LCH软件工程第一次作业
| 这个作业的目标 | 注册GitHub与博客园账号，完成实名制并加入班级博客 | 搭建GitHub个人自述主页 | 基于HuggingFace调用Flux模型，开发带前端交互的文生图网页（这一部分由于我未能成功登上网站，于是先调用了国内API，后续博文里有具体说明） | 梳理个人技能树，熟悉博客园作业提交流程，体验AI模型API开发流程 |
| 学号 | 102402105 |
以下为需要提交的任务与我的个人心得：
1. HuggingFace Flux模型API调用与前端交互（这里被我替换成了阿里云百炼）
1.1 操作步骤
-
- 打开阿里云百炼 DashScope 控制台 https://dashscope.console.aliyun.com/，创建并保存 API-KEY，开通通义万相模型调用权限
- 使用 Python Flask 搭建 Web 后端，通过 requests 库调用图像生成 API，传入正向、反向提示词
- 编写前端表单页面，支持输入提示词，点击按钮提交请求，后端调用模型生成图片并将图片返回前端展示
- 迭代调整提示词，观察图片生成效果，记录提示词修改前后的图像差异
- 测试项目，保存 API 调用日志、网页生成截图；代码上传 GitHub 前移除明文密钥，保护 API 密钥安全
1.2 设计思路
目标：生成贴近真实世界的写实照片
-
关键代码：
1.提交绘图任务 + 循环轮询等待图片生成完成，最后返回图片网络地址
![代码1]()
2.Flask 路由函数，负责处理网页的 GET/POST 请求，实现前后端交互
![代码2]()
-
提示词：
1.正向提示词：写实照片，8K，自然光，景深，真实皮肤质感
，高清相机拍摄
2.负面提示词：畸形，模糊，低分辨率，卡通，手绘，扭曲，多余肢体
![图片1]()
-
生成的照片：
![图片2]()
1.3 API调用体验与心得
1.本次实验使用阿里云百炼通义万相完成 AI 图像生成开发
2.完整走完了 前端输入 → 后端接收参数 → 调用云端 AI 模型 → 异步轮询结 果 → 前端展示图片 的完整 Web 开发流程
3.我深刻体会到提示词工程的重要性，简短模糊的描述无法生成高质量图片，需要精细化、结构化的描述才能控制 AI 画面效果。同时也掌握了大模型 API 的基础调用方式，理解了密钥安全、异步任务、前后端交互的基本原理
4.不足之处是 AI 生成存在几秒延迟，免费额度有限，且需要严格保护个人密钥，不能公开泄露
2. GitHub个人主页搭建
选择创建同名仓库README自述文件方案，仓库名称LCH102402105
主页图片如下：
3. 个人技能树梳理与自我评估
- 编程能力：熟练Python，C语言基础，代码调试能力尚可，但代码工程规范有待提升
- 数据分析与机器学习：可以使用sklearn完成基础数据集可视化、KNN简单模型，对算法理解停留在应用层面
- Web开发：掌握Flask后端开发，前端仅会基础HTML，JS、CSS薄弱
- 版本控制：掌握基础Git、GitHub上传、提交操作
欠缺：系统架构、软件测试、项目工程化、前端开发
代码量
目前累计代码量约1500行。
课程结束期望代码量达到4000行，通过课程作业、课外小项目积累代码
课程期待
最期待学习：需求分析、软件项目开发流程、项目工程化、软件测试，学会团队协作开发项目
希望收获：掌握软件工程思想，学会规范开发项目，提升工程实践能力，学会使用版本管理工具完成项目迭代
4. AI生成软件工程学习指南及分析
使用AI工具：DeepSeek
AI生成的软件工程课程学习指南
以下为AI生成内容
软件工程课程学习指南
- 基础概念阶段：理解软件生命周期、瀑布模型、敏捷开发，区分各类开发模型适用场景，做好笔记。
- 需求工程：学习需求获取、需求分析、需求规格说明书编写，练习用例图、用户故事。
- 软件设计：学习概要设计、详细设计，掌握UML类图、时序图等建模工具。
- 编码实现：学习代码规范、版本控制Git，练习小型项目开发，注重代码可读性。
- 软件测试：学习单元测试、集成测试、黑盒白盒测试，掌握基础测试用例编写。
- 项目管理：学习项目估算、风险管理、团队协作。
- 实践：以小型项目为载体，完整走一遍从需求到发布的完整流程。
指南合理性分析
优点：划分了学习阶段，理论+实践结合，覆盖考试重点和工程实践内容，知识由浅入深，有助于逐步深入的学习
不足：比较笼统，只是一个用于学习的大纲，缺少结合个人特色与优缺点，后续需要根据自己的真实情况按需调整学习方案
帮助：可以作为课程学习大纲，用来规划每周学习内容，梳理知识框架
浙公网安备 33010602011771号