一、AI 与非遗文化平台的结合
传统文化网站通常以文章和图片展示为主，内容之间缺少关联，用户也很难快速理解项目的历史演变与文化价值。“承遗”平台增加 AI 项目分析、个性化推荐、文化图谱和智能问答，让用户能够从时间、技艺、地域、人物及民俗关系等维度探索非遗内容。对 AI 应用型毕业设计感兴趣的同学，可以先查看 2027年计算机毕业设计选题总表，再根据开发周期选择其中一项深入实现，或者将多项能力组合成完整平台。
二、结构化项目分析与可视化
项目分析功能将非遗档案、同门类项目、同地域内容和相关民俗资料组合成提示词，要求模型按照固定 JSON 结构返回五段时间轴、五维雷达评分、关系图节点和文字解析。后端收到结果后校验字段完整性、节点数量和评分范围，失败时可进行一次重试，成功结果写入分析缓存表。前端使用 ECharts 渲染雷达图和力导向关系图，使抽象的文化内容转化为可观察、可比较的视觉信息，同时避免每次打开详情页都调用模型。
三、可信文化图谱与检索增强问答
文化图谱首先检索站内的非遗项目、民俗百科、文化资讯和传承人信息，并根据真实业务关联生成节点与边，大模型只负责补充简短关系标签和总结文字，不决定核心数据是否存在。智能问答同样先检索站内最相关的内容，将标题和摘要作为上下文交给模型，并要求返回答案及引用来源，前端把来源展示为可点击卡片。这种 RAG 思路能够减少脱离平台资料的自由发挥，让用户可以追溯回答依据。
四、工程化控制与项目总结
AI 功能的工程化重点包括统一调用接口、超时控制、失败重试、JSON 输出校验、开关管理和缓存复用。管理员可通过配置控制 AI 是否启用，并查看推荐日志、分析结果及图谱热门关键词；API Key 只保存在后端配置中，不向浏览器暴露。与单纯调用聊天接口相比，该方案明确区分了算法、数据库和大模型的职责：事实关系由站内数据提供，排序由确定性算法完成，模型主要承担分析与表达，因此更适合作为可演示、可解释、可答辩的毕业设计实现方案。
