作业
软件工程 https://edu.cnblogs.com/campus/fzu/202601SofwareEngineering/join?id=CfDJ8Ow5-In01nBEvFwaadRGjqH6-l7-Yw52SEssRis1tSY93RHdhZabekRIapaAe-n
博客园 <2026秋软件工程个人作业（第一次）>
这个作业的目标 完成 Hugging Face API 调用 Flux 模型并结合前端实现交互图像生成；搭建 GitHub 个人主页；撰写博客随笔梳理个人技能树，借助 AI 生成软件工程学习指南并分析
学号 <102401404>

作业随笔：HuggingFace API 调用 + GitHub 个人主页 + 软件工程个人总结

一、Hugging Face API 调用：XLabs-AI/flux-RealismLora 图像生成

1. 操作步骤

  1. 访问 huggingface.co，注册个人账号，进入个人设置页面创建 API Token（权限选择 Read），保存密钥，妥善保管不公开。

  2. 打开模型页面 XLabs-AI/flux-RealismLora，阅读模型说明与推理文档，确认调用方式。

  3. 编写 Python 后端代码，使用 huggingface_hub 库的 InferenceClient 调用模型，传入提示词、负面提示词与图像尺寸参数，生成写实图片。

  4. 编写前端 HTML 页面，提供提示词输入框、生成按钮与图片展示区域；前端向后端发送请求，后端调用模型接口，实现交互式图像生成。

  5. 运行项目，填写提示词点击生成，保存 API 调用成功日志截图、前端页面最终生成图像截图。

2. Python 后端调用代码

from huggingface\_hub import InferenceClient

\# 替换为你的HF Token

client = InferenceClient(token="<你的HF\_TOKEN>")

model\_id = "XLabs-AI/flux-RealismLora"

prompt = "<填写你的提示词>"

negative\_prompt = "<填写负面提示词>"

image = client.text\_to\_image(

&#x20;   prompt,

&#x20;   model=model\_id,

&#x20;   negative\_prompt=negative\_prompt,

&#x20;   width=1024,

&#x20;   height=1024

)

image.save("result.png")

print("图片生成成功，已保存为 result.png")

3. 前端交互页面 index.html

\<!DOCTYPE html>

\<html lang="zh-CN">

\<head>

&#x20;   \<meta charset="UTF-8">

&#x20;   \<title>Flux写实图像生成器\</title>

\</head>

\<body>

&#x20;   \<h3>Flux RealismLora 写实图像生成器\</h3>

&#x20;   \<textarea id="prompt" rows="4" cols="60" placeholder="输入提示词，描述你想生成的写实画面">\</textarea>\<br>

&#x20;   \<button onclick="generateImg()">生成图片\</button>

&#x20;   \<div>

&#x20;       \<h4>生成结果：\</h4>

&#x20;       \<img id="resultImg" width="600"/>

&#x20;   \</div>

\<script>

async function generateImg(){

&#x20;   const prompt = document.getElementById("prompt").value;

&#x20;   const res = await fetch("/generate",{

&#x20;       method:"POST",

&#x20;       headers:{"Content-Type":"application/json"},

&#x20;       body:JSON.stringify({prompt:prompt})

&#x20;   })

&#x20;   const blob = await res.blob();

&#x20;   document.getElementById("resultImg").src=URL.createObjectURL(blob);

}

\</script>

\</body>

\</html>

4. 提示词设计思路与修改过程

一、提示词设计思路与修改过程

初始版本1（第一张图，中文）
b4c6c0a79beb311eed29b5697f318a84_720

提示词：麦当劳的薯条和可乐放在桌子上
✅设计思路：
只描述主体和场景，属于极简基础提示词。只定义画面里有什么物体、摆放位置，没有对物体质感、细节做约束，交由AI自由发挥画面细节。
❌存在问题：
AI生成的薯条形态、可乐气泡、吸管样式不可控。生成的薯条偏饱满新鲜，没有干瘪感；可乐气泡很少，吸管没有红蓝细纹，画面细节不符合预期。

初始版本2（第二张图，中文）

提示词：薯条和可乐放在桌子上
✅设计思路：
去掉品牌“麦当劳”，保留主体和场景，测试移除品牌关键词对画面效果的影响，依旧只限定物体，不添加质感细节。
❌存在问题：
缺少品牌约束，AI不一定会生成麦当劳包装；同时仍然没有限定薯条干瘪程度、可乐气泡、吸管花纹，细节依旧随机，达不到想要的效果。
4833552ba556a8ace4b2f00a2c8da07f
初始版本3

提示词原文：The McDonald's fries and cola are on the table.
翻译：麦当劳的薯条和可乐放在桌子上
✅提示词设计思路

采用英文基础描述词，保留主体与场景，测试相同语义、不同语言对图像生成API输出效果的影响。
只定义画面主体：麦当劳薯条、可乐摆放在桌面，没有增加质感、气泡、吸管等细节约束，让AI自由渲染光影、物体细节。

16edd51cdd7610feff21ab878514a3c9_720

❌本次生成结果暴露的问题

  1. 画面出现两份薯条、两杯可乐，超出预期，AI自主增加物体数量；

  2. 薯条是饱满新鲜的状态，没有实现“干瘪”效果；

  3. 可乐缺少充足气泡；吸管是纯白色，不存在红蓝细纹；

  4. 场景变成餐厅座椅背景，不再是简单桌面。

📌和前两次中文提示词对比

  1. 第一轮中文：麦当劳薯条可乐放桌上 → 物体数量正常，但细节不可控

  2. 第二轮中文：薯条可乐放桌上 → 丢失麦当劳品牌包装

  3. 第三轮英文基础句：主体描述换英文，品牌保留，但AI额外生成多份食物，场景发生改变
    迭代结论：
    单纯更换提示词语言，如果缺少细节约束，依旧无法稳定控制画面。英文基础句也会出现物体数量
    迭代优化版本（英文提示词，最终版）
    The McDonald's fries and cola are on the table. The fries look naturally shriveled, cola with abundant bubbles, the straw has thin red and blue stripes.
    ✅迭代优化思路：

  4. 保留基础主体句子，锁定场景：麦当劳薯条+可乐放置桌面

  5. 增加物体质感修饰：naturally shriveled 限定薯条自然干瘪收缩，解决薯条太新鲜的问题

  6. 增加液体细节：abundant bubbles 指定可乐拥有丰富气泡感

  7. 增加道具细节：the straw has thin red and blue stripes，约束吸管带有红蓝细条纹

  8. 选用英文提示词：很多图像生成API对英文描述词识别精度更高，细节理解更稳定。
    迭代逻辑总结：基础提示词只能控制画面有什么；想要精准控制物体质感、细节特征，必须追加属性描述词，把想要的视觉特征一条条写清楚。
    二、API调用操作步骤

  9. 准备提示词文本：先写中文基础提示词，测试第一轮生成；观察生成图片缺陷，提炼缺失的细节，翻译优化为英文详细提示词。

  10. 打开AI绘图网页端API界面，在输入框粘贴提示词。

◦ 第一轮输入中文提示词「麦当劳的薯条和可乐放在桌子上」，点击生成，得到第一张图片；

◦ 第二轮输入中文提示词「薯条和可乐放在桌子上」，点击生成，得到第二张图片；

◦ 第三轮粘贴优化后的英文长提示词，提交API请求。

  1. API后端接收文本，调用图像模型，根据文字描述渲染图片，返回生成结果展示在页面。

  2. 结果对比：对比3次输出图片，观察每一轮提示词修改带来的画面变化，记录差异。

  3. 截图保存：保存每一轮的聊天记录、提示词、生成图片，作为实验材料。

5. 截图展示

Hugging Face API 调用成功日志截图

0d9f4407d8007d222163d949ef05b541_720
![HF API调用日志截图]

前端交互页面生成图像截图

cf1e18cc2f167159586939984b87fbc7_720
![前端页面效果图]

6. API 调用体验与心得

`<AI绘图API调用实验报告（提示词设计、迭代过程、操作步骤、心得）

API调用体验与心得

  1. 简单提示词只能确定画面大体内容，缺少细节修饰词时，AI会自主脑补细节，随机性很强，很难一次性得到想要的效果。

  2. 提示词是递进迭代的过程：先搭建主体场景，再针对不满意的地方补充质感、纹理、道具细节，一点点约束画面。

  3. 不同语言提示词效果有差异：本次测试中，英文词汇对物体质感描述识别更精准，适合写实静物类画面。

  4. 使用图像生成API，需要学会“把脑海里的画面拆成一条条可描述的特征”，不能只写大体场景，越具体的描述，生成结果越可控。

  5. 局限性：即使写了详细提示词，AI偶尔还是会出现细节错误（物体变形、细节丢失），需要多次调整关键词反复调试。

`

二、GitHub 个人主页搭建

本次选择方案：方案 1 创建同名仓库 README.md

截图展示

GitHub 个人主页效果截图

0f4891be2ddbcd9d058993836aad2243

![GitHub个人主页截图]

三、课程随笔

软件工程课程学习指nan

一、个人基础盘点

已掌握
熟练C语言，了解C++面向对象；掌握常见数据结构、基础算法；学习过计组、操作系统、计算机网络；能够编写SQL、完成数据表设计；具备基础编码、调试能力。
感兴趣方向：后端开发、底层系统开发、软件架构与工程实践。
现存短板
缺少完整项目经验，工程化、软件架构设计能力薄弱；不熟悉Git、设计模式、UML建模；无团队协作、软件测试、项目部署实战经验。
累计代码量约6000行，以习题、课程小实验为主。目标本学期累计代码量达到10000行，侧重模块化项目代码，而非零散练习题。

二、课程核心学习目标

  1. 吃透软件完整生命周期：需求分析→概要设计→详细设计→编码→测试→维护。

  2. 掌握软件建模：能够绘制UML图，完成系统抽象与模块拆分；理解面向对象思想与经典设计模式。

  3. 熟练工程工具：掌握Git版本控制、团队协作规范。

  4. 掌握软件测试：单元测试、黑白盒测试方法，主动排查程序漏洞。

  5. 掌握基础项目管理：任务拆解、工作量评估、进度管控。

  6. 建立工程化思维：不只实现功能，兼顾代码可维护性、扩展性、健壮性；独立完成中小型软件全流程开发，能撰写规范项目文档，积累团队协作经验。

三、学习执行计划

  1. 课堂：紧跟软件生命周期、UML、设计模式等核心理论，做好笔记。

  2. 实践：依托课程大作业、操作系统/数据库实验，产出结构化项目代码，冲刺代码量目标。

  3. 工具实操：上手Git，练习提交、分支管理，把版本控制融入项目开发。

  4. 项目训练：练习需求分析、模块拆分，绘制UML图；学习单元测试，养成写完代码同步测试的习惯。

  5. 团队协作：积极参与小组项目，练习分工沟通、文档撰写。

四、成果验收标准

✅ 能独立完成中小型软件项目全套流程，产出需求文档、设计文档、测试文档
✅ 熟练使用Git进行版本管理，理解多人协作开发模式
✅ 可以使用UML完成系统建模，合理运用基础设计模式优化代码
✅ 代码累计达到10000行，代码结构规范、模块化，具备良好可维护性

四、作业总结

<填写本次作业整体完成情况、遇到的问题与收获>

博客园后台博文编辑页面截图（Markdown 编辑器）
image

博客园Markdown编辑页面截图

 posted on 2026-09-11 23:59  明晚桃  阅读(7)  评论(0)    收藏  举报