软件工程第一次作业随笔
一、技能树梳理与技术偏好
1.1 已具备的专业知识与能力
-
能力 A —— C / C++ 语言基础
掌握基本语法、指针、结构体、类与对象、面向对象思想，能独立编写百行级算法与工具程序。C 与 C++ 是我目前最顺手、练习最多的语言。 -
能力 B —— 数据结构与算法应用
熟悉常见数据结构（链表、树、图）与基础算法思想。曾利用 AI 辅助从零实现了 Van Ginneken 布线树缓冲器插入优化算法（一种经典的动态规划算法，用于数字电路物理设计），完成了从论文理解、代码实现到结果验证的完整闭环。 -
能力 C —— 静态时序分析（STA）初步知识
学习了静态时序分析方向的入门知识，理解时序约束、关键路径、延迟等基本概念，能看懂基础的时序分析流程，为转向 EDA 方向打了一点地基。
1.2 感兴趣的技术方向
- EDA（电子设计自动化）与数字 IC 后端：最感兴趣。C/C++ 与 STA 知识在这里有直接用武之地，也是我考研拟深造的方向；
1.3 还欠缺的能力（自我审视）
- 工程化能力薄弱：没有写过测试用例，没有使用过 CI/CD、代码审查流程，代码的"可维护性"意识不足；
- 软件架构与设计模式欠缺：只会"照功能写代码"，不会"按架构设计软件"，面对复杂需求拆解能力弱；
- 团队协作经验为零：没参与过多人协作开发，不熟悉 git 分支合并、merge 冲突解决、Code Review；
- 技术面偏窄：前端只会原生三件套与 Flask 皮毛，没掌握开源生态里常用的框架；操作系统、计算机网络等计算机基础仍较薄弱；
- 算法深度不足：仅停留在"能看懂、能实现"，远未达到竞赛水平，复杂工程优化能力有限。
坦率地说："会什么"我可以说出一串，"不会什么"更是我心里很有数的一串。 正是因为知道自己缺的不是"会不会敲代码"，而是"怎么把代码变成可靠软件"，我才对软件工程这门课格外期待。
二、代码量现状与学期目标
截至目前
- Van Ginneken 布线树缓冲器插入工具（C++）：约 730 行（
algorithm / tree / solution / main四模块）； - Hugging Face 图像生成网页应用（Python + JS + CSS + HTML）：约 675 行；
- 若干 C/C++ 课程练习与学习笔记代码：约 150 行。
合计约 1500 行。这些代码基本都由我一个人、以"单文件或小项目"的方式写成，结构简单，没有测试。
期望目标
- 本学期结束后希望达到 5000 行左右，并以"完整、规范、可测试"为前提，而不是堆代码；
- 形式上希望覆盖 2–3 个完整项目：一个带前后端的完整 Web 应用、一个可测试的算法工具库、一个团队协作项目（多人共同维护、走 git 分支与 Code Review）；
- 每份代码包含单元测试与 README 文档，把"会跑"提升到"能用、好看、耐得住别人改"。
三、本课程最期待学习的知识与希望收获
最期待的知识
- 从"需求"到"设计"的方法：如何把一句模糊的用户需求，拆解成清晰的功能模块与数据流——这正中我的短板；
- 测试与质量保障：单元测试、集成测试怎么做，如何让代码"可被验证"，而不是"试试能跑"；
- 团队协作开发流程：git 分支模型、Code Review、项目管理（敏捷/迭代），真正体验"一群人写一个系统"；
- 软件生命周期与维护：程序写完只是开始，如何设计得便于扩展、便于他人接管。
希望获得的收获
- 建立起完整的工程观——从"我会写代码"升级为"我能做软件"；
- 完成至少一个多人协作并带测试的课程项目，作为作品放进简历与 GitHub 个人主页；
- 让软件工程的规范（文档、测试、协作）内化成习惯，为考研复试与后续科研/就业做好铺垫。
四、AI 生成的学习指南与合理性分析
4.1 AI 生成的学习指南
《软件工程课程学习指南》（AI 生成 · 简要版）
- 摆正定位：软件工程的重点不是"编程语言"，而是"制造的纪律"——需求、设计、测试、维护、协作。写代码只占整个工程的一小部分。
- 学习主线：按"需求分析 → 概要/详细设计 → 编码 → 测试 → 发布与维护"的生命周期走，任何知识点都放到这条主线里理解。
- 三大核心实践：
- 版本控制：熟练使用 git，精通分支、合并、Rebase，习惯小步提交、清晰 commit message；
- 测试：掌握单元测试与 TDD 思想，学会写"先失败再通过"的测试，用测试保障重构；
- 文档：养成写 README / 接口文档 / 设计文档的习惯，把"想法外化"。
- 必做项目：独立完成一个"需求明确的完整应用" + 参加一次"小组协作开发"，对照生命周期各阶段交付物自检。
- 每周自检：花 30 分钟复盘本周产出——是否提交了代码、是否写了测试、是否有设计决策记录。
- 善用 AI 但不依赖：让 AI 当"结对编程同伴"（解释、查错、Review），但最终要能自己解释每一行代码。
4.2 合理性分析
合理的部分：
- 定位准确：把软件工程定义成"制造的纪律"而非"写代码"，点出了我和多数初学者最容易误解的地方，与我在 1.3 的自我评估完全对上；
- 按生命周期组织知识：用"需求→设计→编码→测试→维护"一条主线串起全部知识点，逻辑清晰、便于学习时定位；
- 实践向、可执行：把抽象原则落成"小步提交、先写测试、每周复盘"这类具体动作，而不是空洞的口号——这份指南对"知道该怎么开始"帮助很大；
- "善用 AI 但不依赖"：恰好呼应我 1.1 的"能力 F"，提示我 AI 是辅助而非替代。
不足的部分：
- 缺少量化与考核导向：没有给出时间安排与阶段验收标准（比如"第三周前完成 git 通关、第五周产出第一个测试案例"），容易让人泛泛而听；
- 未涉及团队冲突与项目管理细节：对"多人协作如何分工、评审标准怎么定"这类具体痛点着墨太少；
- 没区分课程重点：对"本课要考什么、老师重点讲什么"没有任何针对性，只能作为通用框架使用。
能否带来帮助：
能。它最大的价值是给了我一张可执行的行动清单与一条主线，把"软件工程"这座大山的攀登路线画了出来；同时它也让我更清醒：指南是地图，路还得自己走。我会结合自身情况把它改造成"半个月一个里程碑"的版本——先补 git 与测试，再用一个小组项目把"需求→设计→协作→测试"完整走一遍，让 AI 生成的框架真正落到我的代码量目标和考研规划里。
结语
感谢教师与助教阅读这份"诚实清单"。此刻的我，会的东西不多，但知道自己不会什么、想学什么、要走到哪——这本身，就是这门课最好的起点。
浙公网安备 33010602011771号