融合AI辅助MBTI性格测试的个性化健身小程序（DeepSeek AI 健身计划、AI 饮食方案、MBTI 四维性格测评、体征与营养记录、训练打卡日历、个人健身数据分析、AI方案人工审核、EChar）

融合 AI 辅助 MBTI 性格测试的个性化健身小程序UniApp Spring Boot DeepSeek做这套系统起因挺实在。我自己健身走过不少弯路跟着别人的计划练两天就膝盖不舒服换成随便搜的减脂攻略又跟自己想增肌的目标对不上。后来发现一件事——同一个训练计划放在不同性格的人身上坚持度差别很大。有人必须按表执行才安心有人非得每周换点花样才练得下去。所以这个毕设就想把两件事接起来先做 MBTI 性格测评拿到性格特征再结合身体数据用大模型生成为这个人量身定制的健身计划和饮食方案。练什么、吃多少、坚持得怎么样都能在小程序里看到。下面把系统从选题、架构到核心实现完整讲一遍代码和界面截图都放上供同样做毕设/课设的同学参考。一、选题背景与项目概述AI 辅助 MBTI 性格测试的个性化健身管理系统采用前后端分离架构由 UniApp 用户端与 Web 管理端组成。系统以用户性格特征、身体数据和健身目标为基础提供 MBTI 测评、体征管理、AI 健身计划、AI 饮食方案、饮食记录、训练打卡、健身资讯及个人数据统计等服务。服务端通过 LangChain4j 接入兼容 DeepSeek 的聊天模型依据 MBTI 类型、体征、健身目标、运动经验、可用器械和禁忌部位生成结构化的训练与饮食建议管理端用于维护测评题库、运动与食物资源、资讯公告、用户反馈及 AI 方案审核并通过运营数据看板辅助日常管理。系统亮点DeepSeek AI 健身计划、AI 饮食方案、MBTI 四维性格测评、体征与营养记录、训练打卡日历、个人健身数据分析、AI 方案人工审核、ECharts 运营看板及 Excel 导出。架构分层层级主要技术与职责UniApp 用户端面向微信小程序用户提供性格测评、体征录入、计划生成、饮食管理、训练打卡、健身资讯和个人中心等功能入口Web 管理端基于 Vue 3、Vite、Element Plus、Pinia、ECharts 和 SCSS 构建用于用户、内容资源、AI 审核、资讯公告与运营数据管理服务端采用 Spring Boot 3.3.1、Java 17、MyBatis-Plus、MySQL、JWT 和 Apache POI提供 REST 接口、身份认证、业务处理、数据持久化和 Excel 导出AI 能力通过 LangChain4j 接入兼容 DeepSeek 的聊天模型依据 MBTI 类型、体征、健身目标、运动经验、可用器械和禁忌部位生成结构化训练与饮食建议角色划分角色主要使用范围管理员维护用户、MBTI 题库与类型信息、运动分类与动作、食物库、健身计划与饮食方案、打卡记录、资讯公告与意见反馈对 AI 方案执行审核并通过运营看板与 Excel 导出完成数据复盘普通用户完成 MBTI 测评与体征录入查看 AI 生成的健身计划与饮食方案记录饮食、完成训练打卡浏览健身资讯、收藏内容并提交意见反馈二、核心功能与实现说明2.1 MBTI 性格测评与运动偏好解读系统围绕 E-I、S-N、T-F、J-P 四组维度维护测评题目与选项。用户在小程序端逐题作答前端汇总八个维度的选项得分后提交服务端分别比较四组相对维度的得分拼接形成 16 种 MBTI 类型之一。测评完成后系统关联对应的性格特征、运动偏好和推荐运动方式并保存历史测评结果方便用户查看不同时间的测评记录。加载启用题目与选项 → 用户逐题作答 → 累计八个维度得分 → 后端计算四维类型 → 保存测评结果 → 展示性格解读与运动偏好业务场景系统处理结果测评题库维护维护题目内容、所属维度、选项得分、排序和启用状态控制用户端展示的测评内容类型计算按 E/I、S/N、T/F、J/P 四组得分的高低确定字母组合得到用户 MBTI 类型类型解读基于 MBTI 类型信息展示性格特点、运动偏好及推荐运动方式为后续个性化方案提供依据测评历史每次测评结果独立保存用户可在历史页面查看不同时间的类型和维度得分2.2 体征档案与健身条件管理体征模块记录用户的性别、年龄、身高、体重、BMI、健身目标、禁忌部位、运动经验、每周训练天数、单次训练时长和可用器械。输入身高与体重时前端按BMI 体重(kg) / 身高(m)²自动计算身体质量指数历史体征按时间保存用于查看体重与 BMI 的变化趋势。AI 生成方案前服务端读取最新 MBTI 与体征档案缺少必要信息时给出明确提示。录入身高、体重及训练条件 → 自动计算 BMI → 保存体征档案 → 获取最新 MBTI 与体征信息 → 作为 AI 方案生成的前置条件与个性化参数2.3 基于 DeepSeek 的 AI 个性化健身计划系统通过 LangChain4j 配置兼容 DeepSeek 的 ChatLanguageModel为用户生成 7 天个性化健身计划。服务端读取最新 MBTI 类型、性别、年龄、身高、体重、BMI、健身目标、运动经验、器械条件、训练频次、单次时长和禁忌部位结合不同 MBTI 的训练偏好组装提示词。模型按约定 JSON 结构返回每日计划系统解析并保存热身、主训练、拉伸放松、预计消耗热量和训练时长等字段若返回内容无法被解析则保留原始内容作为单日计划记录便于用户查看和管理员追溯。确认已完成测评和体征录入 → 读取最新用户档案 → 组装 MBTI 适配训练提示词 → 调用 DeepSeek → 解析 7 天 JSON 计划 → 保存计划及每日训练详情处理要点实现方式计划前置校验未完成 MBTI 测评或未填写体征数据时停止生成并提示用户补齐资料个性化提示词提示词包含用户基本数据与 MBTI 适配风格例如训练偏好、节奏与结构化程度等信息计划版本控制生成新计划时将同一用户原有的当前计划设为非当前状态再保存新的有效计划结果可追溯健身计划保存 AI 提示词和原始响应同时以每日详情表保存可直接展示的训练安排2.4 基于 MBTI 与体征数据的 AI 饮食方案饮食方案模块沿用 AI 个性化生成思路根据用户的 MBTI 类型、身体指标、健身目标、运动经验和训练条件生成饮食建议。服务端保存每日推荐热量以及早餐、午餐、晚餐和加餐的内容每份方案同时保留生成提示词和模型原始响应。用户可查看当前方案与历史方案新方案会替换同一用户原有的当前有效方案。获取 MBTI 与体征档案 → 确认健身目标 → 构造个性化饮食提示词 → 调用 AI 模型 → 保存推荐热量与四餐建议 → 更新当前饮食方案状态2.5 饮食记录、营养汇总与热量管理系统提供食物分类与食物库食物信息包含单位热量、蛋白质、脂肪、碳水化合物、图片和启用状态。用户可按早餐、午餐、晚餐或加餐选择食物填写摄入份量后生成饮食明细也可录入自定义食物。饮食记录按日期汇总当天摄入热量及三类营养素。数据对象记录内容食物库维护食物分类、名称、单位热量、蛋白质、脂肪、碳水化合物及启用状态为用户记录提供标准参考数据饮食明细保存餐次、食物名称、摄入份量以及对应的热量和营养素数据每日汇总按用户和日期记录总摄入热量、总蛋白质、总脂肪和总碳水支撑历史查询与趋势分析2.6 训练打卡、日历展示与个人健身数据分析用户完成训练后可提交训练项目、运动时长、消耗热量、训练感受和备注系统按用户和日期保存训练打卡信息并在日历中标识已打卡日期。个人健身数据接口在服务端汇总累计运动天数、总时长、总消耗热量、当前连续打卡天数和最长连续打卡天数同时生成近 7 天运动趋势、体重与 BMI 变化、热量摄入消耗对比、训练类型分布及薄弱项建议。训练类型根据打卡内容中的力量、有氧、拉伸、核心和 HIIT 等关键词归类。提交训练内容与时长 → 保存打卡记录 → 日历标记训练日期 → 汇总累计与连续打卡数据 → 生成运动、体重和热量趋势 → 输出训练类型与薄弱项分析2.7 健身资讯、公告、收藏与意见反馈内容模块支持管理员维护健身资讯分类、资讯文章和系统公告。资讯文章可配置封面、富文本内容、置顶状态和发布状态用户端仅展示已发布内容并支持按分类浏览、查看详情、增加浏览量、收藏及取消收藏公告同样支持置顶和发布控制。用户还可以提交带图片的意见反馈管理员在后台查看后填写回复内容与回复时间形成从问题提交到处理回复的完整链路。2.8 AI 方案审核、角色认证与后台资源管理系统角色分为管理员和普通用户。用户端、管理端根据登录状态与角色控制页面访问服务端通过 JWT 解析身份信息。管理端提供独立的 AI 方案审核记录管理审核记录关联用户与健身计划管理员可对其执行通过、驳回或标记危险动作等操作并记录审核状态、审核备注、审核人和审核时间。管理端还集中提供用户、MBTI 题库与类型信息、运动分类与动作、食物库、健身计划、饮食方案、打卡记录、资讯公告和意见反馈等资源的维护入口。2.9 运营数据看板与 Excel 导出管理端使用 ECharts 展示用户总数、今日活跃用户、今日打卡人数和 AI 方案生成数量等核心指标并按照数据维度渲染用户注册趋势、每日打卡趋势、MBTI 类型分布、运动热度排行、每日平均热量摄入与消耗、打卡统计和健身目标分布等图表。系统提供运营数据导出接口使用 Apache POI 生成 Excel 工作簿。统计维度展示与用途核心指标用户总数、今日活跃用户、今日打卡人数与 AI 方案生成数量快速掌握平台规模与当日活跃情况趋势与分布注册趋势、每日打卡趋势、MBTI 类型分布、运动热度排行、热量摄入与消耗、健身目标分布数据导出使用 Apache POI 生成 Excel导出核心数据、注册趋势、MBTI 分布、运动热度、打卡趋势、热量统计与健身目标分布三、界面截图系统总览图 1 · 系统总览MBTI 个性化健身管理系统登录页绿色主视觉与验证码登录入口。用户端图 2 · 首页性格类型卡片、今日健身概览运动时长 / 消耗热量 / 连续打卡、今日训练安排与资讯入口。图 3 · 测评结果MBTI 四维测评结果页展示类型字母组合、四维得分与性格解读、推荐运动方式。图 4 · 健身中心健身计划与训练动作入口按 MBTI 类型与健身目标组织内容。图 5 · 训练打卡提交训练项目、时长、消耗热量与训练感受日历标记已打卡日期。图 6 · 饮食管理按餐次记录食物与份量自动汇总当日热量与蛋白质 / 脂肪 / 碳水。图 7 · 个人中心个人资料、体征档案、我的计划与打卡统计入口。图 8 · 文章按分类浏览健身资讯查看详情、收藏并累计浏览量。图 9 · AI 饮食方案 / AI 健身计划DeepSeek 生成的个性化方案展示含每日推荐热量与四餐建议。管理端图 10 · 运营数据用户总数、今日活跃、今日打卡与方案生成数等核心指标以及注册趋势、打卡趋势、MBTI 分布、运动热度等图表。图 11 · 意见反馈查看用户带图反馈填写回复内容并记录回复时间。图 12 · 测评题目维护题目内容、所属维度、选项得分、排序与启用状态。图 13 · 性格类型信息维护 16 种类型的性格特点、运动偏好与推荐运动方式。图 14 · 运动项目维护运动项目分类与基础信息为计划与动作库提供数据来源。图 15 · 运动动作维护动作名称、所属项目、要领与示范信息。图 16 · 食物管理维护食物分类、单位热量与蛋白质 / 脂肪 / 碳水等营养数据。图 17 · 健身资讯维护资讯分类与文章配置封面、置顶与发布状态。图 18 · AI 方案审核关联用户与健身计划执行通过、驳回或标记危险动作并记录审核信息。其余功能用户管理、运动分类维护、食物分类维护、健身计划与饮食方案查看、打卡记录查询、资讯分类维护、公告管理以文字清单收纳如需更多截图可联系。四、技术栈汇总分类技术选型用户端UniApp微信小程序、Vue 语法规范、原生组件与自定义组件管理端Vue 3、Vite、Element Plus、Pinia、ECharts、SCSS后端Spring Boot 3.3.1、Java 17、MyBatis-Plus、MySQL、JWT、Apache POIAI 能力LangChain4j、兼容 DeepSeek 的 ChatLanguageModel五、写在最后这个选题我自己最满意的部分不是界面多花哨而是性格特征 → 方案生成 → 打卡反馈 → 数据统计这条线能从头到尾讲清楚。答辩时评委最爱问的是你这个 AI 到底怎么用的只要把提示词怎么组装、JSON 怎么解析、原始响应怎么留存讲明白基本就稳了。适合谁做想做选题有新意的毕设、想体现业务状态流转能力、想体现多角色协同、需要数据可视化落点或者想在论文里写大模型应用的同学都可以参考这套思路。说明文档展示 18 张截图需要了解更多请联系我。