第三次软工作业

第三次软工作业｜基于AI多智能体——轻养派个人健康管理助手开发总结

作业所属课程 https://edu.cnblogs.com/campus/gdgy/SoftwareEngineering24
作业要求 https://edu.cnblogs.com/campus/gdgy/SoftwareEngineering24/homework/15655
作业目标 开发基于AI智能体/多智能体的软件系统，完整完成需求分析、架构设计、功能开发、联调测试、验收部署全流程，落地一款面向日常人群的智能健康管理小程序应用
团队名称 SE Quad
团队成员 谢惠敏 饶梦雯 严小颖 阿丽热·阿布来克木
项目文档 https://fcnb9rqcbqj8.feishu.cn/wiki/UBOuwHzVWiN5dVkIJx6cBvMhnjb?from=from_copylink
GitHub仓库 https://github.com/caogaobener/rg4_homework/blob/main/work2/README.md

一、项目前言

本次软件工程课程作业，严格依照课程要求，围绕AI多智能体软件开发主题展开设计与落地。我们全程自主选题、独立架构设计、自主编码开发，打造专属团队项目——轻养派·个人健康管理助手。

项目聚焦当代大学生及普通人群日常健康管理痛点，整合饮食记录、运动监测、步数同步、用药提醒、AI健康咨询、智能日报等核心能力，采用营养师、运动教练、药师三AI智能体路由架构，实现全场景智能化健康服务。全程遵循软件工程迭代开发思想，完成从需求梳理、类图设计、模块拆分、前后端协同开发到性能测试、功能验收的完整流程，最终交付一套可正常演示、运行稳定、功能完善的轻量化微信小程序系统。

二、项目核心定位与特色亮点

核心定位

轻养派是一款一体化智能健康管理小程序，以多AI智能体为核心驱动，围绕饮食、运动、用药三大健康维度，提供记录、监测、提醒、智能分析、个性化建议全链路服务，帮助用户科学管理身体数据，养成健康生活习惯。

专属特色

  1. 三智能体分工架构
    区别于单一AI问答模式，我们定制营养师、运动教练、药师三大专属智能体，通过后端智能路由分发用户问题，回答更专业、场景匹配度更高，解决通用大模型回答宽泛、针对性弱的问题。

  2. 多模态录入能力
    支持拍照识食、语音饮食记录、语音运动打卡等多种录入方式，摆脱手动繁琐输入，结合AI图像识别与语音转文字技术，大幅提升日常记录便捷性。

  3. 生态化数据联动
    深度对接微信生态，实现微信运动步数授权同步、7日步数趋势统计、微信订阅消息推送，包含用药定时提醒、久坐健康提醒、每日健康日报推送，闭环式健康监督。

  4. 工程化结构清晰规范
    完整产出项目类图、思维导图、模块拆分文档，采用面向对象设计思想划分实体类与业务服务层，代码模块化解耦，接口规范化设计，具备良好的可维护性与二次拓展能力。

  5. 量化验收与性能可控
    制定完善的功能验收标准与性能指标，对识别准确率、接口响应时长、提醒准时性、并发能力做明确约束，保障项目上线使用的稳定性与实用性。

三、开发全流程复盘

1. 需求分析与规划

结合本次智能体开发作业要求，我们精准挖掘用户健康管理刚需，明确系统边界与核心业务范围。
整体拆分用户中心、饮食管理、运动管理、用药提醒、AI智能对话、健康报告六大核心模块，梳理实体关系、业务流程、前后端交互逻辑，同步完成类图、思维导图等设计文档，为后期开发奠定标准化基础。

2. 迭代开发计划

迭代版本 开发周期 核心工作内容 交付成果 负责人
V1.0 2026.04 项目选题确定、需求拆解、团队分工、UI主题配色规划、文档搭建 需求说明书、项目初步方案、视觉规范 全体成员
V1.1 2026.04 系统类图设计、数据库表结构设计、后端接口规划、AI智能体方案设计 完整类图、数据表设计、统一接口清单 后端/AI开发
V1.2 2026.04 小程序页面搭建、组件开发、样式统一、微信登录授权调试 全页面基础框架、公共组件、登录功能 前端开发
V2.0 2026.04 饮食&运动核心功能开发、拍照&语音AI能力接入、微信运动对接 核心业务可用版本、AI识别接口调试完成 全体成员
V2.1 2026.04 用药提醒模块开发、定时任务配置、订阅消息推送调试、智能体对话优化 提醒闭环功能、三Agent路由逻辑完善 后端开发
V3.0 2026.04 全模块联调、压力与性能测试、Bug修复、健康日报整合、文档终稿完善 最终可演示成品、完整项目文档、验收报告 全体成员

3. 技术选型

  • 前端：微信小程序原生开发，搭载ECharts实现步数趋势图表，集成拍照、录音、微信授权等原生能力
  • 后端：轻量化服务架构，基于定时任务框架实现周期提醒与数据统计，统一JWT身份鉴权
  • AI核心：自定义专属Prompt构建三大行业智能体，集成图像识别、语音识别、大模型对话能力，实现智能分析与内容生成
  • 消息推送：微信订阅消息API，实现用药提醒、久坐提醒、日报消息主动推送
  • 运行环境：本地+公网部署结合，支持真机小程序扫码访问，满足演示与验收需求

4. 核心功能模块实现

（1）用户模块

实现微信一键登录，完善个人档案管理，支持身高、体重、年龄、健康目标自定义编辑，系统自动实时计算BMI指数，为后续AI健康分析提供基础用户数据。

（2）饮食管理模块

集成拍照识食AI识别、语音饮食录入、手动添加三种记录方式；
搭配饮食日历视图，按日期、餐次分组展示记录，自动统计当日热量、蛋白质、碳水、脂肪累计营养数据；
识别完成后可一键联动营养师AI，获取菜品健康吃法与饮食优化建议。

（3）运动管理模块

支持微信运动步数一键授权解密与数据同步，可视化展示近7日步数变化趋势；
提供手动运动记录、语音运动打卡、运动AI咨询功能；
结合用户体重与运动类型智能估算卡路里消耗，搭配久坐检测定时任务，自动推送久坐提醒，引导健康运动。

（4）用药提醒模块

支持手动添加药品名称、剂量、服用周期，系统通过定时任务精准触发提醒；
对接微信订阅消息实现准时推送通知，用户可一键确认已服药，完整记录用药打卡状态，解决忘服、漏服问题。

（5）多智能体对话模块

采用智能路由机制，自动识别用户问题语义，精准分发至对应智能体：
饮食相关问题→营养师Agent、运动健身问题→运动教练Agent、用药安全问题→药师Agent，实现专业化、场景化智能问答。

（6）AI健康日报模块

每日自动整合用户饮食、运动、用药全维度数据，分别调用三大智能体分项分析，最终整合生成个性化健康日报，包含数据评分、当日亮点、健康改进建议，支持历史日报查阅与消息推送。

5. 开发难点与解决方案

  • 难点1：多智能体语义路由不准确，易出现分发错乱
    解决方案：整理高频关键词库，优化路由判断规则，加固Prompt角色限定，提升分类准确率至90%以上。

  • 难点2：微信加密运动数据解密流程复杂、授权兼容性差
    解决方案：严格遵循微信开放平台解密规范，优化sessionKey缓存逻辑，增加异常捕获与授权重新引导弹窗。

  • 难点3：拍照图片过大、AI识别耗时久，体验卡顿
    解决方案：前端本地压缩图片尺寸与大小，限制上传文件规格，优化后端Base64编解码逻辑，将整体响应时长控制在5秒内。

  • 难点4：定时提醒任务并发冲突、消息推送不稳定
    解决方案：细化定时任务执行粒度，做任务去重处理，增加推送失败重试机制，保障提醒送达率。

四、项目验收成果

经过多轮迭代优化与真机完整测试，本项目完全达到本次智能体开发作业全部验收指标：

  1. 全模块功能闭环可用，微信登录、数据记录、AI咨询、消息提醒、日报生成全部流程顺畅无阻塞。
  2. 多模态AI能力稳定，拍照识食、语音录入、智能问答识别准确率、响应速度均达标。
  3. 数据可视化完善，步数趋势、饮食累计数据、个人健康指标展示清晰直观。
  4. 定时提醒机制运行可靠，用药提醒、久坐提醒触发精准，消息推送稳定。
  5. 项目设计文档完整，类图、业务流程、功能说明、验收标准齐全，代码已统一提交至GitHub仓库。
  6. 系统性能符合要求，接口响应、页面加载、数据库查询各项指标均在规范范围内，支持多人同时访问使用。

五、项目总结与心得体会

项目总结

本次我们以多AI智能体+健康管理为核心方向，独立完成轻养派小程序全栈开发。区别于普通工具类项目，本次最大亮点在于落地了多角色专属智能体架构，将AI能力深度融入业务场景，而非简单的对话功能叠加。

从面向对象类图设计，到模块化功能拆分，再到前后端接口协作、定时任务调度、微信生态能力对接，团队完整实践了软件工程迭代式、规范化的开发模式。项目既满足课程作业对智能体开发的硬性要求，又结合真实生活需求，具备实际使用价值，整体架构合理、拓展性强，充分体现本组项目特色与差异化优势。

心得体会

在本次团队开发过程中，我们深刻意识到前期需求分析与架构设计的重要性，合理的模块划分与实体类设计，能够极大降低后期开发与联调的成本。
同时，AI智能体不再是抽象概念，通过自定义角色Prompt、语义路由、业务数据联动，我们切实掌握了大模型落地小型实际项目的方法。

跨端生态对接、定时任务开发、消息推送配置等实战内容，也弥补了课堂理论学习的不足。小组分工明确、互相配合，及时沟通解决联调bug与第三方接口适配问题，协作能力与问题排查能力得到显著提升。
参考其他优秀团队作业的同时，我们坚持自主创新，打造出贴合健康主题、功能完整、AI特色鲜明的专属项目，圆满完成本次软件工程学习任务。

六、后续优化方向

  1. 丰富饮食数据库，扩充食物营养参数，进一步提升AI拍照识别精准度与估算精度。
  2. 优化运动算法模型，结合身高体重、运动强度，进一步缩小卡路里估算误差。
  3. 新增云端数据同步功能，实现多设备数据互通，完善长期健康数据追踪。
  4. 优化AI日报生成逻辑，增加周/月度汇总报告，提供更长周期健康趋势分析。
  5. 美化UI交互细节，增加更多个性化主题设置，全面提升小程序使用体验。
posted @ 2026-04-26 20:22  阿丽热·阿布来克木  阅读(19)  评论(0)    收藏  举报