软件工程第一次个人作业

这个作业属于哪个课程	H202601软件工程与软件工程实践
这个作业要求在哪里	第一次作业要求
这个作业的目标	完成 GitHub 与博客园账号准备、搭建 GitHub 个人主页、调用 Hugging Face API 结合前端实现 Flux 模型交互式图像生成，并在随笔中完成技能树自评、代码量统计与 AI 学习指南分析
学号	102401511

2026 软件工程第一次作业随笔：账号准备 · GitHub 主页 · Flux 交互式图像生成 · 技能盘点

哈喽这里是爱昴

📅 2026 年秋季学期 · 软件工程课程 · 第 1 篇随笔

开课第一周，我把本次作业的三个板块——账号准备、Hugging Face API 调用、GitHub 个人主页搭建逐一完成，并借这篇随笔对自身的技术栈与能力边界做一次完整盘点。知所长，亦知所短，方能有的放矢。

一、准备工作：三大账号与班级就绪

1.1 GitHub 账号

在 GitHub 官网注册账号，完善了头像、个人简介（Bio）等各项个人信息。
用户名：rohitpyarepur2006-coder
主页地址：https://github.com/rohitpyarepur2006-coder

1.2 博客园账号

在博客园建立个人技术博客，完善了昵称（爱昴）、头像等个人信息，并根据个人喜好设置了博客皮肤与页面样式。
博客地址：https://www.cnblogs.com/imao/

1.3 关注老师与助教的博客

身份	姓名
任课老师	黄兆武
助教	李怡涵
助教	焦圣蒙

1.4 加入班级博客

已加入博客园班级 H202601软件工程与软件工程实践，并使用实名制确认班级成员身份。

✅ 至此，准备工作全部完成。

二、GitHub 个人主页搭建

两种方案中，我选择了方案一：创建个人资料自述文件（Profile README）。理由有三：

零部署成本，无需额外维护站点构建流程；
README 天然使用 Markdown，与博客写作技能互通；
访客进入我的 GitHub 主页即可直接看到完整介绍，传播路径最短。

2.1 搭建步骤

在 GitHub 上新建一个与用户名完全相同的仓库：rohitpyarepur2006-coder/rohitpyarepur2006-coder；
创建时勾选 "Add a README file"（GitHub 会提示这是个人主页专用仓库）；
在仓库根目录编辑 README.md，用 Markdown 撰写个人介绍；
提交后，该内容自动展示在 GitHub 个人主页最上方。

📷

2.2 主页内容设计

按照作业要求“介绍自己 → 展示成果与技能并自我评估 → 未来三年发展规划"的逻辑，我将 README 组织为四个板块：

① 关于我

介绍了自己的兴趣爱好：课余喜欢听音乐（周杰伦、孙燕姿、李荣浩、林俊杰），闲暇时喜欢追番放松；热爱游戏，也是各类竞技赛事的狂热观众；坚持运动健身，用出汗保持精力充沛。

② 技术栈与专业实践

已掌握的核心技能：能够使用 Python 进行开发，并使用 PyTorch 框架进行模型构建与调试；具备远程服务器运维与环境配置能力，会使用 SSH / MobaXterm 在 Linux 环境下管理 Conda 虚拟环境、CUDA 依赖及代码部署。
专业实践经历：深入研究并复现了多个经典与前沿的深度学习模型架构（如 UNet、Swin Transformer）；在伪装目标检测（Camouflaged Object Detection）领域有一定的实践经验，曾在服务器上成功部署并调试过 OVCoser、BGNet 等开放词汇（Open-vocabulary）视觉模型；具备独立研读 CVPR/ECCV 等顶会论文的能力，能够结合数学原理（如 SVD 矩阵分解、交叉注意力机制）深度剖析模型源码。

③ 自我评估

已掌握：深度学习模型构建与调试、Linux 服务器运维、前沿视觉模型工程化部署；
感兴趣：大视觉语言模型（Vision-Language Models）、伪装目标检测；
最希望学习：深化 VLM 领域理论储备，提升大型 AI 项目的工程化落地与全栈交互能力。

④ 未来三年发展规划

未来三年的核心规划是全力备战考研。本科阶段在深度学习与计算机视觉方向积累的兴趣，让我希望进入更高水平的院校深造，目标加入优秀的 AI 实验室，在开放词汇图像分割等垂直领域产出有价值的学术成果，为未来的科研或高端算法岗位打下坚实基础。

📷

三、Hugging Face API 调用：Flux 生成真实感图像

本部分作业要求：注册 Hugging Face 获取 API，调用 XLabs-AI/flux-RealismLora 模型生成一张最贴近真实世界的图像，并在调用代码基础上结合前端接口实现交互生成。

3.1 注册与获取 API Token

在 Hugging Face 官网注册账号并完成邮箱验证；
进入 Settings → Access Tokens → New token；
权限选择 Read（仅调用推理接口足够），生成后立即复制保存（Token 只显示一次）。

⚠️ 安全提醒：API Token 相当于账号密钥。我在项目中使用 .env 文件配合 python-dotenv 加载密钥，避免将 Token 明文硬编码在源码中，并确保 .env 不会提交到公开仓库。

3.2 模型与调用方案选择

XLabs-AI/flux-RealismLora 是 XLabs 团队为 FLUX.1-dev 文生图模型训练的真实感 LoRA 适配器，专门用于提升出图的照片级真实感。直接调用它的 Serverless Inference API 时，LoRA 需要与基础模型组装，冷启动慢、参数控制也不直观。

经过调研，我选择了更工程化的路线：通过社区发布的 Space 应用 damarjati/FLUX.1-RealismLora 来调用该模型——这个 Space 已经封装好完整的 LoRA 推理链路，并对外暴露了 /run_lora 接口，支持直接调节 cfg_scale、steps、seed、width、height、lora_scale 等关键参数。客户端方面使用官方 Python SDK gradio_client，将 Gradio 应用当作可编程的 API 使用，前端则基于 Gradio 搭建交互界面。

3.3 环境准备

pip install gradio gradio_client python-dotenv

项目根目录创建 .env 文件保存密钥与目标 Space：

HF_TOKEN=hf_********************（秘密 三连后可查看：D）
HF_SPACE_ID=damarjati/FLUX.1-RealismLora

3.4 接口探测与排错

第一次直接调用时，gradio_client 抛出的异常字符串中包含 404 Not Found——说明我猜测的接口名并不存在。排错思路是：

打开 Space 页面底部的 Use via API 面板，查看该应用实际暴露的接口列表；
确认正确的端点为 /run_lora，并核对它的参数签名（prompt、cfg_scale、steps、randomize_seed、seed、width、height、lora_scale）；
修正代码后重新调用，成功返回图像。

💡 这次排错让我体会到：调用第三方 API 时，“接口名与参数签名必须与提供方文档一致"是第一步要确认的事情，盲猜接口是走弯路的主要原因。

3.5 完整实现代码

app.py：

import os
import random
import gradio as gr
from gradio_client import Client
from dotenv import load_dotenv

# 加载同目录下的 .env 文件
load_dotenv(override=True)
SPACE_ID = os.getenv("HF_SPACE_ID", "").strip()
HF_TOKEN = os.getenv("HF_TOKEN", "").strip()

# 初始化 Hugging Face Space 客户端
if not SPACE_ID:
    print("警告: .env 文件中未配置 HF_SPACE_ID！")

try:
    client = Client(SPACE_ID, token=HF_TOKEN or None, verbose=False)
except Exception as e:
    client = None
    print(f"客户端初始化失败: {e}")

def generate_image_stable(prompt):
    if not prompt.strip():
        return None, "❌ 提示词不能为空！"
    if client is None:
        return None, "❌ Space Client 未初始化，请检查 .env 中的 SPACE_ID 设置。"

    try:
        seed = random.randint(0, 2 ** 32 - 1)
        steps = 28
        lora_scale = 0.85

        # 调用探测到的正确 API 接口 /run_lora
        result = client.predict(
            prompt=prompt,
            cfg_scale=3.5,
            steps=steps,
            randomize_seed=False,
            seed=seed,
            width=1024,
            height=1024,
            lora_scale=lora_scale,
            api_name="/run_lora"
        )

        # /run_lora 接口返回的是 (image_dict, seed) 元组
        if isinstance(result, (list, tuple)) and len(result) >= 1:
            image_value = result[0]
        else:
            image_value = result

        if isinstance(image_value, dict):
            image_path = image_value.get("path")
        elif hasattr(image_value, "path"):
            image_path = image_value.path
        else:
            image_path = str(image_value)

        return image_path, f"✅ API调用成功 (HTTP Status: 200 OK)\n参数记录 -> 步数: {steps} | LoRA权重: {lora_scale} | 种子: {seed}"

    except Exception as e:
        error_msg = str(e)
        return None, f"❌ API调用失败\n错误详情: {error_msg}"

# --- 构建 Gradio 前端 ---
with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("# FLUX-RealismLora 真实世界图像生成器")
    gr.Markdown("软件工程作业 - 采用 gradio_client 架构的稳定版 API 调用")

    with gr.Row():
        with gr.Column():
            prompt_input = gr.Textbox(
                label="请输入提示词 (Prompt)",
                placeholder="例如: A hyper-realistic macro photography of a cat...",
                lines=4
            )
            generate_btn = gr.Button("🚀 调用云端 Space 生成图像", variant="primary")

        with gr.Column():
            output_image = gr.Image(label="API返回的生成结果", type="filepath")
            status_output = gr.Textbox(label="运行状态与参数记录", interactive=False)

    generate_btn.click(
        fn=generate_image_stable,
        inputs=prompt_input,
        outputs=[output_image, status_output]
    )

if __name__ == "__main__":
    demo.launch(server_name="127.0.0.1", server_port=7860)

实现要点：

要点	说明
密钥管理	通过 `.env` + `python-dotenv` 加载 Token，源码中不出现明文密钥
随机种子	每次生成随机 `seed`（0 ~ 2³²-1），并在状态栏回显，保证结果可复现
参数控制	`steps=28`、`cfg_scale=3.5`、`lora_scale=0.85`、`1024×1024`，在真实感与耗时之间取得平衡
返回值解析	`/run_lora` 返回 `(image_dict, seed)` 元组，做了类型兼容处理
状态回显	前端状态栏实时显示调用成功/失败信息与完整参数记录
异常兜底	客户端初始化失败、空提示词、调用异常三种情况均有明确的错误提示

3.6 前端交互界面

运行 python app.py 后，Gradio 自动在浏览器打开 http://127.0.0.1:7860，交互流程为：

输入提示词 → 点击 🚀 调用云端 Space 生成图像 按钮 → 后端经 gradio_client 调用云端 Space 的 /run_lora 接口 → 图像返回并显示在页面右侧，同时状态栏输出调用记录。

📷

3.7 提示词设计思路与修改过程

作业要求生成"最贴近真实世界的图像"，因此我以猫咪微距摄影为主题，经历了三轮提示词迭代。

第 1 轮：初步尝试

a cat sitting on a wooden table

效果与问题：画面偏插画感，毛发细节模糊，背景杂乱。
修改思路：加入写实摄影关键词，改用微距视角。

第 2 轮：引入摄影参数

A hyper-realistic macro photography of a cat, detailed fur texture,
natural window light, 85mm lens, f/1.8, shallow depth of field

效果与问题：真实感明显提升，但光影平淡，缺乏氛围。
修改思路：补充具体的光线与场景细节，用镜头参数强化摄影感。

第 3 轮：确定最终提示词

RAW photo, extreme macro shot of a tabby cat face, golden hour sunlight
through window, dust particles floating in light beam, sharp whiskers,
detailed iris and fur texture, 85mm f/1.8, ultra detailed, 8k

效果与问题：细节、光影与质感已接近真实摄影，最终选定。
修改思路：确定最终提示词。

设计心得总结：

hyper-realistic / RAW photo 等词直接决定出图风格基调；
镜头参数（85mm lens, f/1.8, shallow depth of field）能显著增强"摄影感"；
具体的光影细节（golden hour 阳光、光束中的尘埃、锐利的胡须）比堆砌形容词更能提升真实感与叙事性；
FLUX 模型对自然语言理解较强，无需刻意使用标签式堆词。

3.8 最终生成结果

📷

3.9 API 调用体验与心得

模型即服务 的思维转变：以往跑视觉模型需要配置 CUDA、管理权重文件、处理显存溢出；而这次通过 gradio_client 直接调用了云端 Space 中封装好的 Flux 真实感模型。模型能力真正变成了可组合的基础设施，一行 client.predict() 就完成了从提示词到 1024×1024 图像的完整推理；
接口探测是调用第三方服务的基本功：从 404 报错到通过 Space 的 "Use via API" 面板确认 /run_lora 端点与参数签名，我体会到"接口名与参数必须与文档一致"是第一步要确认的事；
参数即控制力：seed 让结果可复现，lora_scale 调节真实感强度，steps 在质量与耗时之间权衡——理解每个参数的含义，才算真正"驾驭"了模型；
密钥安全意识：.env 分离密钥、源码零明文，是从本次作业开始养成的好习惯；
排错经验：调用过程中遇到过 404（接口名错误）与客户端初始化失败等问题，学会通过异常字符串与状态栏回显快速定位，是这次作业最有价值的收获之一。

四、技能树与技术偏好自我评估

在深入软件工程课程之前，我对自己的技术栈和能力边界进行了梳理。

4.1 已具备的专业知识与能力 ✅

能力	具体内容
能力 A：深度学习模型构建与调试	熟练使用 Python 与 PyTorch，能够独立配置 CUDA 等计算依赖；深度研读过 UNet、Swin Transformer 等视觉经典架构。
能力 B：前沿视觉算法的工程部署	熟悉 Linux 服务器环境，能熟练通过 MobaXterm 与 SSH 进行远程运维及 Conda 环境管理。在伪装目标检测（尤其是 Open-vocabulary 领域）有实战经验，成功部署跑通了 OVCoser、BGNet 等前沿模型。
能力 C：第三方云端 API 交互与排错	具备对接云端算力平台的能力，能使用 gradio_client 接入 Hugging Face Spaces 构建可视化 Web 原型（本次作业即为一次完整实践）；解决过网络劫持（SSL 错误）、接口抓包分析等工程化排错问题。

4.2 感兴趣的技术方向 🎯

多模态视觉语言模型（Vision-Language Models）的深度研发；
探索将计算机视觉与深度学习技术应用于伪装目标检测。

4.3 当前欠缺的核心能力 ❌

欠缺能力	具体短板
欠缺能力 A：系统性的软件生命周期管理	目前写代码更多停留在“实现算法脚本"的单兵作战阶段，缺乏对需求分析、架构设计、测试用例编写的系统认知。
欠缺能力 B：团队协同与规范化开发	极度缺乏大型项目的 Git 分支管理协同经验，对敏捷开发（Agile）、代码审查（Code Review）流程较为陌生。
欠缺能力 C：全栈工程化落地架构	能够搭建简单的 Gradio 演示界面，但在企业级后端框架、数据库高并发设计及前后端分离部署上仍是短板。

五、代码量统计与学期目标

项目	说明
当前代码量	约 4,000 行
学期目标	学期末累计达到 10,000 行 🚀

六、课程期待与希望获得的收获

🎓 最期待学习的知识

未来希望能进一步深化在大视觉语言模型领域的理论储备，并提升大型 AI 项目的工程化落地与全栈交互能力

🤝 希望获得的收获

通过课程的团队项目，真正体验一次标准软件企业的开发节奏；
产出一个不仅能“跑通"，更能稳定运行、具备完整文档和测试覆盖率的作品；
结交志同道合的队友，提升自己的沟通与技术协作能力。

七、AI 工具辅助生成的学习指南及自我分析

💡 我选择 Gemini 作为本次的 AI 工具，让它生成了一份《简要软件工程课程学习指南》。

📘 AI 生成：软件工程 4 步学习指南

Step 1｜切忌直接动手写代码
将 40% 的时间分配给需求分析与原型设计，使用 UML 或流程图理清系统逻辑，这能避免后期的灾难性重构。

Step 2｜拥抱版本控制（Git）
尽早掌握 Git Flow 工作流。强制自己每次只提交一个独立功能（Atomic Commits），并写清楚 Commit Message。

Step 3｜防御性编程与测试驱动
不要相信用户的任何输入。尝试在编写核心业务逻辑前，先写好单元测试（TDD 思想），确保代码修改不会引发连锁崩溃。

Step 4｜重视复盘与文档
代码是写给机器的，但软件是交接给人的。保持 README 的更新，使用 Swagger 等工具自动生成 API 文档，项目结束后的复盘比敲代码本身带来的成长更多。

🔍 我的分析

维度	分析
是否合理	这份指南比较合理，一针见血地指出了我们计算机学生常犯的错误——“重代码，轻设计"。它涵盖了设计、协作、质量控制、文档四个软件工程最核心的维度。
能否带来帮助	帮助极大。特别是第一点“切忌直接动手"，精准命中了我的盲区——我以往在调试视觉模型时，习惯于上来就改脚本参数，这在大型软件开发中是致命的。这份指南为我接下来的团队大作业提供了一个宏观的规范框架，提醒我在冲动敲代码前，先和团队把需求文档和 API 接口定义梳理清楚，有助于我从“算法调参侠"真正向“软件工程师"蜕变。

维度

分析

是否合理

这份指南比较合理，一针见血地指出了我们计算机学生常犯的错误——“重代码，轻设计"。它涵盖了设计、协作、质量控制、文档四个软件工程最核心的维度。

能否带来帮助

帮助极大。特别是第一点“切忌直接动手"，精准命中了我的盲区——我以往在调试视觉模型时，习惯于上来就改脚本参数，这在大型软件开发中是致命的。这份指南为我接下来的团队大作业提供了一个宏观的规范框架，提醒我在冲动敲代码前，先和团队把需求文档和 API 接口定义梳理清楚，有助于我从“算法调参侠"真正向“软件工程师"蜕变。

八、博客园 Markdown 编辑器设置与后台截图

按照作业要求，我已将博客园编辑器切换为 Markdown 编辑器：

登录博客园 → 管理 → 选项；
在“编辑器”处选择 Markdown；
保存设置后，新建随笔即可直接使用 Markdown 语法写作。

📷

结语

✍️ 本次作业让我完成了三件事：把散落的账号与个人主页搭建成“线上的自己"；用 gradio_client + Gradio 打通了第一次完整的“模型即服务"交互链路；并在随笔中把“会什么、缺什么、想学什么"写清楚。

站在软件工程课程的起点，期待学期末回看这篇随笔时，欠缺的能力已变成新的技能点。

如果屏幕前的你读到了这里，那我向你表达由衷的感谢！！！

GitHub 主页：https://github.com/rohitpyarepur2006-coder
博客园地址：https://www.cnblogs.com/imao/
联系邮箱：2432417639@qq.com

posted @ 2026-09-10 17:22 爱昴阅读(11) 评论(0) 收藏举报

刷新页面返回顶部

爱昴