Alpha阶段项目复审

Alpha阶段项目复审

一、评审成员

评审人：冯诗萍，吴业鸿
复审人：冯诗萍

二、评审结果

排名	团队名称	优点分析	缺点与 Bug 报告
1	书海拾贝队	用户分析完整，普通用户、卖家、管理员三层角色；功能优先级划分清晰（P0/P1/P2），有利于资源聚焦；核心功能明确（P0级）：用户认证、书籍发布浏览、购物下单；学号认证、ISBN自动识别，贴合校园场景；前后端分离架构，安全考虑全面（加密、HTTPS、SQL/XSS/CSRF防护）	缺点：核心交易闭环的设计尚不完整，与之配套的物流配送体系也处于模糊状态，项目的竞争壁垒不够清晰，未能充分阐述相较于闲鱼、转转等大型平台以及校内微信群交易的差异化优势与生存策略
2	海豹突击队	用户画像精准,两类用户（内容创作者 vs 存储焦虑者）的划分非常清晰且有代表性;需求理解深刻,准确抓住了"分享限制"和"存储空间"这两个真实、高频、刚性的痛点;功能设计合理：单次压缩+批量压缩、不同画质选项、保存+分享路径，覆盖了核心场景；技术方案成熟，选择transcoder库而非自研编解码，决策明智，降低了技术风险，	缺点：市场竞争风险：应用商店已有大量免费/付费的视频压缩应用；差异化不足：核心功能与现有应用高度同质化，压缩时间可能超出用户耐心（特别是批量处理），如果是我，我会将以下功能提升优先级，压缩前后对比和空间节省统计→从P1提升到P0，对"存储空间焦虑者"来说，看到"已节省3.2GB"是巨大的成就感和价值证明而且实现成本极低
3	超能女人	痛点抓取精准，技术选型合理且有创新性，爬虫+LLM的技术路线符合当前技术趋势，采用JSON文件作为轻量级知识库，降低了部署复杂度，采用PERT时间估算公式（T=(O+4M+P)/6），体现专业项目管理，前后端分离（Vue.js + Python）架构清晰	缺点：每个网站都需要定制爬虫和解析规则，维护工作量随网站数量线性增长，未设计配置化爬虫规则，硬编码导致修改成本高。如果是我，我会增加缓存层，对爬取的数据进行版本管理；避免重复爬取；设计插件化爬虫框架；设计数据更新频率控制，避免对校园网站造成访问压力；实现LLM回答验证机制，对比爬取的原文和LLM总结，标记可疑回答
4	真好，又活了一星七	项目精准定位了校园这一垂直场景，并为学生、商家、配送员、管理员四类角色设计了贴合其痛点的使用场景；功能设计直接响应场景需求（如快速筛选、实时跟踪、库存预警），形成了“痛点识别-功能设计-场景验证”的完整闭环，从核心功能、技术链路、特色功能、迭代基础四个维度设定了清晰的发布标准，这是项目成功的关键保障	缺点：“高并发时订单创建接口响应时间增加”是典型瓶颈，在Beta版规划中，应考虑引入消息队列（如RabbitMQ）异步处理订单，并使用Redis缓存热点数据，为分布式部署做准备；缺少统一的参数校验框架（如使用Hibernate Validator），并对所有外部接口进行输入校验、异常处理和日志记录；“模拟支付”和“非智能派单”是核心流程的短板，会影响真实用户体验和数据
5	0x07	缺点：Alpha版废品回收平台已实现三端核心功能闭环，并对已知Bug进行了修复。然而，项目仍存在可验证性不足、对外部依赖及平台政策的风险准备不够充分、深层用户需求挖掘有限等短板。如果是我，我会优先补充公网测试环境以便评审，强化前期对外部支付等关键依赖的调研，并建立代码审查与持续集成机制以保障长期开发质量。
6	花好月圆	能设计专业务实，异常与风险报告，超期追踪、死书清单，这是成熟图书馆系统的标志性功能；多维度检索，支持ISBN、分类号等专业检索字段；权限精细化管理，支持管理员动态调整读者权限	缺点：未提及系统响应时间要求；规划中完全未提及任何风险识别与应对策略，如果是我，我会基于业务核心价值，将功能清单强制排序，确定P0（MVP）功能：很可能仅包括“读者信息管理”、“图书信息检索（基础）”、“借书”、“还书”四个核心模块。目标是在Alpha版本中，让这个闭环流畅、稳定、无严重错误；将“续借”、“预约”、“复杂统计”、“异常报告”等全部划为P1或P2，放入后续迭代
7	VisionPulse 智动团队	分层架构清晰，表示层→应用层→领域层→基础设施层，从“通用视频压缩”转向“工厂安全检测”，痛点识别精准（人工监控疲劳、遗漏），基于组员实际工厂项目的需求，用户场景真实可验证。采用成熟的YOLOv8+TensorRT+流媒体技术栈，符合工业视觉检测标准；支持ONNX/TensorRT双推理模式，兼顾通用性与性能；集成MinIO+RocketMQ，形成完整的告警处理闭环	缺点：算法准确性指标缺失，未提供模型在真实场景下的准确率、召回率、误报率数据，未说明如何处理遮挡、光照变化、角度差异等挑战；如果是我，我会设计容灾和高可用方案，多活推理服务，单个GPU故障时自动切换；视频流备份，主RTSP流失败时切备用流；消息队列重试，RocketMQ消费失败时的重试策略；数据持久化保证，确保告警不丢失
8	开心超人	技术选型采用经过验证的成熟方案，并构建了从单元测试到场景验证的完整质量保障体系，确保了核心功能的高可用性。在开发过程中，对发现的问题实施了从分类到修复的闭环管理，流程规范严格。系统在主流操作系统与现代浏览器环境中均表现出良好的兼容性。同时，系统设计准确地识别并区分了不同角色的核心诉求，其功能组合能有效匹配各类用户的关键使用场景	缺点：文件断点续传与搜索功能延迟修复、移动端功能不全，严重损害用户体验与系统可用性。核心功能虽已实现，但在精细权限管理、文件版本控制等关键“细节”上存在缺失。项目对移动端兼容性风险应对不足。后续应优先修复核心功能体验，加强移动端适配，并补充权限与版本管理。同时，需建立代码审查与持续集成机制，以提升代码质量与开发效率
9	码	测试覆盖较为全面，覆盖了核心业务流程（注册登录→点餐→支付→评价），区分了用户和员工两个角色场景，符合实际使用情况；出口条件明确，定义了具体的发布标准（无阻塞性Bug、数据稳定、性能可接受）	缺点：架构设计失误，支付流程有问题需求优先级错位，投入资源开发“员工功能模块”的同时，忽略了核心支付流程的完整性；如果是我，我会转向Web+移动端混合架构，且提供内网穿透方案，对于支付流程，我会考虑用状态机实现支付状态的转变，提高该系统的并发性能，且考虑集成第三方支付的sdk
10	RockStar Code Studio	项目精准定位“手机端大视频快速分享难、压缩耗时发热”的痛点，功能设计（断点恢复、后台压缩、速度调节）直击用户需求；采用原生编解码（MediaCodec/VideoToolbox）提升性能，宣称节省40%时间/功耗，符合移动端优化方向；全程本地处理、无上传，符合当前用户对数据安全的敏感需求	缺点：缺乏量化效果证据，未提供压缩率、画质损失率、速度提升的具体测试数据；性能边界模糊，未说明在低端设备或极端情况（如4K视频）下的稳定性；未识别技术风险（如不同机型编解码兼容性）及应对策略；如果是我，我会制定兼容性测试矩阵，覆盖低端机型与高负载场景，设计A/B测试验证“动态速度模式”的用户偏好
11	MANBA	功能丰富，系统完整：项目远不止于打飞机，它构建了一个包含商店与经济系统、战机与道具系统、完整的设置与数据管理的小型游戏生态,这体现了很强的系统设计能力；问题定位准确，黑盒测试发现的8个问题，覆盖了操作体验（无法长按射击）、界面UI（文本溢出、界面不完整）、核心逻辑（自动攻击状态异常、排行榜去重）和数据持久化（音量保存）等关键方面，没有停留在表面	缺点：当前测试集中于功能正确性（“能不能用”），对性能、压力、兼容性的测试不足；“游戏难度偏大，第三架飞机数值高”被标记为设计缺陷但未调整。这可能是Alpha版的最大风险点，直接影响可玩性；如果是我，我会建立数值平衡表，明确每架战机、每种敌人、每个道具的关键数值（血量、伤害、速度、奖励金币），并测算其数学关系，确保成长曲线平滑。
12	接着奏乐接着5	功能设计克制且合理，简主义原则贯穿始终：商品卡片只展示核心信息、分类筛选仅保留核心维度、评价无需打分，流程精简：支付流程≤3步、商家上架≤3步、购物流程≤5步，实用性优先：不追求大而全，专注核心购物闭环	缺点：风险管理方面，项目规划中尚未系统性地识别关键技术风险与执行风险，也缺乏相应的预案设计，这可能导致项目在遇到技术瓶颈或进度延误时应对不足。如果是我，我会重新梳理并明确项目的核心定位与目标用户的确切痛点，将开发重点聚焦于最小可行产品的核心功能闭环，确保有限资源产生最大价值。其次，系统性地补充代码文档、API接口说明及自动化构建部署脚本
13	三剑客	核心业务流程完整，角色权限清晰，且已成功部署为可对外服务的Web应用;测试覆盖全面，56条用例100%通过，并且测试矩阵覆盖了硬件、OS、浏览器、网络等多个维度，确保了系统的兼容性;出口条件明确，以核心功能、权限安全、部署成功为衡量标准，目标清晰	缺点：架构与性能风险极高，-Xmx1g的JVM设置对Java应用偏小，且“数天后可能宕机”是严重的生产事故隐患，暗示存在内存泄漏或资源未释放问题；Redis课程浏览量作为核心排序依据，但“异常处理不足”。若Redis宕机或数据丢失，将直接影响首页核心功能；前端按钮可见性“未实时关联角色权限表”是一个权限控制漏洞。攻击者可能通过直接调用接口（如Postman）越权操作
14	睡了吗	这个项目展示了 程序的质量与 软件工程的质的优秀结合。，功能设计直击学生“高效获取知识、理解关联、找到资源”的痛点；提供的测试用例兼具正向功能和逻辑判断；将功能清晰地划分为“重要且紧急”、“重要不紧急”等类别，用科学的方法进行取舍，确保团队始终聚焦在创造核心价值的功能上	缺点：图谱节点过载，知识点过多时可视化混乱，性能下降；冷启动慢：大模型加载、知识库初始化耗时过长；并发瓶颈：多个用户同时使用可能导致响应时间激增； 推荐僵化：基于简单标签匹配，无个性化学习路径推荐。文档质量优、程序可维护与扩展。我会将"界面美化" 的重要性降低，因为目标用户（考前学生）更关注功能而非美观以及资源应投入核心算法优化，整体而看，项目流着ai的血液