软件工程课程第一次作业

这个作业属于哪个课程	https://edu.cnblogs.com/campus/fzu/202601SofwareEngineering
这个作业要求在哪里	https://edu.cnblogs.com/campus/fzu/202601SofwareEngineering/homework/15712
这个作业的目标	huggingface-API的调用、Github个人主页搭建、梳理当前的技能树，技术偏好，未来规划
学号	102401435

前期准备工作

GitHub账号：1530017982，完善个人资料。
博客园账号：乔震宇，完善个人资料。
关注任课老师的博客
https://home.cnblogs.com/u/fuqingwuyi
关注助教的博客
https://www.cnblogs.com/wqr999
https://www.cnblogs.com/YoutuZ

一、Hugging Face API 的调用

1.1、项目结构

hf-flux-demo/
├─ app.py        # Flask后端
└─ index.html    # 网页前端

1.2、后端代码 app.py

from flask import Flask, request, jsonify
from flask_cors import CORS
import requests
import base64
import warnings
warnings.filterwarnings("ignore")

app = Flask(__name__)
CORS(app)


HF_TOKEN = ""
MODEL_URL = "https://api-inference.huggingface.co/models/black-forest-labs/FLUX.1-schnell"
headers = {"Authorization": f"Bearer {HF_TOKEN}"}

@app.route('/generate', methods=['POST'])
def generate_img():
    data = request.get_json()
    prompt = data.get("prompt", "")
    payload = {
        "inputs": prompt,
        "parameters": {
            "num_inference_steps": 28,
            "guidance_scale": 3.5
        }
    }
    print("正在调用HF API，提示词：", prompt)
    response = requests.post(MODEL_URL, headers=headers, json=payload, verify=False, timeout=60)
    print("HF返回状态码：", response.status_code)

    if response.status_code == 200:
        b64 = base64.b64encode(response.content).decode("utf-8")
        return jsonify({"img": b64})
    return jsonify({"error": response.text}), 500

if __name__ == '__main__':
    app.run(host="127.0.0.1", port=5000, debug=True)

1.3、前端代码 index.html

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <title>Flux-RealismLora写实图生成</title>
</head>
<body>
    <h1>Flux-RealismLora 写实图生成</h1>
    <textarea id="promptInput" style="width:95%;height:200px;">a cat</textarea>
    <br><br>
    <button onclick="generateImage()">生成图片</button>
    <p id="msg"></p>
    <img id="resultImg" style="max-width:800px;">

<script>
async function generateImage(){
    const prompt = document.getElementById("promptInput").value;
    const msgBox = document.getElementById("msg");
    const imgBox = document.getElementById("resultImg");
    msgBox.innerText = "正在请求...";
    imgBox.src = "";
    try{
        const res = await fetch("http://127.0.0.1:5000/generate",{
            method:"POST",
            headers:{"Content-Type":"application/json"},
            body:JSON.stringify({prompt:prompt})
        });
        const data = await res.json();
        if(data.img){
            imgBox.src = "data:image/jpeg;base64," + data.img;
            msgBox.innerText = "生成成功";
        }else{
            msgBox.innerText = "失败："+JSON.stringify(data.error);
        }
    }catch(err){
        msgBox.innerText = "请求失败："+err;
    }
}
</script>
</body>
</html>

1.4、环境部署 & 运行步骤

安装依赖
打开 cmd，执行：

pip install flask flask-cors requests

获取 HuggingFace 密钥

注册 HuggingFace 账号，进入 Settings → Access Tokens
创建 token，权限勾选read，复制 token 替换代码内HF_TOKEN的值

启动后端服务
cmd 进入项目文件夹，运行

python app.py

看到 Running on http://127.0.0.1:5000 代表后端启动成功

打开前端页面
双击打开index.html，在文本框输入绘图提示词，点击【生成图片】

1.5、系统原理

前端：HTML 页面提供输入框与按钮，点击按钮后 JS 通过fetch向后端http://127.0.0.1:5000/generate发送 POST 请求，携带文本提示词。
后端 Flask 接收 POST 请求，提取提示词，构造请求体调用 HuggingFace 官方 FLUX.1-schnell 模型推理 API。
HF 服务根据提示词生成图片，返回图片二进制数据。
后端将图片二进制转为 base64 字符串，返回给前端。
前端接收 base64 编码，解析并在页面展示图片。

1.6、提示词设计思路及图像

初始提示词：a cat

效果：图像偏卡通，真实感弱。

问题：缺少摄影、画质、光影关键词，LoRA 写实效果没有激活。

迭代版本 1：photo of a cat, real world, 8k
效果：真实度提升，但细节、景深不足。

最终版本：photorealistic photo of a cat sitting on wooden windowsill, soft morning sunlight, shallow depth of field, shot on Sony A7M4, 8k, ultra detailed, natural skin texture, sharp focus

正向关键词拆解
- photorealistic：核心，触发 RealismLora 写实风格
- 场景 + 光影：soft morning sunlight, shallow depth of field（浅景深，相机摄影效果）
- 相机参数：Sony A7M4，增强真实照片质感
- 画质：8k, ultra detailed, sharp focus

二、Github个人主页搭建

三、博客园随笔

软件工程课程学习随笔

一、个人技能树梳理 & 自我评估

✅ 已具备专业知识与能力

掌握 C、C++ 基础语法，能够编写简单程序，熟悉变量、循环、条件语句、数组等基础编程逻辑。
掌握 Python 基础语法，能够编写简单程序。
会使用 Flask 搭建简易后端接口，接收前端发来的请求。
了解基础 HTML 和 JavaScript，能写简单网页，实现页面交互。
可以调用网络 API，进行简单的数据传输，能处理图片的 base64 编码。

🎯 感兴趣的技术方向

大模型 / 文生图 AI 应用开发：基于开源大模型 API 搭建 Web 应用，前端页面交互、后端中转调用 AI 模型。
前后端分离小型 Web 系统开发：独立完成完整项目，从页面、接口到数据流转。
软件项目工程化：版本管理、项目文档撰写、需求分析、测试流程（软件工程课程相关方向）。
底层计算机原理：计算机组成原理、底层数值运算、C/C++、嵌入式底层开发（长期感兴趣方向）。

❌ 目前欠缺的能力

工程化规范能力：缺少版本控制 Git（分支、提交、冲突处理）；项目缺少单元测试，没有错误统一处理、日志规范；代码没有分层（控制器、服务层分离），所有逻辑堆在路由函数内。
项目架构能力：不会项目模块化拆分，缺少配置文件管理（密钥硬编码在代码，存在安全风险）；不熟悉项目依赖管理（requirements.txt）。
前端进阶能力：只会原生 JS，不会 Vue/React 框架；没有样式美化、组件封装、状态管理。
软件设计能力：缺少 UML 用例图、时序图、类图绘制；不会做需求分析、系统设计、接口文档编写。
部署能力：仅能本地开发调试，不会将 Web 项目部署到服务器；不熟悉生产环境 WSGI 服务、容器 Docker。
测试能力：没有编写单元测试、接口自动化测试的经验；只会手动网页点击测试。

二、代码量统计与目标

当前累计代码量：约 4000 行
本学期课程结束目标代码量：累计 2000 行。包含：多个小型 Web Demo、配套测试代码、脚本程序，覆盖需求实现 + 简单单元测试。

三、课程期待学习内容与希望收获

最期待学习的知识

软件生命周期完整流程：需求分析、概要设计、详细设计、编码、测试、维护。
软件工程建模工具：UML 图（用例图、时序图、类图），学会用图形描述系统交互。
版本控制 Git：掌握提交、分支、合并，团队协同开发。
软件测试理论与实操：单元测试、集成测试，如何设计测试用例，发现程序缺陷。
项目文档规范：学会撰写项目需求文档、概要设计文档、用户手册。

希望获得的收获

建立工程化思维：不再只追求 “代码跑通就行”，学会规范开发，考虑健壮性、可维护性。
掌握团队协作开发方式，能和他人共同完成一个软件项目。
学会对软件项目进行拆解，把需求转化成可实现的模块与接口。
学会规范地撰写项目报告、设计文档，完成课程项目。

四、AI 生成《软件工程课程学习指南》+ 合理性分析

选用 AI 工具：DeepSeek
给 DeepSeek 提示词：生成一份软件工程课程学习指南，面向大学本科学生，简洁，覆盖学习阶段、重点知识点、练习方案、项目实践建议。

DeepSeek 生成的学习指南

软件工程课程学习指南

一、学习阶段规划

基础理论阶段（第 1-6 周）
重点学习软件生命周期、软件开发模型（瀑布模型、增量模型、敏捷开发）；理解需求工程，学习如何提取用户需求，区分需求的功能性与非功能性需求。
学习任务：阅读教材，完成课后习题；练习简单需求描述案例分析。

软件设计阶段（第 7-10 周）
学习 UML 建模：用例图、时序图、类图；学习模块化、高内聚低耦合的设计思想；学习接口设计。
学习任务：针对小型项目绘制 UML 图；练习模块拆分。

编码与测试阶段（第 11-14 周）
掌握版本控制 Git 基础；学习单元测试、集成测试，设计测试用例；理解软件缺陷。
学习任务：用 Git 管理课程项目，为代码编写单元测试。

项目综合实践阶段（第 15-16 周）
小组合作完成课程大作业，完整走完从需求分析、设计、编码、测试、撰写文档全流程。

二、核心知识点清单

软件开发模型：瀑布、增量、原型、敏捷

需求工程：需求获取、需求规格说明书

UML 建模：用例图、时序图、类图

软件设计原则：高内聚低耦合、模块化

软件测试：测试分类、测试用例、缺陷管理

版本控制 Git 基础

软件项目文档撰写规范

三、配套练习方案

每周课后：整理知识点笔记，完成课后思考题。

每学完一个模块，使用小型 Demo 项目进行实践，将理论落地。

小组项目：2~4 人组队，分工完成课程项目，练习团队协作。

四、项目实践建议

优先选择小型 Web 应用、管理系统作为课程项目；项目不要追求复杂功能，优先保证完整软件工程流程（文档 + 设计 + 代码 + 测试），而不是复杂算法。

指南合理性与个人帮助分析

合理性分析
- ✅ 合理部分：学习阶段划分贴合本科软件工程课程教学进度；知识点清单完全匹配课程核心内容；强调流程完整大于功能复杂，这点非常适合课程大作业，避免学生一味堆砌功能而忽略文档、UML 设计等软件工程核心。推荐小组项目、UML 绘图、Git 实践，和课程考核目标对齐。
- ⚠️ 不足之处：指南没有给出学习难点的应对方案；缺少参考资料推荐；没有区分理论背诵和动手实践的时间分配；没有说明文档撰写的模板参考。
对个人的帮助
- 帮助我建立课程学习的时间线，明确不同阶段学习重点。我之前更关注写代码，这份指南提醒我软件工程的核心是工程流程与文档、设计，而不只是程序实现。
- 项目实践建议正好适配我正在做的 Web AI 图像生成 Demo，可以把这个 Demo 扩展成本课程的课程项目，补充需求文档、UML 图、测试用例，补齐我欠缺的工程化内容。
- 让我清晰看到学习顺序：先理论与需求，再设计建模，然后编码测试，最后项目整合，方便规划本学期学习计划。

后台截图

posted @ 2026-09-11 18:19 乔震宇阅读(2) 评论(0) 收藏举报

刷新页面返回顶部