总结

惊奇与进化：AI风口上的“美食推荐官”——2026春软工实践团队总结
团队与项目概况
• 项目名称：美食推荐官系统 (Food Advisor)
访问小提示：由于云端冷启动以及网络环境差异，如果您在点击进入时遇到加载缓慢或无法打开的情况，请拷贝上方网址并重新在浏览器中打开和刷新即可正常访问。
• 项目最终实际运行链接：https://foodadvisor2-264731-7-1438933926.sh.run.tcloudbase.com/
• 项目最终 GitHub 仓库链接：https://github.com/dave66688/software-engeneering

• 部署方式与说明：本系统采用 腾讯云托管（CloudBase） 进行全栈部署与上线。
访问小提示：由于云端冷启动以及网络环境差异，如果您在点击进入时遇到加载缓慢或无法打开的情况，请拷贝上方网址并重新在浏览器中打开和刷新即可正常访问。

成员一钟启睿学期回顾
一、学期回顾
1.1 回顾你对于软件工程课程的想象
在课程开始之初，得知这门课的主题是“学习AI时代的软件开发”，我心中充满了惊奇。在此之前，我以为软件工程是一门纯靠手工堆砌代码、通宵熬夜盲目 debug 的硬核苦差事。
然而，经历了这学期的实践，我发现 AI 时代的软件开发已经发生了翻式转变——我们不再只是“代码的搬运工”，而是变成了“架构的设计者”与“AI的指挥官”。
• 达到的期待与目标：我成功借助各类 AI 生产力工具，在极短的时间内从零构建并不断完善了“美食推荐官”系统。通过 Prompt 工程引导 AI 生成高质量代码，我学会了如何从宏观上把控系统架构和原型设计。
• 存在的不足与原因：在开发初期，有时过于依赖 AI 的直接输出，导致在一些底层逻辑出现边缘 Case（极端情况）时，定位问题不够敏锐。这说明即使在 AI 时代，扎实掌握计算机基础理论和核心业务逻辑依然是重中之重。
1.2 回顾你在这门课程中的投入与产出
• 在软工实践课程中，我作为原型设计与开发负责人，累计编写与调整了 500+行 核心业务代码。
• 我参与了 美食推荐官系统 的全程设计与开发，在其中主要承担原型设计、核心功能开发以及 AI 协同提示词工程的角色。
• 软工实践每次作业我所花费的时间统计：
作业/项目阶段 花费时间
第一次团队作业 2 小时
第二次团队作业 2 小时
第一次团队项目作业 (需求分析与原型设计) 3 小时
第二次团队项目作业 (Alpha冲刺准备) 4 小时
第三次团队项目作业 (核心功能开发与AI协同) 4 小时
第四次团队项目作业 (Beta完善与云端部署) 5 小时
总计花费时间 20 小时
1.3 令你印象最深刻的是哪一次作业或哪一场答辩？为什么？
令我印象最深刻的毫无疑问是 Alpha冲刺答辩。那是一场真正检验我们“AI时代开发效率”的试金石。在答辩现场，面对评测组同学犀利的提问以及 flowet 老师深刻、专业的点评，我既紧张又感到无比兴奋。
看着我们利用 AI 工具在短时间内高保真还原并上线的“美食推荐官”系统在屏幕上流畅运行，那种“轻舟已过万重山”的成就感油然而生。这次答辩让我深刻体会到，一个优秀的软工项目不仅要能跑通，更要能经受得住用户和评审的审视。
二、总结收获
2.1 展开说说你的软工实践故事
我们的“美食推荐官”系统旨在利用 AI 能力为用户提供精准、智能的个性化餐厅与菜品推荐。在开发过程中，最精彩的部分莫过于人机协同编程。
在设计之初，我通过 AI 工具快速输出了几套交互原型，并与队友盘嵘反复讨论确认。在编码阶段，当遇到复杂的推荐过滤逻辑时，我负责拆解模块，向 AI 输入精准的业务上下文与约束条件。有一次在对接腾讯云托管的数据库接口时，代码出现了异步时序问题导致页面白屏。我和盘嵘没有盲目重试，而是由他负责捕获异常日志，我负责将报错信息重新喂给 AI 进行多轮对话调优，最终完美解决了 Bug。这种敏捷模式让我们爆发出远超 2 人团队的战斗力。
2.2 介绍学习到的新技术或生产力工具以及它们给你带来了哪方面的帮助？
• AI 辅助开发工具（如 ChatGPT / Claude）：作为我的“首席代码副驾驶”，帮助我快速生成前端 UI 组件和后端接口框架，将脑海中的想法秒变现实。

2.3 技术之外，这门课程还给你带来了哪些方面的提升？
• Prompt 工程与抽象思维：学会了如何清晰、严谨地向 AI 表达业务逻辑，本质上锻炼了我的业务拆解和架构规划能力。
• 敏捷沟通与协作：虽然我们是一个 2 人小团队，但职责明确、高度信任，高效的同步让我们少走了很多弯路。

成员二盘嵘学期回顾
一、学期回顾
1.1 回顾对于软件工程课程的想象
本学期“AI时代的软件开发”这一主题彻底颠覆了我对软件测试与优化的传统认知。我原本以为测试就是枯燥地手动点点点。但通过这门课，我发现利用 AI 工具，我们可以进行更加智能的边界值探索和自动化功能改进。
1.2 回顾投入与产出
• 在软工实践课程中，我作为测试与功能改进负责人，累计编写与重构了 500+行 测试脚本与优化代码。
• 全权参与了 美食推荐官系统 的全面质量保障与功能调优工作。
• 时间投入：与团队步调完全一致，累计投入 20 小时，高效完成了各阶段的测试、Bug 追踪与代码改进任务。
1.3 令你印象最深刻的是哪一次作业或哪一场答辩？
同样是 Alpha冲刺答辩。在答辩前夕，为了确保系统在现场演示时的绝对稳定，我对 AI 生成的各类长尾场景进行了密集的“极端输入测试”，并针对腾讯云托管的首次加载特性进行了专门的性能调优。当看到我们的系统在答辩中完美呈现时，所有的汗水都化作了强烈的成就感。
二、总结收获
• 新技术收获：学会了利用 AI 自动生成测试用例，并深入掌握了基于腾讯云托管环境下的应用性能监控与日志异常分析。
• 技术之外的提升：极大提升了“找茬（发现Bug）”和“破局（改进功能）”的全局观，学会了从用户体验的角度逆向驱动产品迭代。

三、致谢（团队共同心声）
一个学期跨越三个月的时间线转瞬即逝，我们这个 2 人小团队并肩作战，终于迎来了属于我们的“轻舟已过万重山”。
• 我要特别感谢我的队友盘嵘：正是他极其认真、严谨的测试与功能改进，帮我兜住了开发过程中的各种潜在风险。每当腾讯云部署遇到网络波动或加载缓慢时，他总是耐心地进行前端性能调优，是团队当之无愧的硬核大后方。
• 由衷感谢张老师：是您精心设计的“AI时代软件开发”课程大纲，让我们能够站在技术的潮头，用最新的生产力工具去触碰软件工程的本质，满载而归！