```mermaid
classDiagram
class essays {
+serial essay_id PK
+varchar(255) title
+text content
+varchar(255) image_url
+varchar user_id
+timestamp create_time
+timestamp update_time
+boolean is_deleted
+timestamp deleted_at
}
class sentences {
+serial sentence_id PK
+text sentence
+timestamp create_time
+timestamp update_time
+boolean is_deleted
}
class essay_sentences {
+integer essay_id PK, FK
+integer sentence_id PK, FK
+timestamp create_time
+timestamp update_time
+boolean is_deleted
}
class active_mappings {
+serial mapping_id PK
+integer sentence_id FK
+integer focus_start
+integer focus_end
+text user_expression
+boolean ai_review_is_correct
+text ai_review_expression
+timestamp create_time
+timestamp update_time
+boolean is_deleted
}
essays "1" -- "0..*" essay_sentences : has
sentences "1" -- "0..*" essay_sentences : has
sentences "1" -- "0..*" active_mappings : has
```
## 新建文章
文章 - 分句 - 分词
## 文章 detail
文章 id，查出 content 展示
## 进入学习模式
返回有序的句子 id，然后发起第一个 id 的学习卡片的请求
## 学习卡片
一张卡片内是该句子下的 mappingsVo
## 核心处理流程
```mermaid
flowchart TB
Start([开始]) --> Split[将作文分割成句子]
Split --> Process{对每个句子处理}
subgraph Phase1[第一步：英文翻译和分词]
Process --> TranslateSegment[使用LLM翻译并分词]
TranslateSegment --> P1Result[得到初步分词结果]
end
subgraph Phase2[第二步：中文分词填充]
P1Result --> FillChinese[使用LLM填充中文分词]
FillChinese --> P2Result[得到中文对应结果]
end
subgraph Phase3[第三步：分词索引填充]
P2Result --> FillIndex[使用LLM填充索引信息]
FillIndex --> P3Result[得到带索引的分词结果]
end
subgraph Phase4[第四步：同义词扩展]
P3Result --> GetSynonyms[获取WordNet同义词]
GetSynonyms --> FilterFreq[过滤高频词<br/>词频排名<=2000]
FilterFreq --> Transform[转换为原词形式]
Transform --> FinalResult[最终扩展结果]
end
FinalResult --> End([结束])
%% 样式定义
classDef phase fill:#e1f3d8,stroke:#82c91e
classDef process fill:#fff5f5,stroke:#ff8787
class Phase1,Phase2,Phase3,Phase4 phase
class TranslateSegment,FillChinese,FillIndex,GetSynonyms,FilterFreq,Transform process
```
## VO
是的，你的理解是正确的。在 Python 中，特别是在使用 FastAPI 和 Pydantic 的上下文中，`EssaySchema` 确实相当于 Java 后端中的 VO（View Object）或 DTO（Data Transfer Object）。
让我们来比较一下：
1. 用途：
- Java VO/DTO：用于在不同层之间传输数据，通常是从后端到前端。
- Python `EssaySchema`：同样用于数据传输，特别是在 API 响应中。
2. 数据验证：
- Java VO/DTO：通常使用像 Bean Validation 这样的注解来进行验证。
- Python `EssaySchema`：使用 Pydantic 的字段类型和验证器来确保数据的正确性。
3. 序列化：
- Java VO/DTO：通常使用 Jackson 或 Gson 等库进行 JSON 序列化。
- Python `EssaySchema`：Pydantic 模型可以直接序列化为 JSON。
4. 文档生成：
- Java：通常需要额外的工具如 Swagger 来生成 API 文档。
- Python：FastAPI 可以根据 Pydantic 模型自动生成 OpenAPI（Swagger）文档。
这里是一个简化的对比：
Java (Spring Boot) 版本：
```java
public class EssayVO {
private int essayId;
private String userId;
private String title;
private String content;
private LocalDateTime createTime;
private LocalDateTime updateTime;
private boolean isDeleted;
// getters, setters, constructors
}
```
Python (FastAPI/Pydantic) 版本：
```python
from pydantic import BaseModel
from datetime import datetime
class EssaySchema(BaseModel):
essay_id: int
user_id: str
title: str
content: str
create_time: datetime
update_time: datetime
is_deleted: bool
class Config:
from_attributes = True
```
主要区别：
1. Python 版本更简洁，不需要显式的 getters 和 setters。
2. Python 版本的类型注解直接用于验证和文档生成。
3. `from_attributes = True` 允许直接从 ORM 模型创建 schema 实例。
总的来说，`EssaySchema` 在 Python/FastAPI 中的角色确实与 Java 后端中的 VO 非常相似，都用于数据传输和 API 响应的结构定义。