alpha冲刺
| 这个作业属于哪个课程 | https://edu.cnblogs.com/campus/gdgy/SoftwareEngineering24 |
|---|---|
| 这个作业要求在哪里 | https://edu.cnblogs.com/campus/gdgy/SoftwareEngineering24/homework/15657 |
| 团队名称 | Nova |
| 团队成员-学号 | 钟启睿3124004565 盘嵘3124005526 |
| 这个作业的目标 | alpha冲刺 |
一、冲刺计划（篇冲刺计划）
团队名称：Nova
冲刺周期：2周
- 对之前工作的总结与思考
我们团队在前期完成了“智能美食推荐系统”V1.0版本的开发，实现了以下核心功能：
1用户浏览器定位（含降级为广州默认坐标）
2高德地图周边餐厅搜索（基于经纬度、半径、菜系）
3DeepSeek大模型生成个性化推荐（支持常规、场景、天气三种模式）
4内存缓存（10分钟过期）
5前后端分离部署（本地可运行）
存在问题与改进思路：
问题1：前端定位失败后只使用默认坐标，未让用户手动选择城市。
改进：增加城市下拉选择器，允许用户手动覆盖定位。
问题2：高德API返回的餐厅评分部分为空或字符串，导致显示不统一。
改进：后端统一清洗数据，无评分时默认4.0分并备注“暂无评分”。
问题3：推荐文案有时过于冗长，用户阅读体验不佳。
改进：优化Prompt，限制推荐结果最多3家餐厅，每家附带一句话理由。
问题4：未实现一键导航，用户需复制地址手动打开地图。
改进（列入本次冲刺）：增加“导航”按钮，调起高德地图/百度地图URL Scheme。
- 团队成员任务分配表（本冲刺）
成员 实际承担工作 工作量（小时）
钟启睿 智能体的开发与调试 5小时
盘嵘 智能体的迭代、功能完善 5小时
二、冲刺总结（篇冲刺总结）
团队名称：智食慧选
冲刺总结日期：2026年5月23日
- 冲刺计划实现情况
本次冲刺的目标全部达成：
1增加城市手动选择下拉框，定位失败时用户可自行选择城市（调用高德城市编码）。
2后端对餐厅评分进行了清洗：空值或非数字统一转为4.0，且前端显示“评分：4.0（参考）”。
3优化了DeepSeek的Prompt，推荐结果现在简洁明了，每家餐厅附带一句话亮点。
4实现了“一键导航”功能：每个餐厅旁新增蓝色“导航”按钮，点击后根据用户当前位置自动调起高德地图App（Web端则跳转至高德Web路线规划页面）。
项目亮点：
1完全异步架构，高德和大模型调用不阻塞。
2缓存机制有效减少了API调用成本（命中率约60%）。
3支持三种推荐场景（常规/场景/天气），覆盖用户主要需求。
4一键导航打通了“发现→前往”的闭环，提升用户体验。
当前不足：
1没有用户历史记录，无法实现个性化推荐（计划V2.0引入协同过滤）。
2高德API免费版每日调用上限10000次，并发高时可能超限。
3前端界面适配移动端尚不够精致（计划V2.5使用androidstudio重构）。
- 每位成员的过程体会
钟启睿：
本次冲刺让我深刻体会到异常处理的重要性。浏览器定位可能因为用户拒绝、超时或网络问题失败，之前我们只做了简单的降级到默认坐标，但用户如果不在广州就会感到困惑。增加城市手动选择下拉框后，用户有了自主权，体验明显提升。另外，实现一键导航功能时，我研究了高德地图的URL Scheme，发现Web端和移动端需要分别处理（Web用 https://uri.amap.com/navigation ，移动端用amapuri://route/plan），通过判断User-Agent来返回不同格式的链接，这个过程让我对移动端适配有了更深的理解。与后端同学联调时，我们规范了API返回的餐厅数据格式（统一包含name、address、distance、score、nav_url字段），大大减少了沟通成本。
盘嵘：
这次冲刺我主要完成了数据清洗、导航URL生成接口和Render部署。高德API返回的评分有时是空字符串或“暂无”，导致前端显示异常。我增加了清洗逻辑：如果rating无法转换为浮点数，则默认设为4.0，并添加备注“（参考评分）”。此外，我生成了每个餐厅的导航链接，根据用户当前位置动态拼接经纬度。部署到Render时遇到了两个坑：一是必须指定Python版本（在环境变量中添加PYTHON_VERSION=3.10），二是启动命令中的端口必须使用$PORT而不是固定端口。最终网站稳定运行，团队成员可以通过公网域名随时访问。这次冲刺让我意识到，后端不仅要实现功能，还要考虑数据的健壮性和部署的自动化，为后续迭代打下了基础。
浙公网安备 33010602011771号