在线教育实时协作白板系统全栈研发及AI辅助批注功能落地项目
- 项目背景:在线教育行业实时互动需求爆发,但现有竞品普遍存在协作延迟高(>300ms)、AI批注智能性弱(手写公式识别率<78%)、跨端(Web/iOS/Android)渲染割裂等痛点。公司目标是打造一款低延迟、高智能、体验一致的实时协作白板,支撑K12学科培训与职业教育场景的互动教学。我担任全栈负责人,主导从需求拆解到上线运维的全流程,协调客户端、AI算法、测试团队完成闭环。
- 关键难题与技术:①实时协作的低延迟与一致性:传统WebSocket方案在高并发下消息堆积严重,多用户同时修改同一元素时易出现数据冲突;②AI批注的实时性与准确性平衡:原有PyTorch模型推理耗时150ms,无法匹配实时书写节奏,且对复杂手写公式的结构识别准确率低;③跨端渲染一致性:不同端的Canvas引擎(如Web的2D Context、iOS的Core Graphics)对绘制指令的解析差异,导致批注位置偏移、线条粗细不一致。
- 核心行动与创新:技术上,针对延迟问题,设计「自定义WebSocket协议+Redis Pub/Sub消息分发」架构,结合操作转换(OT)算法针对白板的「画笔/文本/形状」三类操作定制简化冲突解决逻辑,将端到端延迟从320ms压降至75ms内;针对AI批注,用TensorRT对模型进行INT8量化压缩,配合迁移学习用10万条自有标注公式数据微调,推理时间缩至30ms,识别准确率提升至92%;跨端层面,封装基于Skia图形库的统一Canvas SDK,抽象出「绘制指令序列化+平台适配层」模式,确保各端渲染结果一致。架构上拆分「实时协作服务」「AI批注服务」「用户权限服务」为微服务,Docker容器化部署以应对业务峰值。
- 成果与价值:项目上线后,实时协作体验达到行业第一梯队(延迟<80ms,操作冲突率<2%),AI批注功能成为产品差异化卖点。支撑公司3款核心教育产品接入,月活用户达120万,客户满意度评分从81分提升至94分。我个人主导了技术方案设计与全栈落地,解决了3个核心瓶颈,推动该产品成为公司教育赛道的增长引擎。