软件工程第一次个人作业

这个作业属于哪个课程	https://edu.cnblogs.com/campus/fzu/2026-01SoftwareEngineeringandSoftwareEngineeringPractice/
这个作业要求在哪里	https://edu.cnblogs.com/campus/fzu/2026-01SoftwareEngineeringandSoftwareEngineeringPractice/homework/16716
这个作业的目标	完成Hugging Face API调用生成图像、GitHub个人主页搭建、博客园随笔撰写
学号	102401625

一、Hugging Face API 调用——Flux模型生成图像

操作步骤

步骤	操作
1	在 Hugging Face 官网注册账号，进入 Settings → Access Tokens 创建 Token
2	访问 black-forest-labs/FLUX.1-dev 模型页面，点击同意使用协议
3	访问 XLabs-AI/flux-RealismLora 模型页面，在 Hosted Inference API 区域输入提示词
4	点击 Compute 按钮，等待约5-10秒生成图像
5	截图保存生成结果

设计思路

我的设计思路是围绕“最贴近真实世界”这一目标，从主体、环境、光线、镜头、风格五个维度构建提示词。选择“老年手艺人修理木椅”作为主体，是因为它有人物、有动作、有故事感，比静物或抽象场景更容易产生真实感。在风格上，加入了“纪实摄影”“35mm镜头”“浅景深”等摄影术语，引导模型模拟真实相机的成像效果，同时加入“自然皮肤纹理”“真实皱纹”等细节描述，避免AI常见的过度平滑和塑料质感。此外，我还添加了“非插画”“非CGI”“非塑料皮肤”等反向排除词，防止生成偏向卡通或CGI风格。

修改过程

我最初尝试的提示词比较简短，比如“an elderly Chinese craftsman repairing a chair in a workshop, realistic”，生成内容如下

结果生成的内容的人物都缺乏细节。随后我逐步补充了环境（“阳光作坊”）、光线（“暖色窗户光”）等要素，真实感有所提升，但整体仍像一幅画而非照片。最终我加入了镜头参数和风格限定，才得到满意的效果。这个过程让我意识到，Flux模型对英文提示词的响应远好于中文，且提示词越具体、越贴近摄影语言，生成结果越接近真实照片。

下面是最终生成图像，提示词是：A candid documentary photograph of an elderly Chinese craftsman repairing a wooden chair in a sunlit workshop, natural skin texture, realistic wrinkles, worn hands, soft window light, 35mm lens, shallow depth of field, true-to-life colors, subtle film grain, unposed moment, highly detailed, no illustration, no CGI, no plastic skin

以下是网页token使用记录：

API调用体验与心得

通过 Hugging Face Hosted Inference API 调用 Flux 模型，体验如下：

• 优点：推理速度较快，适合快速验证想法。
• 遇到的问题：免费账号仅有3次推理额度，需提前设计好提示词；Flux为受限模型，需先同意协议才能调用。
• 总体感受：通过这次实践，我了解了从注册账号、获取API权限到调用模型生成的完整流程。提示词的设计直接影响生成质量，越具体、越贴近摄影语言，效果越好。

二、GitHub个人主页搭建

这是我的个人主页： https://github.com/Ruiii1124 。

我的个人主页主要分为个人介绍、联系方式、项目经历、设备展示、友情链接和更新记录几个板块。首页展示了就读情况，项目经历，也分享了一些兴趣爱好。项目页面用来整理我参与过的项目，虽然还不够全面，但我会持续补充。

三、技能树梳理与技术偏好自我评估

会什么

能力	掌握程度
Python、C、C++	熟练
爬虫（XPath/正则/BS4）	熟练
Neo4j、MySQL	基础
Git、GitHub	基础
LLM API调用	学习中

感兴趣的方向

• 大语言模型应用（RAG、微调）
• 自动化系统设计
• 图数据库与知识图谱

缺少部分

• 系统设计与架构
• 分布式系统
• 深度学习理论
• 单元测试、CI/CD
• 团队协作经验

代码量

• 目前：约 5000～8000 行
• 本学期目标：15000～20000 行

课程期待

最想学：

1. 团队协作规范（分支管理、Code Review）
2. 一个完整项目流程（需求→设计→测试→交付）
3. 软件测试与CI/CD

希望收获：从"写代码"到"做产品"的一整个流程的能力的提升。

AI生成的课程学习指南

以下由 DeepSeek 生成

《软件工程》学习指南摘要

• 核心内容：软件过程模型、需求工程、UML设计、软件测试、项目管理
• 学习路径：前3周打基础（Git+过程模型）→ 4-7周学建模 → 8-12周做项目 → 13-16周复盘
• 实践建议：学以致用、重视代码审查、用GitHub Projects管理任务

我的分析：

• 合理之处：结构清晰，分阶段推进，其中"做中学"的建议很实用。在于它没有停留在空讲理论上，而是把学习过程拆解成了可执行的步骤，这对像我这种缺乏系统开发经验的人来说，有指导意义。特别是第8-12周直接进入项目实践，能避免学完就忘的问题。
• 不足：内容偏宏观，缺少具体的学习资源推荐，比如哪些书值得读、哪些开源项目适合新手练手。另外对设计模式的讲解优先级偏低，但在实际开发中设计模式几乎是必用的。指南也没有提到如何做技术选型、如何写技术文档这类实际开发中的问题。
• 我的补充计划：
  1. 阅读《构建之法——现代软件工程》作为理论补充
  2. 在GitHub上找1-2个star数较高的Python开源项目，阅读源码并尝试提PR
  3. 课程项目中强制自己写设计文档和测试用例，先培养规范意识
  4. 每周花2小时复盘本周学到了什么、踩了什么坑，记录下来

四、博文编辑页面