第一次作业

这个作业属于哪个课程 https://edu.cnblogs.com/campus/fzu/202601SofwareEngineering
这个作业要求在哪里 https://edu.cnblogs.com/campus/fzu/202601SofwareEngineering/homework/15712
这个作业的目标 通过调用 Hugging Face API 并结合前端实现 AI 图像生成，掌握 API 调用和前后端交互方法；完成 GitHub 个人主页建设，梳理自己的技能、兴趣与未来规划；学习使用 Markdown 撰写博客作业，并通过自我评估明确后续学习方向。
学号 102401234

准备工作

  • github账号：https://github.com/cht-hyp

  • 博客园账号：已申请通过账号 JFanH

  • 已关注吴越钟、张明圣、王奇蕊的博客，加入博客园班级（202601 软件工程）

1. huggingface-API的调用

注册账号并创建 Token

  • 正常创建账号后，点击右上角头像，进入设置界面，随后 create new token 创建一个api，预设可以选 Full Access，创建一个api，把api_key记下。

image

  • 之后我们可以直接到模型页面

image

该界面的“View Code Snippets”可以看到调用API的代码

{013D57D7-03EF-4DE1-A315-03116BC46ED8}

模型的调用

Python Flask 后端接收网页提交的提示词，通过 Hugging Face 官方 huggingface_hub SDK 的 InferenceClient 调用模型，并指定 fal-ai 作为推理提供商。Token 在后端先行配置，不通过网页传递。
调用成功后，后端将图片保存为 PNG 文件，并返回图片访问地址，供浏览器预览和下载。同时保存 JSON 文件，记录提示词、模型、生成时间及耗时，并在终端输出调用成功日志。调用失败时，网页显示相应的错误提示。

启动方式：

点击查看代码 
cd 'D:\SE homework\homework1'
.\.venv314\Scripts\python.exe -X utf8 app.py

将API调用接入前端：前端提供提示词输入框和生成按钮。点击按钮后，网页向 Python 后端的 /api/generate 接口发送 POST 请求。后端调用模型并保存图片，将图片地址返回前端，网页随后显示图片并提供下载功能。

点击查看代码 
const response = await fetch('/api/generate', {
  method: 'POST',
  headers: {'Content-Type': 'application/json'},
  body: JSON.stringify({prompt})
});

const data = await response.json();

启动后，在浏览器访问 http://127.0.0.1:5000 ，输入提示词并点击“生成图片”。

写提示词

初次输入详细中文提示词，让AI润色了一下，结果和预期大相径庭，

image

考虑到模型对中文理解可能存在偏差，也可能是提示词过长的原因，更换提示词后，输出结果就较理想了

7a14b63ae91e6382a02c02de3413b361
image

API调用成功的记录：

{6ABD68FC-1A36-4E6F-A11D-7D97EDE39B19}

2. Github个人主页搭建

我的github主页https://github.com/cht-hyp/cht-hyp

{5838FE99-26D3-4603-8539-8F02BFFBB4A8}

{2B4CE7AF-9B93-49E5-B436-C3E47EE872F4}

3. 博客园随笔

随笔已发布至https://www.cnblogs.com/JFanH/p/22848247

{03E285F5-DA32-4609-9783-D1442C0650F5}

点击展开随笔

# 当前技能树与能力评估

一、已具备的专业知识与能力

  • 经典算法与数据结构

    • 掌握数组、链表、队列、栈、树、图等核心数据结构，能完成简单算法实现。
    • 定位：足以应对笔试基础题，但在复杂场景（如高级动态规划、图论优化）中缺乏实战训练。

  • 计算机网络基础

    • 熟悉 OSI 七层模型、TCP/UDP 协议、IP 寻址、HTTP 协议基本流程。
    • 定位：具备网络通信的概念框架，但不具备网络编程（如 Socket、HTTPS 抓包、WebSocket）实操能力。

  • 传统机器学习与模式识别

    • 掌握监督学习（感知机、SVM、Fisher 判别、贝叶斯生成式模型）和无监督学习（K-Means）理论。
    • 理解决策论中的最小错误率与最小风险权衡。
    • 定位：对传统 ML 算法有较深数学理解，但缺乏深度学习的实战经验（CNN、RNN、Transformer 等现代架构仅停留在"简单神经网络"认知层面）。

  • 人工智能与最优化算法

    • 了解模拟退火、蚁群、蜂群、遗传算法及基础数学优化方法。
    • 定位：偏向认知层面，未在实际项目中应用过这些启发式算法。

  • 基础编程与实验环境

    • Python 略知一二，C/C++ 能写基础算法。
    • 熟悉 VS Code、Git（基础 add/commit/push）
    • 定位：具备实验环境搭建能力，但工程化程度低（未接触过单元测试、CI/CD、项目结构规范）。

二、感兴趣的技术方向

  • 方向一：前后端开发 —— 想将 AI 模型落地为 Web 应用，但对全栈开发目前一窍不通。
  • 方向二：AI 工程化落地 —— 未来希望将所学知识变现，需要具备从"模型"到"产品"的工程链路能力。

三、尚欠缺的能力

  • 现代深度学习实战经验

    • 只会一些基础神经网络原理，未系统学习 CNN、Transformer、生成模型（GAN/扩散模型）的代码实现与调参。

  • 前后端工程开发基本为零

    • 不懂前端（HTML/CSS/JS/框架），不懂后端（数据库、API 设计、服务器部署），不懂系统设计。

  • 过度依赖 AI 辅助编码

    • 缺乏独立调试、架构设计和代码审查能力。容易陷入"能跑就行"的陷阱，缺乏对代码质量、可维护性的追求。

  • 软件工程规范缺失

    • 不太懂 Git 分支管理、代码风格规范、模块化设计、异常处理与日志系统。

截至目前的代码量与希望达到的代码量

  • 目前约1.1w行，算上vibe coding的有4.4w行

  • 希望达到的代码量约6w行

最期待学习的知识

  • 关于前后端一些架构的知识，以及落地到实践的方法

DeepSeek给的软件工程课程学习指南（以下）

结合你"想学前后端"和"想做 CV 项目落地"的目标，我为你规划了一条从"实验型代码"转向"工程型项目"的学习路径。建议按顺序推进，不要跳过基础。

阶段一：工程素养补全（用时 2~3 周，同步进行）

这一阶段不涉及框架，只解决"代码写得太随意"的问题。

学习目标 具体内容 最低完成标准
Git 协作与规范 学习 Git Flow（分支、PR、commit 规范） 在 CV 项目中创建 dev 分支，完成一次合并
Python 工程化 学习 requirements.txt、虚拟环境（venv/conda）、项目目录规范（src/config/utils 分层） 重组你 CV 项目的文件夹结构
代码调试技巧 学习使用 pdb 打断点、logging 模块替代 print 在 Chatbot 项目里加入日志输出

阶段二：后端开发入门（用时 1~2 个月，建议优先）

因为你要做"前端交互生成图像"的作业，后端是连接模型与前端的桥梁，必须最先攻克。

学习目标 具体内容 推荐资源 / 实践
Web 框架（Flask / FastAPI） 学习路由、请求体、返回值，重点是写 API 接口 把你 Hugging Face 的生成函数，封装成 POST /generate 接口
数据库基础 学习 MySQL 或 SQLite 的 CRUD，了解 ORM（SQLAlchemy） 给你的图生图应用加一个"历史记录"保存功能
异步编程概念 了解 async/await，解决模型加载耗时阻塞的问题 尝试用 FastAPI 的异步接口部署模型

关键检验：能通过 Postman/浏览器访问你本地的 API，成功返回一张图片，且后端有日志记录。

阶段三：前端基础与交互（用时 1 个月）

目标不是成为 UI 设计师，而是能看懂前端代码、能调通接口。

学习目标 具体内容 最低完成标准
HTML / CSS 基础 学会布局（Flex/Grid）、样式调整 写一个干净的文本框 + 按钮 + 图片展示区
JavaScript 核心（ES6） 掌握 fetch 请求、async/await、DOM 操作 用 fetch 调用你自己的后端 API
简易前端框架（Vue 或 React 选其一） 只学组件化与 axios 请求库 用 Vue/React 重构之前的交互页面

关联作业：你之前的"前端接口交互生成"作业，完全可以使用这个阶段的技术栈完成。

阶段四：系统部署与容器化（用时 2 周）

为了让同学/老师能在线访问你的作业，你需要学习部署。

学习目标 具体内容 最低完成标准
Docker 基础 写 Dockerfile，将项目打包成镜像 让你的 Flux 图像生成应用能在 Docker 容器里跑起来
云服务器基础 了解 Linux 基本命令、nohup / screen 后台运行 将服务部署到云服务器（如阿里云/腾讯云轻量服务器），生成公网链接

特别建议（针对"依赖 AI"的问题）

  1. 禁用 Copilot/Cursor 三天：尝试独立写一个简单的 CRUD 接口（比如图书管理系统后端），遇事先查官方文档（MDN、FastAPI 文档），不要复制粘贴。
  2. 读优秀源码：去 GitHub 找一个小型 Star 数高的 Python Web 项目，读它的 app/ 目录结构，模仿它的分层思想。
  3. 考研与工程的平衡：考研是长期目标（三年），软件工程是中期技能。建议每天拿出 1.5 小时雷打不动地写工程代码，把学到的数据结构和网络知识在代码中落地（比如用 Socket 写一个简单的聊天室）。

DS给建议的学习路线由易到难，但是最难的是看我能否沉下心来好好动手去做。如果执行到位，应该或多或少都对我有点帮助。

posted @ 2026-09-05 14:14  JFanH  阅读(33)  评论(0)    收藏  举报