第一周作业｜在软件工程中补齐全栈与AI Agent工程能力

这个作业属于哪个课程	计科24级56班
这个作业要求在哪里	第一周作业
我希望在这门课达到的目标	跳出单纯实现功能的思维，建立完整软件工程思维；掌握需求分析、团队协作、测试验证、项目复盘，结合已有后端基础，向全栈+AI Agent工程落地方向成长。

1. 介绍自己与博客

大家好，我是广东工业大学计算机科学与技术24级的李建鑫。过往开发重心主要放在后端开发，日常使用Java、SpringBoot、MySQL、Redis进行业务开发。写代码的时候，我不单单追求功能跑通，会习惯性关注程序性能、异常容错、用户侧实际使用体验。

我选择计算机专业，源于可以把脑海中的想法转化成可运行、能给别人使用的软件，这种创造感非常吸引我。最开始写后端，完成接口就能得到即时正向反馈；随着项目复杂度不断提升，慢慢意识到：软件并不是接口的简单堆砌，数据库设计、构建部署、测试、团队协作，每一环都会最终影响产品质量与用户感受。所以我不希望局限在后端单一领域，希望未来往全栈开发方向发展，同时重点研究AI Agent的工程落地，把大模型能力真正嵌入业务系统。

暑假我一直在持续学习，如今AI Agent工具迭代速度很快，借助工具能力可以自动化处理文件处理、浏览器操作等大量重复工作。但工具能力越强，越要求开发者回归本源：理清真实需求、划定系统边界、制定验收标准，而不是简单调用模型API堆砌功能。在持续学习的过程中，也明显感受到时间精力的紧张，需要做好时间规划，高效分配学习任务。

我累计参与过多个实战项目，在项目实践中踩过不少工程上的坑，选取两个贴合我现阶段学习方向的项目记录：

1. 智慧菜园项目：这个项目完整经历数据库建模、第三方消息回调、CI/CD流水线开发，也遇到过越权安全漏洞。早期做项目我只关心接口能否正常返回，做完这个项目之后，开始重视接口响应性能、各类异常分支、用户操作中断场景的容错处理。
2. coding‑agent‑harness本地评测项目：项目聚焦AI智能体，实践上下文工程、记忆模块设计、工具调用安全沙箱、任务执行回放与效果评测。让我理解Agent不只是prompt，更多是工程层面的调度、安全、评测体系。

我的GitHub：ZSyplh
博客园会作为我这门课的学习阵地，记录作业、项目踩坑、读书思考，把碎片化的实践经验沉淀下来。

2. 现状、经验与计划

2.1 目前能力与目标

评分标准：0完全不会，5达到入门实践水平，9行业成熟工程师水平

技能	当前水平（0‑9）	本学期目标	计划
Java基础与工程实践	6	7	补齐复杂类型设计、异步流程处理、模块解耦拆分；课程项目主动做代码重构。
Vue前端开发与用户体验	5	7	不只完成页面渲染，关注可访问性、边界状态、弱网等真实场景性能问题。
接口设计	4	6	在团队项目负责接口定义、鉴权逻辑、统一异常、日志埋点模块。
数据库与数据建模	4	6	练习业务表设计、索引优化，完成完整业务CRUD闭环，关注数据一致性。
AI Agent应用开发	4	6	吃透工具调用、上下文窗口管理、流式输出、任务失败兜底策略。
CPU性能与稳定性分析	5	7	将性能采集、异常监控、问题排查真正落地到课程项目中。
软件工程协作	4	6	规范使用Issue、Feature分支、PR、代码评审，做好项目复盘文档。

分析自身和合格应届IT毕业生之间的差距：不是简单会不会写前端页面，而是后端、数据库、测试、系统设计没有形成闭环的完整工程体系。做复杂需求的时候，我经常会急于上手编码实现，后续再补边界条件、异常分支。本学期课程项目刻意调整做事顺序：先梳理需求、明确验收标准，再动手写代码。

2.2 对课程与学习方式的想法

遇到卡点我会主动向老师与同学求助，愿意投入足够时间，把任务做完整做扎实。期待这门课可以模拟接近真实工业界的软件开发全流程：需求变更、团队分工冲突、代码合并冲突、测试bug、迭代复盘。

于我而言，程序能够运行不等于项目完成。如果缺少设计说明、验证手段、故障处理方案，代码即便跑通也是不扎实的。

我认同邹欣老师提出的教练‑学员的师生关系：老师负责提供方向、评判标准、给出反馈；作为学员需要主动发现问题、带着思考提问，而不是等待别人把答案直接给到手上。查阅开源项目、官方文档是重要学习手段，但前提是理解源码逻辑，能够讲清楚自己修改了什么、改动背后的原因。

时间投入规划：每周固定拿出4小时课程集中工作时间；日常课外编程学习时间每周40小时左右。

3. 阅读《构建之法》后的思考问题

我优先阅读和我实践经历关联度高的章节：个人技术流程、需求分析、用户体验、软件测试、创新、项目管理。下面的问题来源于我做流式AI应用、性能SDK、Agent项目时真实遇到的困惑。

1. 第2章单元测试 & 第13章实战中的测试：开发性能监控SDK，单元测试、集成测试、线上监控三者各自的覆盖边界应该如何划分？哪些交给单元，哪些交给集成，哪些只能依赖线上真实监控？
2. 第8章用户调研与需求优先级：面对用户“不够聪明”“回复速度慢”这类模糊主观反馈，如何拆解成可落地、可验证的需求条目，并且划分优先级？
3. 第12章用户体验评价标准：AI流式输出、语音交互遇到弱网发生中断，产品设计应该优先保证响应速度，还是优先保障输出结果完整、会话状态可恢复？
4. 第13章各类测试方法：Agent模型输出没有唯一标准答案，如何设计测试方案，降低人工主观打分带来的偏差，做到客观评测？
5. 第16章创新的迷思：大模型迭代速度极快，我们如何分辨一个AI功能，是真正解决业务痛点，还是单纯演示模型API能力的Demo？

4. 前车之鉴

4.1 项目经历不能替代底层基础

读完周见智同学《一直在路上——记我从初中到本科近十年的学习成长历程》，有很深的共鸣。项目、实习可以带给我们大量真实场景，但是项目实践无法替代计算机底层基础学习。项目做得越多越会发现，线上很多疑难问题，根源最后都会落到数据结构、计算机网络、数据库原理、系统设计、沟通协作这些基本功上。

结合我自身经历：做前端项目，页面交互功能可以很快完成；一旦碰到网络异常、性能瓶颈、服务端联动、异常恢复逻辑，基础短板就会暴露。所以之后做项目，我会主动把数据库建模、测试环节纳入开发流程，不只是做自己最熟悉的模块。

4.2 理解教练与学员的学习关系

阅读邹欣老师《现代软件工程讲义0：教学方法》，对教练‑学员的师生关系深有认同。老师给出训练方向、指出问题、给予反馈，但发现问题、拆解问题、动手解决问题的主体永远是学生自己。

这门课我希望完成能力跃迁：从“功能已经实现”，进阶到“讲清楚需求、懂得团队协作、可以完整验证产品质量”。遇到问题向别人求助之前，我会先整理完整复现步骤、自己已经尝试过的方案、当前卡壳的关键点，带着完整上下文提问，以此获取更有效的反馈。

结语

完成这次作业，相当于一次自我复盘，梳理清楚自己现有的能力边界与接下来的学习目标。接下来，我会补齐前端、数据库、测试、团队工程协作短板，持续深耕AI Agent真实落地，拒绝只做Demo。期待学期末回看博客与项目，留下真实可追溯的项目产物、测试记录、复盘文档，而不只是纸上的计划。