软件工程作业1

软件工程作业1

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	体验模型 API 与前端交互开发，搭建个人主页，熟悉用 Markdown 和博客记录
学号	102402142

一、Hugging‑Face Flux模型API调用实验

1.提示词设计方案
我一开始是输入的中文提示词，但是发现输出的图片效果不太理想，最终我修改成了一段英文提示词，描述了的是一条寂静的小道，因为刚好前段时间在这种路上散步，很有感触，所以设计了如下的提示词：A quiet narrow alley in a small town, old low-rise shops on both sides, Chinese vertical signboards, potted plants, a motorcycle parked by storefront, overhead power lines, distant green mountains, overcast sky, realistic photo, high detail
2.项目设计方案
采用Flask搭建简易Web后端，HTML+JavaScript实现前端交互页面。用户在网页文本框输入英文提示词，点击按钮后前端通过fetch向后端/generate接口发送POST请求；后端接收提示词，调用huggingface_hub库，使用fal‑ai服务商调度XLabs‑AI/flux‑RealismLora图像生成模型，推理完成后将图片转为base64编码传回前端页面展示。
3.效果图片、代码展示


4.API调用体验与心得
本次实验完整搭建了网页图像生成应用，打通了前端交互页面、后端服务与 Flux 图像生成模型的全流程。借助 Hugging Face 模型服务，能够通过文本提示词生成真实感较强的街景图像，模型对场景细节的还原效果较好；但在线公共推理接口存在响应速度慢、请求超时、任务排队等问题，稳定性不足。
实验过程中我体会到提示词设计对生成结果影响极大。若只简单描述画面主体，模型很容易出现构图、元素不符合预期的情况，需要在提示词里补充场景构图、光照条件、画面风格、负面禁止描述等多类约束信息，才能有效引导模型，输出和构思相匹配的图像。

二、GitHub个人主页搭建

三、个人技能树梳理与自我评估

（一）已具备的专业知识与能力
1.基础编程与算法能力：熟练掌握 Python，系统学习各类算法，能够独立完成算法设计与代码实现；了解 C、Java 基础语法，可进行基础代码编写与算法练习。
2.学习与深度学习能力：系统学习机器学习、深度学习相关理论，掌握图神经网络（GNN）相关原理与实现；参与过医学影像预后方向科研任务，具备数据集处理、模型训练、实验分析的科研实践经验。
3.AI 应用实践能力：熟悉 AI 模型调用流程，能够使用提示词工程优化图像生成效果，借助 AI 工具辅助代码调试、项目文档撰写，具备 AI 应用落地开发的思路。
（二）个人技术兴趣方向
1.AI 应用开发：感兴趣于大模型、图像生成模型的接口调用与 Web 端落地，动手搭建智能图像生成类应用。
2.算法、深度学习与医学影像 AI：持续钻研算法与深度学习模型，尤其关注图神经网络在医学影像领域的应用，希望继续深耕医学影像预后分析这类交叉方向。
3.计算机人工智能方向，计划后续读研深造，深入研究 AI 算法与医学影像相关底层理论。
（三）目前欠缺的能力
1.工程化项目经验欠缺，缺少标准化项目开发、Git 版本协作、软件测试、完整项目文档撰写的实战经历；
2.代码工程化水平有待提升，写代码优先保证功能实现，代码模块化、可读性、可维护性不足；
3.缺少大型综合性项目开发经验，没有完整参与过软件项目从需求设计、开发到测试上线的全生命周期。

四、当前代码量现状与本学期目标代码量

截至目前，本人累计编写有效代码量约 5000 行，以 Python 代码为主，涵盖算法实现、机器学习与深度学习实验、图神经网络模型开发、医学影像预后科研实验代码，同时包含 C、Java 算法练习代码。
软件工程课程结束之后，计划累计有效代码量达到 8000‑10000 行，重点增加工程化、模块化的完整项目代码，进一步提升代码可维护性，减少零散实验与习题代码。

五、本课程最期待学习的知识与收获

在本课程中，我最期待系统学习标准化的软件开发流程与工程化规范。我目前主要以Python算法、深度学习模型与科研实验开发为主，代码偏向功能实现，较为零散、缺乏规范的项目架构与工程思维。我希望通过课程掌握模块化开发、版本管理、项目协作、代码优化与软件测试等专业知识，将软件工程思维融入到具体项目开发中，提升代码规范性、可维护性与项目实战能力，补齐工程化短板，为后续项目开发与考研深造打下扎实基础。

六、生成软件工程课程学习指南及合理性分析

一、课程学习指南

• 夯实工程化基础：系统学习软件需求分析、架构设计、模块化编程、版本控制、软件测试等核心知识，改变以往只追求功能实现、代码零散不规范的开发习惯，建立标准化软件工程思维。
• 结合实战优化代码：将软件工程开发规范融入Python算法、深度学习训练、图神经网络实验及医学影像预后科研项目中，对原有零散实验代码进行规范化、模块化重构，提升代码质量。
• 补齐项目全流程能力：重点学习完整项目开发流程，掌握迭代开发、问题调试优化、标准化项目文档撰写、团队协作开发等技能，弥补项目实战经验不足的短板。
• 贴合个人发展深耕：结合自身AI算法、医学影像智能分析的学习与科研方向，针对性学习智能软件项目开发规范，适配人工智能交叉领域的项目落地需求，为后续深造和科研开发赋能。

二、学习规划合理性分析
本学习规划贴合自身技术基础与发展方向，具备较强合理性。本人具备扎实的Python、算法、深度学习基础，能够快速适配软件工程规范化学习内容。同时，规划精准对标个人短板，可有效弥补工程化经验不足、代码不规范、缺乏完整项目开发经验等问题。此外，所学软件工程知识，能够为后续AI项目落地、科研实践及考研深造提供工程能力支撑，实现理论算法与工程实战的结合，助力个人专业能力全面提升。

七、在博客园进行Markdown 编辑