课件渲染方法和装置、电子设备以及计算机存储介质与流程

摘要: 本公开属于人工智能,具体涉及教育技术、大语言模型、自然语言处理等,尤其是一种课件渲染方法和装置、电子设备以及计算机可读存储介质。背景技术:1、随着人工智能大语言...
课件渲染方法和装置、电子设备以及计算机存储介质与流程

本公开属于人工智能,具体涉及教育技术、大语言模型、自然语言处理等,尤其是一种课件渲染方法和装置、电子设备以及计算机可读存储介质。

背景技术:

1、随着人工智能大语言模型(large language model,llm)的普及,教育科技行业涌现出大量“ai(artificial intelligence,人工智能)生成课件”、“ai教案生成”等系统。目前,现有通用技术方案的基本工作流为:用户输入提示词—>云端大语言模型处理—>云端输出非结构化的长文本或将其直接转换为固定排版的静态文件—>下发至客户端进行整体渲染与展示。

2、然而,从现代前端软件工程和底层系统架构的角度来看,这种依赖“非结构化文本流”或“静态文件”下发的现有客户端渲染机制,具有渲染层与内容数据“强耦合”,无法动态挂载复杂的交互式界面组件;数据呈“非结构化扁平态”,难以进行细粒度的局部状态管理与差量更新;缺乏跨端原生解析能力,阻断了异构终端的多态展示;缺乏数据防篡改与确定性校验闭环,存在合规与安全风险等技术缺陷。

3、综上,如何打破扁平文本无法局部寻址的僵局、实现内容数据与跨端渲染引擎的深度解耦以挂载交互组件、构建端到端的确定性防篡改校验机制,以及通过差量更新消除重复渲染导致的算力浪费,已成为当前aigc(artificial intelligence generatedcontent,人工智能生成内容)教育应用在前端工程领域亟待解决的核心技术痛点。

技术实现思路

1、本公开提供了一种课件渲染方法和装置、电子设备以及计算机可读存储介质。

2、根据第一方面,提供了一种课件渲染方法,应用于客户端,该方法包括:接收服务端下发的课件状态树数据,课件状态树数据包括首次渲染场景下的全部维度节点数据,或者更新渲染场景下发生参数变化的目标维度节点数据;将全部维度节点数据或目标维度节点数据确定为待渲染节点,课件状态树数据包括:待渲染节点的当前载荷数据、当前节点哈希值以及服务端的当前根哈希值;当前载荷数据包括:组件挂载指令以及结构化载荷参数;基于当前节点哈希值以及本地缓存状态树中未变更维度节点的历史节点哈希值,计算本地校验根哈希值;响应于检测到本地校验根哈希值与当前根哈希值一致,遍历当前载荷数据,提取组件挂载指令,将组件挂载指令与终端预置的静态组件注册表进行映射,确定可复用组件;响应于检测到可复用组件对应的物理代码块未在客户端的本地加载,基于静态组件注册表中待渲染节点的统一资源标志符,在本地加载物理代码块;响应于物理代码块加载完成或物理代码块已在本地加载,提取结构化载荷参数,将结构化载荷参数作为初始化属性注入至物理代码块中进行工厂模式实例化,得到实例化界面组件;在虚拟树形数据结构或场景树中定位并卸载待渲染节点对应的子树分支,将实例化界面组件挂载至子树分支所在位置;向界面输出虚拟树形结构或场景树,并更新本地缓存状态树。

3、根据第二方面,提供了一种课件渲染装置,应用于客户端,该装置包括:接收单元,被配置成接收服务端下发的课件状态树数据,课件状态树数据包括首次渲染场景下的全部维度节点数据,或者更新渲染场景下发生参数变化的目标维度节点数据;将全部维度节点数据或目标维度节点数据确定为待渲染节点,课件状态树数据包括:待渲染节点的当前载荷数据、当前节点哈希值以及服务端的当前根哈希值;当前载荷数据包括:组件挂载指令以及结构化载荷参数;校验单元,被配置成基于当前节点哈希值以及本地缓存状态树中未变更维度节点的历史节点哈希值,计算本地校验根哈希值;映射单元,被配置成响应于检测到本地校验根哈希值与当前根哈希值一致,遍历当前载荷数据,提取组件挂载指令,将组件挂载指令与终端预置的静态组件注册表进行映射,确定可复用组件;加载单元,被配置成响应于检测到可复用组件对应的物理代码块未在客户端的本地加载,基于静态组件注册表中待渲染节点的统一资源标志符,在本地加载物理代码块;注入单元,被配置成响应于物理代码块加载完成或物理代码块已在本地加载,提取结构化载荷参数,将结构化载荷参数作为初始化属性注入至物理代码块中进行工厂模式实例化,得到实例化界面组件;挂载单元,被配置成在虚拟树形数据结构或场景树中定位并卸载待渲染节点对应的子树分支,将实例化界面组件挂载至子树分支所在位置;更新单元,被配置成向界面输出虚拟树形结构或场景树,并更新本地缓存状态树。

4、根据第三方面,提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面任一实现方式描述的方法。

5、根据第四方面,提供了一种计算机可读存储介质,其上存储有计算机指令,计算机指令用于使计算机执行如第一方面任一实现方式描述的方法。

6、本公开的实施例提供的课件渲染方法和装置,首先,接收服务端下发的课件状态树数据,课件状态树数据包括首次渲染场景下的全部维度节点数据,或者更新渲染场景下发生参数变化的目标维度节点数据;将全部维度节点数据或目标维度节点数据确定为待渲染节点,课件状态树数据包括:待渲染节点的当前载荷数据、当前节点哈希值以及服务端的当前根哈希值;当前载荷数据包括:组件挂载指令以及结构化载荷参数;其次,基于当前节点哈希值以及本地缓存状态树中未变更维度节点的历史节点哈希值,计算本地校验根哈希值;再次,响应于检测到本地校验根哈希值与当前根哈希值一致,遍历当前载荷数据,提取组件挂载指令,将组件挂载指令与终端预置的静态组件注册表进行映射,确定可复用组件;从次,响应于检测到可复用组件对应的物理代码块未在客户端的本地加载,基于静态组件注册表中待渲染节点的统一资源标志符,在本地加载物理代码块;然后,响应于物理代码块加载完成或物理代码块已在本地加载,提取结构化载荷参数,将结构化载荷参数作为初始化属性注入至物理代码块中进行工厂模式实例化,得到实例化界面组件;进而,在虚拟树形数据结构或场景树中定位并卸载待渲染节点对应的子树分支,将实例化界面组件挂载至子树分支所在位置;最后,向界面输出虚拟树形结构或场景树,并更新本地缓存状态树。由此,通过对比当前根哈希值与本地校验根哈希值,无需重新下载或解析整个课件文件,仅对发生参数变化的目标维度节点进行差量替换,极大节省了网络下发带宽和客户端的重绘算力,支撑了千人千面高并发场景;客户端提取出明确的组件挂载指令及结构化载荷参数,通过终端预置的静态组件注册表进行映射,同一份状态数据在web端可渲染为可复用组件,在虚拟终端可渲染为三维预制件,打破了多模态硬件的隔离壁垒;在物理代码块未在客户端的本地加载时,进行本地加载,并将提取的结构化载荷参数注入其中,答复提升了系统的首屏响应速度;在渲染前置入哈希校验步骤,不仅用于差量更新,更在底层阻断了网络传输中可能出现的数据丢包或恶意篡改,确保了ai生成的教育内容在展示层的安全合规。

7、应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。