软件工程课程开篇随笔：自我梳理与学习展望
| 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 HuggingFace API 调用实践、GitHub 个人主页搭建，梳理个人技能树与课程学习规划，熟悉博客园 Markdown 写作规范 |
| 学号 | 102402139 |
1. HuggingFace API 调用实践
本次调用的模型为 XLabs-AI/flux-RealismLora，这是基于 Flux 模型微调的真实感图像生成 LoRA 模型，擅长生成贴近真实世界光影与质感的高清图像。
1.1 前后端实现代码
后端接口（Python + Flask）
使用 Flask 搭建轻量后端，封装 Hugging Face Inference API 调用逻辑，接收前端传来的提示词，调用模型生成图像并返回。
前端交互页面（HTML + JS）
单页交互界面，包含提示词输入框、生成按钮和图像展示区域，支持用户输入自定义提示词并触发生成。
1.2 调用结果与提示词优化过程
提示词设计思路
目标是生成贴近真实世界的图像，因此提示词围绕「具体场景 + 光影质感 + 画质参数」三个维度构建，明确场景主体、环境氛围、画质要求，避免模糊笼统的描述。
- 初始提示词：
a coffee shop, realistic
问题：场景过于笼统，生成的图像细节缺失，光影平淡，真实感不足。 - 优化后提示词：
a cozy vintage coffee shop on a rainy city street, wet pavement reflection, soft warm window light, overcast afternoon, photorealistic, 8k, ultra detailed, cinematic lighting, film grain
补充了场景风格、环境细节、光影条件、画质与质感描述，大幅提升画面真实度与氛围感。
调用效果
后端控制台成功返回 200 状态码，前端页面正常加载生成的图像，画面呈现出雨天街道咖啡店的真实质感，玻璃反光、路面水渍、店内暖光的细节都较为自然，符合真实世界的视觉效果。
1.3 调用步骤总结
- 在 Hugging Face 官网注册账号并创建访问令牌，获取 API 密钥。
- 确认目标模型
XLabs-AI/flux-RealismLora支持 Inference API 调用。 - 编写 Python 后端，封装 API 请求逻辑，提供 HTTP 接口给前端调用。
- 编写前端页面，实现提示词输入、生成交互与结果展示。
- 启动后端服务，打开前端页面，输入提示词测试生成效果，优化提示词直至达到预期。
1.4 体验与心得
通过本次 API 调用实践，熟悉了 Hugging Face 模型推理 API 的调用规范与鉴权方式，也体会到了 AI 生成模型中提示词工程的重要性 —— 精准的场景与细节描述是输出高质量结果的关键。同时，前后端分离的简单交互实现，也让我对 “模型能力封装为接口、前端负责交互” 的开发模式有了更直观的理解。过程中也遇到了模型排队加载、请求超时的情况，了解到了公有推理 API 的资源限制特性，后续如果需要稳定生成，可以考虑本地部署模型或者使用付费推理端点。
2. GitHub 个人主页搭建
本次选择方案一：创建个人资料自述文件，搭建 GitHub 个人主页
3. 技能树梳理与课程学习展望
3.1 技能树梳理与自我评估
已具备的专业知识与能力
- 编程基础能力：系统学习过 C++、Java 两门编程语言，掌握面向对象基础特性，能够独立完成单模块的业务逻辑编写；熟练使用 Python 进行数据处理，能借助 Pandas、NumPy 完成基础的数据清洗与统计分析。
- 计算机基础理论：掌握数据结构中常用的数据组织方式与基础算法，了解计算机网络、操作系统的核心概念与运行机制，具备数理统计、线性代数等数据科学必备的数学基础。
- 基础工具使用：能够熟练使用 VS Code、IntelliJ IDEA 等开发环境，掌握基础的代码调试方法；熟悉 Markdown 语法，能够完成规范的文档排版与内容撰写。
感兴趣的技术方向
- 软件需求分析与系统架构设计，希望掌握从业务需求到技术方案的转化方法论，理解合理的架构设计如何支撑软件的长期迭代。
- 团队协作与项目管理模式，尤其是敏捷开发在中小型项目中的落地实践，以及多人协同开发中的效率与质量管控方法。
- 高质量代码设计，包括编码规范、设计模式、代码重构等内容，希望写出可维护、易扩展的工程化代码，而非仅能运行的 “作业代码”。
仍欠缺的核心能力
- 工程化编码思维：当前代码多为课程作业式的小规模实现，缺乏模块化设计、接口抽象、异常处理等工程化考量，代码可读性与可维护性不足。
- 全流程项目经验：从未经历完整的软件生命周期，对需求分析文档、设计文档的撰写规范完全不熟悉，缺少从需求到交付的全链路实践。
- 团队协作开发能力：缺乏多人协同开发经验，仅掌握 Git 最基础的提交、拉取操作，不熟悉分支管理、代码评审、冲突解决等团队开发必备技能。
- 软件质量管控意识：对软件测试的方法、流程认知空白，没有编写测试用例、做单元测试的习惯，难以主动保障代码质量。
3.2 代码量现状与学期目标
截至目前，个人累计有效代码量约 6000 行，其中 Java 课程作业约 2500 行，C++ 算法练习约 2000 行，Python 数据处理与脚本编写约 1500 行。整体以单文件、小规模代码为主，几乎没有工程化项目的代码积累。
完成本学期软件工程课程后，我希望累计有效代码量突破 15000 行。新增代码将以课程项目为核心，覆盖需求设计对应的原型代码、功能模块实现代码、单元测试代码，以及项目配套的工具脚本，最终沉淀至少一个完整的小组项目代码仓库，实现从 “写代码” 到 “做项目” 的转变。
3.3 课程期待与预期收获
这门课是我目前最期待的专业课程之一，最希望学到的核心内容有三点：一是软件生命周期的完整方法论，尤其是需求工程、系统设计、软件测试三个阶段的标准流程与文档规范；二是团队协作开发的最佳实践，包括 Git 进阶用法、敏捷开发流程、团队分工与沟通方法；三是高质量代码的编写原则，掌握常用设计模式与代码重构的基础方法。
我希望通过这门课获得三方面的成长：第一，建立完整的软件工程思维，跳出 “编程就是写代码” 的认知误区，理解软件产品从 0 到 1 的完整逻辑；第二，积累真实的团队项目经验，在小组作业中完整走一遍需求、设计、开发、测试的全流程，产出一份可复用的项目成果；第三，养成工程化的开发习惯，形成规范的编码风格与文档意识，为后续的专业项目与实习打下基础。
3.4 AI 生成学习指南与分析
本次选择 豆包 生成软件工程课程学习指南，内容如下：
4. 作业说明
本次作业全程使用 Markdown 格式编写，已将博客园编辑器切换为 Markdown 编辑器模式，提交时会附上后台编辑页面截图。后续每次作业都会严格遵循要求，在正文最前置入作业信息表格，统一写作规范。·
浙公网安备 33010602011771号