akoo/akmon

Fork 0

Files

akoo 77a2bab985 Initial commit of akmon project

2026-01-20 08:04:15 +08:00

4.4 KiB

Raw Permalink Blame History

训练偏好分析系统部署指南

系统状态

✅ 前端代码已完成 - 分析仪表板页面已创建并集成到导航中 ✅ 数据库脚本已完成 - PostgreSQL扩展脚本已修复并准备部署 ⚠️ 等待数据库部署 - 需要执行SQL脚本来启用分析功能

部署步骤

第一步：部署数据库扩展

执行以下SQL文件来添加分析功能到数据库：

# 使用psql命令行工具（如果可用）
psql -h [你的数据库主机] -U [用户名] -d [数据库名] -f preferences_analytics_extension_fixed.sql

# 或者通过Supabase Dashboard、pgAdmin等GUI工具执行文件内容

重要文件：

preferences_analytics_extension_fixed.sql - 包含所有分析表和函数的完整SQL脚本

第二步：验证数据库部署

部署后，验证以下表和函数是否创建成功：

新建表：

ak_user_preference_history - 用户偏好历史记录
ak_goal_progress_history - 目标进度历史
ak_training_patterns - 训练模式分析
ak_personalized_recommendations - 个性化推荐
ak_user_behavior_analytics - 用户行为分析

新建函数：

get_user_preferences_analytics(uuid) - 获取用户偏好分析数据
generate_personalized_recommendations(uuid) - 生成个性化推荐
get_user_training_trends(uuid, integer) - 获取训练趋势数据
log_user_behavior(uuid, varchar, jsonb) - 记录用户行为
update_training_pattern(uuid, varchar, jsonb) - 更新训练模式

触发器：

preference_changes_trigger - 偏好变更自动记录
goal_progress_changes_trigger - 目标进度变更自动记录

第三步：测试分析功能

访问分析页面
- 在学生档案页面点击"偏好分析"菜单项
- 检查页面是否正常加载
测试数据获取
- 确认能正常显示用户偏好概览
- 检查图表和统计数据是否正确显示
- 验证推荐功能是否工作

第四步：数据初始化（可选）

SQL脚本已包含样本推荐数据的自动创建。如需更多测试数据，可以：

添加更多用户偏好设置
设置一些训练目标
等待系统自动生成历史数据和推荐

功能特性

📊 数据可视化

偏好概览卡片 - 收藏运动、每周训练时长、活跃目标、提醒数量
运动类型分布图 - 彩色饼图显示各运动类型占比
训练强度分析 - 可视化不同强度级别的分布
每周训练热力图 - 显示一周内各时段的训练模式

🎯 智能推荐

运动类型推荐 - 基于用户偏好推荐新运动
训练时长建议 - 根据目标调整训练时间
强度优化建议 - 帮助用户提升训练强度
目标设定提醒 - 鼓励用户设置更多训练目标

📈 趋势分析

训练频率趋势 - 显示训练频率的时间变化
目标完成趋势 - 跟踪目标达成情况
运动多样性趋势 - 分析运动类型的多样化程度

技术实现

前端架构

Vue 3 + UniApp - 响应式移动端界面
Chart组件 - 自定义图表可视化
动态数据绑定 - 实时数据更新
缓存机制 - 优化性能和用户体验

后端架构

PostgreSQL函数 - 高性能数据分析
JSONB数据类型 - 灵活的结构化数据存储
自动触发器 - 实时数据同步
RLS安全策略 - 数据安全保护

故障排除

常见问题

SQL语法错误提示
- VS Code中的SQL语法错误是误报（它使用SQL Server解析器）
- PostgreSQL语法在实际数据库中会正常工作
分析页面空白
- 检查数据库函数是否正确部署
- 验证用户是否有相关数据（偏好设置、目标等）
推荐功能不工作
- 确认generate_personalized_recommendations函数已部署
- 检查用户是否有足够的基础数据

调试方法

-- 检查用户偏好数据
SELECT * FROM public.ak_user_sport_preferences WHERE user_id = '[用户ID]';

-- 检查分析函数
SELECT get_user_preferences_analytics('[用户ID]');

-- 检查推荐数据
SELECT * FROM public.ak_personalized_recommendations WHERE user_id = '[用户ID]';

下一步

部署完成后，分析系统将：

自动收集用户行为数据
生成个性化推荐
提供深度训练分析
帮助用户优化训练计划

4.4 KiB Raw Permalink Blame History Unescape Escape