储。交卷后，后端把原答案、分数和批改结果写入 D1，得到这次提交的独立编号。

网站结合浏览器指纹和本地保存的用户编号识别参与者。返回首页或重新切回页面时，会向后端读取最新状态，更新提交次数、历史入口和勋章。好友扫码后，解锁状态也按这条路径显示出来。

历史记录和画像用提交编号关联。例如打开第一次考试的画像，接口就读取第一次的答案与成绩。项目也针对微信内页面跳转调整了传参方式，让结果页和画像页能够找到同一次提交。

图片生成

录取通知书和画像分享图在浏览器中用 Canvas 绘制：先安排版式，再填入昵称、成绩、画像内容和二维码，最后导出为 PNG。二维码里的链接带有推荐码，好友打开后，后端就能找到对应的分享者。

项目早期尝试过直接截取网页，但会出现样式还原不一致的问题。后来为这两类分享图单独绘制文字、边框和图表，让图片的排版可以逐项控制。电脑上可以下载，手机上可以长按保存。

部署更新

本地用 Next.js 开发和调试。上线时，OpenNext 将项目转换为 Cloudflare 能运行的产物：.open-next/worker.js 是服务入口，.open-next/assets 存放浏览器需要的脚本、样式等静态文件。Wrangler 负责把它们发布到 Cloudflare。

1. 01
   本地修改

   调整题目、界面或接口，用 Git 记录代码版本。

2. 02
   构建与适配

   Next.js 编译代码，OpenNext 整理出 Worker 与静态文件。

3. 03
   发布到云端

   Wrangler 上传构建产物，Cloudflare Workers 运行网站与接口。

4. 04
   通过域名访问

   用户继续打开 ai-gaokao.yyn-builder.uk，获得发布后的版本。

wrangler.jsonc 记录服务入口、静态文件目录和数据库绑定。绑定相当于给 Worker 接上一条名为 DB 的数据通道，后端通过它访问 D1。模型调用则从 Worker 发往 DeepSeek 接口。

代码更新需要重新构建和发布。数据库独立保存用户与答题记录；如果要增加字段或调整表结构，则通过 migrations/ 中的 SQL 迁移文件更新。项目分别对本地和线上数据库执行迁移，使两边的表结构跟上代码变化。

部署过程还做过一次数据库适配：早期本地使用的 better-sqlite3 依赖原生模块，无法直接在 Workers 中运行，因此改用 D1，并把数据库调用调整为异步。这样，评分接口、历史记录和分享解锁都能在同一套云端环境中运行。