Oppia项目中故事章节必备技能显示问题的分析与修复
问题背景
在开源在线学习平台Oppia中,管理员在编辑故事章节时遇到了一个显示问题:当某个必备技能(prerequisite skill)已经被分配到其他主题(topic)时,在编辑器中该技能描述会显示为空白。这个问题影响了管理员对故事章节必备技能的识别和管理。
问题现象
具体表现为:
- 在故事章节编辑页面添加必备技能
- 保存草稿后刷新页面
- 已添加的必备技能描述不显示,仅显示空白
技术分析
经过深入分析,发现问题根源在于前端组件使用了错误的技能数据源。当前实现存在以下关键问题:
-
错误的数据源:代码中使用了
skillSummaries数组来构建技能ID与描述的映射,但这个数组实际上包含的是主题本身的必备技能和诊断测试技能,而非当前故事章节的必备技能。 -
正确的数据路径:实际需要的数据位于
storyObj.story_contents.nodes[0].prerequisite_skill_ids路径下。 -
已有但未使用的功能:系统中已经存在一个
getPrerequisiteSkillsDescription()函数,它能够正确处理必备技能的获取和映射,但未被调用。
解决方案
修复方案包括以下步骤:
-
获取当前节点:首先需要识别用户正在编辑的具体故事节点。
-
使用正确的技能ID集合:通过
this.story.getStoryContents().getNodes()[0].getPrerequisiteSkillIds()获取正确的必备技能ID列表。 -
构建技能描述映射:利用现有的
getPrerequisiteSkillsDescription()函数,通过技能后端API获取技能描述并构建映射关系。 -
扩展修复范围:类似的问题也存在于"已获得技能"(acquired skills)的显示中,采用相同的修复思路一并解决。
实现细节
核心修复涉及修改core/templates/pages/story-editor-page/editor-tab/story-node-editor.component.html文件中的逻辑:
// 替换原有的错误实现
for (let idx in skillSummaries) {
this.skillIdToSummaryMap[skillSummaries[idx].id] =
skillSummaries[idx].description;
}
// 使用正确的函数
this.getPrerequisiteSkillsDescription();
测试验证
修复后进行了全面测试,验证内容包括:
- 添加已被其他主题使用的必备技能
- 保存草稿后刷新页面
- 确认技能描述正常显示
- 验证"已获得技能"同样修复正常
测试结果表明,修复后系统能够正确显示所有必备技能和已获得技能的描述,无论这些技能是否已被分配到其他主题。
总结
这个问题的解决不仅修复了功能缺陷,还提高了代码的健壮性。通过重用已有但未被充分利用的函数,避免了重复代码的产生,同时也为类似的数据显示问题提供了参考解决方案。修复后的系统为管理员提供了更可靠的故事章节编辑体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03