整体架构

高性能

· 300人并发/服务器

· 支持水平扩展

· 本地交付，可利旧

核心能力

· 分析需求，设计规划

· 生成代码，执行代码

· 调试代码，发布应用

应用场景

· 软件开发实训

· 教学数据分析

· 增强型AI助教

更多应用

· 科研辅助

· 案例设计

· 科创辅助

基于大模型和智能体技术构建的CGCoder，不仅支持代码生成，还可以在运行环境中自动执行代码、分析运行结果、调试代码、发布应用、配置环境，具备强大的数据分析能力和图表生成能力，支持端到端生成Web应用系统和GUI客户端应用程序。

软件开发实训

背景

随着大模型在代码生成领域的快速发展，代码生成工具或插件已成为软件工程师的日常工作助手。而端到端的软件生成技术的出现，进一步大幅提升了软件开发效率。

目标

在上述背景下，学生有必要熟悉大模型时代的软件开发方法，掌握大模型驱动的软件开发工具的使用。基于CGCoder，设计了一系列使用大模型快速开发软件应用的实训案例，培养学生具备大模型时代的软件开发能力。

实训课程

Web应用系统开发实训、数据分析应用开发实训、人工智能应用开发实训、大数据应用开发实训、大模型应用开发实训、数据库应用开发实训

教学数据分析

极简教学数据分析：①导出数据 → ②上传数据 → ③输入提示词 → ④查看分析结果

支持在提示词中，要求大模型使用数据挖掘、机器学习、深度学习、图像处理、计算机视觉、自然语言处理、知识图谱等不同研究方向的特定算法对上传的数据集进行处理和分析。

Agent助教

Agent助教

和基于知识库的RAG助教相比，Agent助教的最大优势是可以在真实环境中运行所生成的代码，并对代码自身及代码运行结果中的图文表进行详细的分析和说明。

演示

在演示视频中，学生对学生学习行为分析感兴趣，但不知道如何开始这方面学习。学生可以先让Agent助教生成数据集，然后对生成的数据集做各类分析。通过生成的代码、代码运行结果、代码运行产生的图文表、对代码和图文表进行解释的文字说明，学生可快速学习如何开展学生学习行为数据分析。

支持的课程

Python编程、数据分析、数据挖掘、人工智能、机器学习、深度学习、计算机视觉、自然语言处理、Linux操作系统、Spark大数据技术

更多应用场景

CGCoder可全面支撑信息类专业的科研、教学、实验、实训、科创、竞赛、课堂等环节。基于希冀代码生成平台CGCoder，可支撑以下更多应用场景：