• 博客园logo
  • 会员
  • 周边
  • 新闻
  • 博问
  • 闪存
  • 赞助商
  • Chat2DB
    • 搜索
      所有博客
    • 搜索
      当前博客
  • 写随笔 我的博客 短消息 简洁模式
    用户头像
    我的博客 我的园子 账号设置 会员中心 简洁模式 ... 退出登录
    注册 登录
黄丽婷
博客园    首页    新随笔    联系   管理    订阅  订阅

软件工程课程第一次个人作业

软件工程 https://edu.cnblogs.com/campus/fzu/202601SofwareEngineering
作业要求 https://edu.cnblogs.com/campus/fzu/202601SofwareEngineering/homework/15712
作业目标 完成HuggingFace Flux模型API前后端交互;搭建Github个人主页;梳理个人技能树,掌握Markdown,熟悉博客园作业提交流程
学号 102401606

一、技能树梳理与自我评估

已掌握的专业知识与能力

  • 掌握C语言基础,能够完成简单程序编写
  • 了解C++基础语法,面向对象相关内容掌握得不太扎实
  • 学过汇编语言基础指令
  • 学习过数据结构理论知识,代码实现比较生疏

感兴趣的技术方向

  • 后端开发,希望学习相关框架的基础使用
  • AI应用领域,想要了解大模型接口调用方式
  • 基础网页交互开发

还欠缺的能力

  • 算法练习量不足,数据结构代码动手能力弱
  • 几乎没有项目经历,不熟悉Git团队协作方式
  • 不了解项目部署、测试相关知识,代码规范性有待提高

二、当前代码量与目标

  • 目前累计代码量:约3000行,大多为课堂作业,自主练习较少
  • 本学期结束目标代码量:争取达到10000行,多动手练习,提升代码编写熟练度

三、课程最期待学习的知识与收获

  • 希望掌握软件工程基础流程,了解软件开发完整流程
  • 学会Git工具,体验小组合作开发项目
  • 学会将零散代码整合为完整项目,改善只会写代码片段的问题

四、AI工具生成的软件工程课程学习指南与分析

AI生成指南内容(DeepSeek)

软件工程课程学习建议:第一,打好编程基础,掌握至少一门主流语言(Python/Java);第二,理解软件生命周期,学习需求分析、设计、开发、测试、维护各阶段;第三,掌握版本控制工具Git;第四,学习数据库设计与使用;第五,参与小型项目实践,体验团队协作与敏捷开发;第六,学习软件测试基础,编写测试用例;第七,关注前沿技术,如AI辅助开发、云原生等。

我的分析

  • 是否合理:内容覆盖面较广,适合新手入门,整体思路合理。
  • 能否带来帮助:具备一定参考价值。我缺少项目实战和协作经验,这份指南提醒我重视实操与Git学习,可以作为后续学习的参考。

五、HuggingFace API 调用实现

5.1 后端代码(调用flux-RealismLora模型)

from fastapi import FastAPI
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModel
import requests
import base64

app = FastAPI()

app.add_middleware(
CORSMiddleware,
allow_origins=[""],
allow_credentials=True,
allow_methods=["
"],
allow_headers=["*"],
)

HF_TOKEN = "你的huggingface token"
API_URL = "https://api-inference.huggingface.co/models/XLabs-AI/flux-RealismLora"
headers = {"Authorization": f"Bearer {HF_TOKEN}"}

class PromptItem(BaseModel):
prompt: str

@app.post("/generate")
async def generate_image(item: PromptItem):
payload = {
"inputs": item.prompt,
}
response = requests.post(API_URL, headers=headers, json=payload, verify=False)
image_bytes = response.content
b64_img = base64.b64encode(image_bytes).decode("utf-8")
return {"image": b64_img}

5.2 前端代码

AI图像生成

AI图片生成器

5.3 API调用成功记录

a

b

c

5.4 提示词设计思路与修改过程

  • 初始提示词:简单的"风景",生成效果较笼统
  • 修改过程:为了让模型生成更真实、细节更丰富的图像,改为"高清真实自然风光风景图,写实摄影",增加"写实""高清"等限定词,画面质量明显提升
  • 思路:提示词应包含主体、风格、画质三个要素,描述越具体,生成越贴合需求

5.5 API调用体验与心得

通过本次实践,我完整走通了"前端输入→后端请求→API返回→前端展示"的流程,理解了API调用的基本原理,体会到提示词设计对生成效果的重要影响,也认识到网络与运行环境对API调用的影响,是一次很有收获的实战练习。

六、GitHub 个人主页搭建

  • 创建了与GitHub用户名同名的仓库,通过README.md撰写个人主页
  • 内容包括:兴趣、经历、优势、不足

d

posted on 2026-09-09 21:19  halttt  阅读(23)  评论(0)    收藏  举报
刷新页面返回顶部
博客园  ©  2004-2026
浙公网安备 33010602011771号 浙ICP备2021040463号-3