使用对话式大模型完成大学生作业 DDL 管理器——一次四轮 AI 编程实践

项目源代码：https://github.com/wangyukai585/homework-ddl-manager

一、需求与意图描述

这次练习要求使用 AI IDE 或对话式大模型完成一个软件需求，并保留至少两轮迭代记录、一次验证说明和一条心得。我选择开发“大学生作业 DDL 管理器”，因为大学生通常同时面对多门课程，作业标题、截止日期、优先级和完成状态很容易分散在不同平台中。

我的目标是做一个不依赖网络的桌面程序：用户可以集中记录作业，用颜色识别截止时间，通过筛选和统计了解当前任务，并把数据导出为 Excel 可以正常打开的 CSV。

最终技术方案如下：

  • Python 3.12.7
  • Tkinter / ttk 图形界面
  • SQLite 本地数据库
  • Python 标准库 csv 导出文件
  • macOS 26.6.2，Tk 8.6
  • AI 工具：Codex 桌面端
  • 不使用第三方 Python 库

二、最终实现的功能

  1. 添加、查看、修改和删除作业。
  2. 标记“已完成”或“未完成”。
  3. 使用 SQLite 自动建表并持久化保存。
  4. 校验空课程、空标题、日期格式和真实日期。
  5. 删除前确认，未选择记录时给出提示。
  6. 按课程和完成状态筛选，并按标题关键字搜索；三个条件可以同时使用。
  7. 按截止日期从早到晚排列。
  8. 逾期、3 天内、7 天内、普通未完成和已完成作业使用不同颜色。
  9. 显示作业总数、已完成、未完成、逾期未完成和完成率。
  10. 选择保存位置并导出 UTF-8 BOM CSV。

三、第 1 轮：生成基础版本

1. 我给 AI 的提示词

请使用 Python 3 和 Tkinter 开发一个“大学生作业 DDL 管理器”桌面 GUI 程序。

第一版需要实现以下功能：
1. 使用 SQLite 数据库保存作业，数据库文件名为 homework.db。
2. 作业字段包括：编号、课程名称、作业标题、截止日期、优先级、完成状态和备注。
3. 用户可以添加、查看、修改、删除作业。
4. 可以把作业标记为“已完成”或“未完成”。
5. 主界面使用 ttk.Treeview 显示全部作业。
6. 数据库和数据表不存在时自动创建。
7. 程序关闭并重新启动后，原有数据仍然存在。
8. 所有代码暂时写在一个 app.py 文件中，不使用第三方库。
9. 请提供完整可运行代码，不要省略任何部分。
10. 对主要类和函数添加中文注释，并告诉我如何运行程序。

2. AI 实际完成了什么

AI 创建了三个主要类：HomeworkDatabase 负责 SQLite，HomeworkDialog 负责添加和修改表单，HomeworkApp 负责主窗口。第一版已经可以自动创建数据库、显示 Treeview、执行增删改查，并切换完成状态。数据库路径固定为 app.py 同目录下的 homework.db，所以从不同目录启动也不会生成多份数据。

3. 运行后发现的问题

语法检查和数据库测试都通过了，但第一次用 /usr/bin/python3 app.py 启动时窗口几乎空白。程序没有抛出异常，说明只看终端输出是不够的。我把“打开以后是空白”继续告诉 AI。AI 用最小 Tk 程序交叉验证，发现 macOS 自带的 Tk 8.5 连显式设置颜色的标签都不能正常绘制。

最后改用本机已经安装的 Anaconda Python 3.12.7 和 Tk 8.6，并增加跨平台 clam 主题后，界面恢复正常。这个问题也成为本次实践中最重要的一次真实调试。

四、第 2 轮：输入校验和安全操作

1. 我给 AI 的修改要求

请在当前 app.py 的基础上修改，不要删除已经实现的增删改查和 SQLite 数据保存功能。

我在运行初版程序后，发现输入校验和删除操作不够安全。请进行以下修改：
1. 课程名称和作业标题不能为空；为空时弹出明确提示，并且不能保存。
2. 截止日期必须采用 YYYY-MM-DD 格式。
3. 不仅要检查日期字符串格式，还要检查日期是否真实存在，例如 2026-02-30 必须判定为无效日期。
4. 优先级只能是“高”“中”“低”，使用下拉框选择。
5. 删除作业前弹出确认对话框。
6. 用户没有选中作业就点击修改、删除或标记完成时，弹出提示，不允许程序报错。
7. 数据库操作失败时弹出错误提示。
8. 保留当前界面和原有功能。

请返回修改后的完整 app.py，并简要说明你具体修改了哪些函数。

2. AI 实际修改了什么

AI 在 HomeworkDialog.save() 中分两步验证日期：先用正则表达式强制 YYYY-MM-DD，再用 datetime.strptime() 检查真实日期。因此 2026/10/01 属于格式错误，2026-02-30 属于日期不存在，两种情况会显示不同提示。

此外，AI 统一使用 _selected_values() 处理未选择记录，使用 messagebox.askyesno() 确认删除，并增加 _show_database_error() 捕获读取、添加、修改、删除、状态更新和数据库初始化异常。

3. 验证结果

我测试了空课程、空标题、斜杠日期、不存在日期、未选择记录和取消删除。所有错误输入都没有写入数据库，取消删除后记录数保持不变。模拟数据库读取失败时会显示错误对话框，程序不会直接崩溃。

五、第 3 轮：筛选、搜索和截止日期颜色

1. 我给 AI 的修改要求

请继续修改当前 app.py，不要破坏已有的增删改查、输入校验和 SQLite 数据保存功能。

请增加以下功能：
1. 在主界面增加课程筛选下拉框。
2. 增加完成状态筛选，可以选择“全部”“未完成”“已完成”。
3. 增加标题关键字搜索框。
4. 筛选条件和搜索关键字可以同时使用。
5. 增加“重置筛选”按钮。
6. 列表默认按照截止日期从早到晚排列。
7. 根据今天的日期为未完成作业设置颜色：已经逾期为深红色；0—3天内为红色；4—7天内为橙色；其他未完成为正常颜色；已完成为灰色。
8. 每次添加、修改、删除或改变完成状态后，自动刷新列表和筛选选项。
9. 请避免重复创建数据库连接或重复绑定界面事件。

请返回修改后的完整 app.py，并说明新增了哪些函数，以及日期颜色是如何计算的。

2. AI 实际修改了什么

AI 新增 get_filtered()，把课程、状态和标题关键词组合成一条参数化 SQL，而不是在界面中重复遍历数据。get_course_names() 为课程下拉框提供选项，refresh_filter_options()、apply_filters()、reset_filters() 和 refresh_all() 管理刷新流程。

数据库连接被改成整个程序生命周期复用一个连接，关闭窗口时才释放；筛选事件只在控件创建时绑定一次。

日期颜色由 _deadline_color_tag() 计算：

days_remaining = (due_date - today).days
  • 小于 0：深红色；
  • 0 到 3：红色；
  • 4 到 7：橙色；
  • 大于 7：正常色；
  • 如果已经完成，优先显示灰色。

3. 验证结果

我同时选择“数据库”“未完成”并搜索 SQL，结果只剩一条符合全部条件的作业。颜色边界使用 -1、0、3、4、7、8 天逐项测试，避免只测区间中间值。已完成但已经过期的作业显示灰色，不会错误显示为逾期。

六、第 4 轮：统计与 CSV 导出

1. 我给 AI 的修改要求

请在当前 app.py 的基础上继续修改，保留全部已有功能。

请增加统计和导出功能：
1. 在主界面顶部显示作业总数、已完成数量、未完成数量、逾期未完成数量和完成率。
2. 完成率使用百分比显示，保留一位小数；没有作业时显示 0.0%，不能发生除零错误。
3. 每次添加、修改、删除和改变完成状态后自动更新统计。
4. 增加“导出 CSV”按钮。
5. 用户可以通过文件选择对话框选择保存位置。
6. CSV 文件包含课程、标题、截止日期、优先级、状态和备注。
7. CSV 使用 UTF-8 with BOM 编码，保证使用 Excel 打开时中文不乱码。
8. 导出成功后提示导出了多少条记录。
9. 用户取消选择保存位置时，不报错，也不生成文件。
10. 请返回完整 app.py，并说明统计和导出功能分别由哪些函数实现。

2. AI 实际修改了什么

get_statistics() 使用一次 SQL 聚合查询统计四个数量，refresh_statistics() 更新顶部面板。完成率使用安全分支：

completion_rate = completed / total * 100 if total else 0.0

export_csv() 通过 asksaveasfilename() 获取路径；取消时立即返回。真正写入时使用 csv.writer、newline="" 和 encoding="utf-8-sig"。导出后提示实际记录数。

3. 验证结果

在临时数据库中加入 5 项作业并完成 1 项后，界面显示总数 5、已完成 1、未完成 4、逾期未完成 1、完成率 20.0%。清空临时数据后显示 0.0%，没有除零。

CSV 文件以 EF BB BF 开头。我再用 Python csv.reader 读取导出的文件，中文正常，含逗号的备注仍然是一个字段。取消文件选择后没有生成文件。

七、我的检查与验证方法

我没有只根据代码判断程序正确，而是采用了以下方法：

  1. 正常值和异常值结合：既测试合法表单，也测试空值、错误格式和不存在日期。
  2. 边界值测试：日期颜色测试 -1、0、3、4、7、8 天，完成率测试 1/5 和 0/0 两个分支。
  3. 重新连接验证持久化：写入临时数据库后关闭连接，再创建新的数据库对象并读取。
  4. 交叉验证输出：CSV 同时检查 BOM 原始字节和重新解析后的字段。
  5. 回归测试：每轮新增功能后重新检查原有 CRUD、完成状态和持久化。
  6. 界面实测：实际查看主界面、错误提示、筛选区、统计区和颜色，而不是只看终端没有报错。

项目中的 acceptance_test.py 使用临时数据库，不会修改正式数据。执行结果为 24 项全部通过：

/opt/anaconda3/bin/python3 acceptance_test.py

另外，我把每个用例的操作、预期结果和实际结果单独整理成表格，方便逐项复查。

八、心得：AI 最让我惊喜和失望的地方

本次协作最大的意外来自环境，而不是业务代码。AI 生成的初版通过语法检查、数据库测试也正常，但系统 Tk 8.5 显示的却是空白窗口。这说明“没有异常”不代表“软件可用”，GUI 必须实际打开观察。

AI 最让我惊喜的是，它能够在保留原有结构的情况下快速加入组合筛选、日期颜色、统计和 CSV 导出；当我把要求写成明确的输入、输出和边界时，修改结果也比较稳定。AI 让我失望或需要警惕的地方是，初版看起来完整，却不会自动覆盖所有运行环境和边界条件。旧 Tk、零数据完成率、无效日期和 CSV 中文编码，都是在运行和测试后才确认的。

我的结论是：AI 编程的关键不是不断说“优化一下”，而是明确说明不能破坏哪些旧功能、具体修改什么，以及怎样判断正确。AI 可以负责快速生成和迭代，但运行、质疑、测试和最终责任仍然属于开发者。

九、运行方法

git clone git@github.com:wangyukai585/homework-ddl-manager.git
cd homework-ddl-manager
/opt/anaconda3/bin/python3 app.py

在其他带 Tk 8.6 的 Python 环境中，也可以使用：

python3 app.py

数据库会在第一次运行时自动生成。项目不需要安装第三方 Python 库。

posted @ 2026-09-30 07:56  Asteroid2026  阅读(8)  评论(0)    收藏  举报