Easy DataSet 项目架构设计

项目概述

Easy DataSet 是一个用于创建大模型微调数据集的应用程序。用户可以上传文本文件，系统会自动分割文本并生成问题，最终生成用于微调的数据集。

技术栈

• 前端框架: Next.js 14 (App Router)
• UI 框架: Material-UI (MUI)
• 数据存储: fs 文件系统模拟数据库
• 开发语言: JavaScript

目录结构

easy-dataset/
├── app/                      # Next.js 应用目录
│   ├── api/                 # API 路由
│   │   └── projects/       # 项目相关 API
│   ├── projects/           # 项目相关页面
│   │   ├── [projectId]/    # 项目详情页面
│   └── page.js            # 主页
├── components/             # React 组件
│   ├── home/              # 主页相关组件
│   │   ├── HeroSection.js
│   │   ├── ProjectList.js
│   │   └── StatsCard.js
│   ├── Navbar.js          # 导航栏组件
│   └── CreateProjectDialog.js
├── lib/                    # 工具库
│   └── db/                # 数据库模块
│       ├── base.js        # 基础工具函数
│       ├── projects.js    # 项目管理
│       ├── texts.js       # 文本处理
│       ├── datasets.js    # 数据集管理
│       └── index.js       # 模块导出
├── styles/                # 样式文件
│   └── home.js           # 主页样式
└── local-db/             # 本地数据库目录

核心模块设计

1. 数据库模块 (lib/db/)

base.js

• 提供基础的文件操作功能
• 确保数据库目录存在
• 读写 JSON 文件的工具函数

projects.js

• 项目的 CRUD 操作
• 项目配置管理
• 项目目录结构维护

texts.js

• 文献处理功能
• 文本片段存储和检索
• 文件上传处理

datasets.js

• 数据集生成和管理
• 问题列表管理
• 标签树管理

2. 前端组件 (components/)

Navbar.js

• 顶部导航栏
• 项目切换
• 模型选择
• 主题切换

home/ 目录组件

• HeroSection.js: 主页顶部展示区
• ProjectList.js: 项目列表展示
• StatsCard.js: 数据统计展示
• CreateProjectDialog.js: 创建项目的对话框

3. 页面路由 (app/)

主页 (page.js)

• 项目列表展示
• 创建项目入口
• 数据统计展示

项目详情页 (projects/[projectId]/)

• text-split/: 文献处理页面
• questions/: 问题列表页面
• datasets/: 数据集页面
• settings/: 项目设置页面

API 路由 (api/)

• projects/: 项目管理 API
• texts/: 文本处理 API
• questions/: 问题生成 API
• datasets/: 数据集管理 API

数据流设计

项目创建流程

1. 用户通过主页或导航栏创建新项目
2. 填写项目基本信息（名称、描述）
3. 系统创建项目目录和初始配置文件
4. 重定向到项目详情页

文献处理流程

1. 用户上传 Markdown 文件
2. 系统保存原始文件到项目目录
3. 调用文本分割服务，生成片段和目录结构
4. 展示分割结果和提取的目录

问题生成流程

1. 用户选择需要生成问题的文本片段
2. 系统调用大模型API生成问题
3. 保存问题到问题列表和标签树

数据集生成流程

1. 用户选择需要生成答案的问题
2. 系统调用大模型API生成答案
3. 保存数据集结果
4. 提供导出功能

模型配置

支持多种大模型提供商配置：

• Ollama
• OpenAI
• 硅基流动
• 深度求索
• 智谱AI

每个提供商支持配置：

• API 地址
• API 密钥
• 模型名称

未来扩展方向

1. 支持更多文件格式（PDF、DOC等）
2. 增加数据集质量评估功能
3. 添加数据集版本管理
4. 实现团队协作功能
5. 增加更多数据集导出格式

国际化处理

技术选型

• 国际化库: i18next + react-i18next
• 语言检测: i18next-browser-languagedetector
• 支持语言: 英文(en)、简体中文(zh-CN)

目录结构

easy-dataset/
├── locales/              # 国际化资源目录
│   ├── en/              # 英文翻译
│   │   └── translation.json
│   ├── zh-CN/           # 中文翻译
│   │   └── translation.json
│   └── pt-BR/           # 中文翻译
│       └── translation.json
├── lib/
│   └── i18n.js          # i18next 配置