【开题答辩实录分享】以《智能体育训练助手的设计与实现》为例进行答辩实录分享
大家好,我是韩立。
写代码、跑算法、做产品,从 Java、PHP、Python 到 Golang、小程序、安卓,全栈都玩;带项目、讲答辩、做文档,也懂降重技巧。
这些年一直在帮同学定制系统、梳理论文、模拟开题,积累了不少“避坑”经验。
新学期开始,很多人卡在选题:想要新颖,又怕做不完。接下来我会持续分享一批“好上手且有亮点”的选题思路和完整开题答辩案例,给你参考,也给你灵感。关注我,毕业设计不再头秃!

能体育训练助手系统按管理员、虚拟教练、用户三类角色设计功能:
管理员可管理个人信息、查看用户数据(含注册信息、训练进度等)、维护虚拟教练信息与审核训练计划,并负责系统整体运行维护;
虚拟教练能依据用户需求与身体状况制定个性化训练计划,通过视频或图片提供动作指导,跟踪训练进度并评估效果,还可结合健康数据给出健康建议;
用户可查看个人信息与训练进度,选择适配的训练计划,学习动作指导,监测健康状况,参与社区互动分享训练经验,同时根据虚拟教练建议制定饮食计划。

开题陈述
各位老师好,我是H同学,课题是《智能体育训练助手的设计与实现》。
系统面向健身爱好者,分三大角色:管理员、虚拟教练和普通用户。
管理员管会员、管计划、管内容;
虚拟教练用算法生成个性化训练表、动作示范视频、健康预警;
用户选计划、跟练、打卡、看进度、社区互动和饮食建议。
技术栈:SpringBoot + MyBatis-Plus 做业务层,MySQL 存数据,Vue3 + ElementPlus 做前端,Eclipse 开发,Navicat 管库。计划 2025 年 4 月完成编码,5 月上线调试并答辩。
答辩开始
评委老师:为什么要自己做“虚拟教练”算法,而不直接调用 Keep 或抖音开放 API?
答辩学生:公开 API 返回的是通用课程,无法按个人心率、BMI、既往伤病做微调;我的虚拟教练在本地用轻量级决策树,根据问卷+历史训练数据 0.2 秒就能生成专属计划,离线也能跑,而且论文可以写算法过程,方便考核创新点。
评委老师:用户上传的训练视频最大 200 M,你如何保证服务器不被撑爆?
答辩学生:①前端用 FFmpeg.wasm 先压缩到 720p、30 fps,体积降 70 %;②后端限制单文件 50 M,超出直接拒收;③把视频存到 MinIO 对象存储,数据库只保留 URL,减轻 Tomcat 压力。
评委老师:健康监测需要实时心率,可电脑没有蓝牙,你怎么采集数据?
答辩学生:系统提供“手动录入”和“文件导入”两种兜底:用户把运动手表的 CSV 导出后上传,后端解析 FIT/CSV 格式,再写进心率表;若手机 Web 端,可调用 WebBluetooth API 直连 Polar、小米带,心率 1 秒推送一次,WebSocket 实时绘图。
评委老师:Vue3 前端如何做权限控制,防止普通用户敲 URL 闯进后台?
答辩学生:用 Vue-Router 的 addRoute 动态挂载路由,登录后后端返回 roles 数组,前端根据角色过滤菜单;同时全局路由守卫 beforeEach 里调 getInfo,无权限直接 403,按钮级再用 v-permission 指令二次鉴权,保证静态化也能挡非法跳转。
评委老师:训练计划表字段经常变(强度、组数、休息),你如何设计数据库才能不改表结构?
答辩学生:采用“纵表”方案:plan_item 表存 plan_id、item_key、item_value 三列,key 含 intensity、sets、rest 等,value 统一 varchar(200),再加 json 检查约束;页面展示时后端把纵表转 Map,前端直接绑 Vue 表单,新增字段只需改枚举,不改 DDL。
评委老师:如果 500 人同时提交训练完成记录,会出现写冲突或延迟,你怎么压测并优化?
答辩学生:先用 JMeter 起 500 线程循环 10 次,发现瓶颈在 insert;把日志表改为批量 insert(MyBatis foreach 一次 500 条),把单条写改批量写后 TPS 从 430 提到 2100;再加 Redis 记录用户今日是否已打卡,重复请求直接返回,防止数据库被重复写,压测 95 % 响应在 220 ms 内。
评委老师:系统说要给“虚拟教练”打分,但用户打完分刷新页面又重新出现评分弹窗,你怎么保证幂等?
答辩学生:在 user_evaluate 表建联合唯一索引(user_id, coach_id, date),插入前先 SELECT,若已存在则走 ON DUPLICATE KEY UPDATE,把新分数覆盖旧分数;前端提交后置按钮 disabled 并写 sessionStorage,刷新页面后弹窗组件 mounted 时先读 sessionStorage,已评过分直接隐藏,做到 UI 与数据双幂等。
评价总结
H同学对业务理解到位,能把“训练计划纵表”、“纵表转前端模型”讲清楚;对性能、幂等、安全都有具体代码层面的回答,可见动手较多。不足是分布式扩展和实时音视频分析尚未涉及,可在论文‘展望’章节补充。总体技术路线合理,进度安排可行,开题通过,继续加油
以上是H同学的毕业设计答辩过程,如果你现在还没有参加答辩,还是开题阶段,已经选好了题目不知道怎么写开题报告,可以下面找找有没有自己符合自己题目的开题报告内容,列表中的开题报告都是往届真实的开题报告可参考。



