雾之湖第九中学校英语作文AI评卷系统

起因

#

最近，老师找到我，问我能不能做一个“上传英语作文图片自动评分的平台，要教育与AI结合”，了解了一下是英语教研组的课题，我爽快的答应了。

原理

#

构思了一下大概是这个流程。原理还是挺简单的，没有什么技术难点，都是造好的轮子。

graph LR;
    A[用户] -->|上传作文| B(九中服务器)
    B -->|作文图片| C{有道OCR API}
    C -->|OCR识别结果|B
    B -->|作文文本+评分标准| D{Deepseek API}
    D -->|评分结果、范文JSON| B
    B -->|呈现结果|A

系统架构设计

#

• 前端：Vue.js + Element UI Bootstrap v5
• 后端:Flask Django
• 数据库：MySQL SQLite3

为了多终端设备适配时减少代码工程量，我最终选用了Bootstrap v5作为前端。后端采用Django，虽然开发会更加繁琐，但是便于学校管理。数据库其实MySQL和SQLite3都可以，Python集成了SQLite3，只是我懒索性用SQLite3了

部署流程

#

1. 系统要求

#

• Python 3.13

2. 克隆仓库

#

git clone https://github.com/XXXXXX/ai_essay_grading.git
cd ai_essay_grading

3. 创建并激活虚拟环境

#

python -m venv venv
## 下面两条命令根据系统选择
venv\Scripts\activate  # Windows
source venv/bin/activate # Linux

4. 安装依赖

#

pip install openai django requests Pillow

5. 数据库迁移

#

python manage.py makemigrations
python manage.py migrate

6. 创建管理员账户

#

python manage.py createsuperuser

7. 运行服务器

#

默认开放到8000端口

python manage.py runserver

实际生产环境建议开放到80端口

python manage.py runserver 0.0.0.0:80

8. 配置

#

首次运行需要进入Django administration，配置API及教师账户
地址为 /admin，建议在生产环境中修改掉，提高安全性

可行性验证

#

通过实践而发现真理，又通过实践而证实真理和发展真理。——毛泽东主席

可行性验证是必不可少的环节，可能需要邀请一些志愿学生来参加，进而根据结果考虑调整System Prompt或者换用大语言模型，以保证评分的准确性和合理性

我们准备使用50份高考英语作文进行测试：

成本估算

#

道阻且长

#

成本

#

大家也看到了，有道智云手写体识别API调用费用非常高，有人会问为什么不使用Tesseract、PaddleOCR之类的开源的项目减少成本？首先这些都是针对印刷字体的OCR项目，我也想过通过自己训练一个PaddleOCR模型来提高识别准确率，但是根据北师大2023年测评数据，OCR通用模型在识别学生连笔字时准确率骤降至61%，需追加10,000+本土学生笔迹样本训练，这个人力物力成本是更加大的，想要得到更加准确和通用的模型，需要的样本数据还可能远远超过这个数字

规划

#

• 先使用有道手写体识别API快速上线，逐步接入PaddleOCR训练本土笔迹模型
• 逐步开源