软工实践团队作业（一）

2026秋软工实践团队作业-第一次

项目内容	内容
作业所属课程	H202601 软件工程与软件工程实践
作业要求	2026秋软工实践团队作业-第一次（团队展示+选题报告+需求分析）
这个作业的目标	构建围绕用户的真实需求和特定领域知识的专业化智能体以及对应的软件
团队名称	408小组
团队组员学号-姓名	102401614-林志涛，102401512-任奥辉，102401509-吴瑞鹏，102401625-朱铮睿，102401635-尼玛顿珠，102401510-林富强，102401525-丁鑫河，102401526-林鹏远，102401511-何锦宏，102401519-曾林远见，102401623-杜佳伟，102401632-翁斌，102401633-严科儒

一、团队展示

1.1 队名：408小组

名称源于我们敲定的领域——考研，众所周知，408是计算机相关专业考研的专业课(即"计算机学科专业基础综合")在考研科目目录里的代码，因此我们将其作为我们的队伍名。

1.2 团队风采

学号	姓名	性格	擅长的技术	兴趣爱好	期望角色
102401614	林志涛	踏实，有较强的执行力	有 C/C++ 和 的编程基础	打打篮球	后端开发或测试
102401512	任奥辉	沉稳、细致、有耐心	Python（FastAPI、数据处理、脚本自动化）；Java / Spring Boot 后端开发	平时会看开源项目、技术博客和公开课	后端开发 / 算法与图形方向
102401509	chongkai	随和	纯VibeCoding者，最多写写python，主攻Web安全	神秘二次元游戏玩家	后端/测试，前端不好VibeCoding就算了
102401625	朱铮睿	沉稳细致，乐于沟通	前端开发（Vue / React 基础扎实，熟悉组件化与状态管理）	打篮球，打游戏，看网络小说。	前端开发、部分 PM 协调工作
102401635	顿珠	善于沟通	会基础软件操作，能写简单测试用例	打篮球	测试
102401510	林富强	善于沟通、耐心细致	AI 工具使用、Python、Agent 流程开发与知识检索	学习新事物	Agent 与检索模块开发
102401525	丁鑫河	沉稳理性，善于梳理问题	Python、Linux 基础、简单后端接口开发	球类运动、关注赛事	后端开发，兼顾智能体逻辑调试。
102401526	林鹏远	善于沟通，抗压能力强	Java、Spring Boot	下棋、阅读技术博客	后端
102401511	何锦宏	内敛专注，追求代码质量	Go、gRPC、Kafka、Kubernetes	研究分布式系统论文、整理故障复盘笔记	后端架构师 / 高级后端开发工程师
102401519	曾林远见	开朗健谈	TypeScript、React、Vue，熟悉前端工程化与性能优化	摄影、骑行	前端技术负责人
102401623	杜佳伟	严谨踏实，风险意识强	Python、SQL	阅读历史类书籍、慢跑	DevOps 工程师
102401632	翁斌	耐心严谨，注重细节，团队协作意识强	C/C++、Java 和 Python 基础	后端服务与 AI 应用的结合	后端开发 / 算法开发
102401633	严科儒	严谨较真，对细节敏感	Java、SpringBoot、MySQL	计算机技术	后端开发

1.3 团队分工

姓名	职能角色	主要职责
林志涛	项目负责人	项目进度管控、团队成员协调、迭代管理推进
何锦宏	前端开发	刷题页面、AI对话界面等Web页面开发
严科儒	后端开发	原型设计、后端功能实现、选题方向调整、PPT制作
翁斌	数据库／测试	数据库设计与构建，参与Agent测试
朱铮睿	汇报答辩	团队汇报材料统筹、答辩准备
曾林远见	需求调研	用户需求调研、需求信息收集与分析
林富强	需求文档	需求分析文档撰写与整理
顿珠	分析建模	类图、思维导图设计与制作
杜佳伟	前端优化	界面优化与交互体验改进
林鹏远	数据导入	院校信息、408真题等可靠数据的采集与导入
任奥辉	测试修复	具体功能测试、Bug定位与修复
丁鑫河	博客撰写	项目博客内容撰写
吴瑞鹏	博客撰写	博客内容撰写与优化

1.4 团队愿景

我们致力于打造一支以工程质量为底线、以持续交付为目标、以协作信任为纽带的研发团队。团队汇聚后端架构、前端工程化与数据/DevOps 三类互补角色，既有人沉下心打磨高并发服务的稳定性，也有人主动协调需求边界、推动前端体验与性能优化，还有人严谨守护数据管道与自动化流程的可靠性。
我们相信：好的软件不是一次写成的，而是通过清晰的边界、可验证的实践和坦诚的协作逐步演进出来的。 因此，团队坚持用文档和数据说话，在需求模糊时主动澄清，在风险出现前提前识别，把大目标拆成可交付的小里程碑，让每一次迭代都可观测、可复盘、可复用。
我们的长期追求是：让技术决策有依据，让交付节奏可预期，让每位成员在擅长的领域持续深耕，同时通过互补协作补齐短板。 最终，团队不仅交付稳定可靠的系统，也沉淀出可传承的工程规范与复盘文化，成为组织内"既能把事做成、又能把经验留下"的研发力量。

二、选题报告

2.1 项目名称与定位

我们的项目为 408-Agent 智能备考平台，面向计算机考研408备考学生，采用纯软件Web形式。项目聚焦学情分析和院校推荐，在基础刷题的基础上，结合专业课知识和院校考情资料，帮助学生理解错题、发现知识短板，并获得结合个人学情的择校参考。

项目希望形成“刷题记录—错因分析—学情画像—院校推荐—针对性补强”的业务闭环。需求分析在线文档由团队持续维护：团队需求分析文档。

2.2 项目背景与核心痛点

计算机考研408包含数据结构、计算机组成原理、操作系统和计算机网络四门专业课，知识点抽象，题目综合性强。考生刷题不仅需要核对答案，还需要理解解题逻辑、定位薄弱考点，并据此确定复习重点。

我们关注以下问题：

1. 答案与理解之间存在距离。 学生看到参考答案后，仍可能不清楚解题过程以及自己在哪一步出现错误。
2. 错题与复习重点缺少关联。 单独记录错题不容易直接形成对知识短板的认识，需要进一步归纳考点、总结学情。
3. 刷题与择校相互分离。 学生需要查阅分散的院校资料，也需要理解个人学习情况与目标院校要求之间的关系。

因此，项目以刷题数据为基础，重点建设学情分析和院校推荐能力，并配套错题复盘、学习统计和薄弱点练习。

2.3 用户调研与选题依据

团队通过问卷了解备考学生的功能需求。根据新版PPT展示的统计，共收集调研问卷146份，各功能被选择的情况如下。

功能需求	选择人数	比例
结合学情的择校推荐	140	95.9%
薄弱考点分析	112	76.7%
错题归因	84	57.5%
在线刷题	59	40.4%
自动生成新练习题	21	14.4%

这些数据表示问卷中各功能的选择情况，不能据此认定系统已经取得学习效果。调研中，结合学情的择校推荐和薄弱考点分析需求较突出，因此我们将这两个方向作为重点，通过题库与作答记录为分析提供依据。自动生成新练习题作为调研选项展示，不列入本文的核心功能承诺。

2.4 目标用户与使用场景

目标用户为计算机考研408备考学生，主要使用场景如下。

场景	用户需要完成的事情	平台提供的支持
刷题练习	查询题目、在线作答、核对答案	题目展示、作答反馈和参考解析
错题复盘	理解错误原因和相关知识点	结合题目与作答的错因分析
薄弱考点总结	了解复习短板、确定学习重点	考点归纳、学习统计和学情画像
院校择校	结合学习情况了解适合的院校	结合画像与院校资料的推荐、理由和补强建议
针对性复习	围绕薄弱点继续练习	相关知识点对应的题目

2.5 系统整体方案

平台采用Vue前端、统一网关以及Spring和FastAPI后端服务。刷题业务与Agent分析分别由相应服务承担。

组成	主要职责
Vue前端	提供刷题、AI交互、学习记录、学情和推荐等页面，完成输入与结果展示
网关	统一接收请求，将刷题业务请求与Agent请求转发到对应服务
Spring服务	实现题库维护、题目查询、作答提交和做题记录等业务
FastAPI服务	负责请求预处理、会话管理、Agent调度、基座API调用与结果处理
MySQL	保存题库、作答记录等业务数据
专业课知识库	保存408考纲、真题、教材重难点等资料，支持错题和学情分析
院校考情知识库	保存院校相关文本资料，辅助解释院校推荐

学生在前端提交练习后，系统保存作答记录；请求AI分析时，FastAPI调度Agent，结合工具取得的业务数据和知识库检索结果组织回答。院校推荐读取已有学情，并结合院校数据生成建议。

2.6 双Agent协作思路

系统设置学情分析Agent和院校推荐Agent，采用提示词工程、RAG知识库检索和工具调用进行领域定制。

Agent	任务	协作输出
学情分析Agent	分析错题、归纳错误类型、发现薄弱考点，总结学习情况	生成并保存个人学情画像，作为后续推荐的依据
院校推荐Agent	读取学情画像，结合院校数据和考情资料进行匹配与解释	提供分层择校参考，并给出与短板相关的补强建议

两个Agent通过学情画像联系起来。学生复盘错题后，学情分析Agent形成学习情况总结；院校推荐Agent读取这份画像，分析院校相关要求与个人短板的关系；学生再根据补强建议开展复习，并通过新的作答补充学习记录。

2.7 与其他工具的能力对比

以下整理PPT中的对比方向，用于说明项目设计目标，不作为已经完成的实测结论，也不代表所有同类产品的能力。

对比对象	主要使用方式	本项目关注的改进方向
以题库和静态解析为主的刷题工具	做题后查看固定参考答案	结合个人作答解释错因，进一步归纳薄弱点
未接入个人学习记录和领域资料的通用模型	通过对话回答用户问题	使用真实作答、408资料和院校信息，提供有上下文的分析
408-Agent设计方案	双知识库与双Agent协作	将错题、画像和择校建议连接起来，支持后续补强

具体定制效果通过相同任务下的输出比较检查，方法见第三部分的验收标准。

2.8目前前端页面

说明：双agent驱动目前仍在开发中，院校具体数据（包括小道消息，例如初复试占比、复试偏好、机考难度等均在爬虫）

三、需求分析

3.1 文档说明与迭代记录

需求分析参考GB/T 9385—2008《计算机软件需求规格说明规范》和GB/T 8567—2006《计算机软件文档编制规范》组织内容，为开发、测试和最终验收提供依据。详细在线版本见团队需求分析文档。

版本	日期	主要变化
v1.3.2	2026-10-22	原项目需求文档
v2.0	2026-10-22	根据新的项目思路调整方向，重写需求分析
v2.1	2026-10-22	精简额外数量、阈值、算法及实现细节，保留主要功能和课程要求
博客整合	2026-10-24	将新版PPT内容及在线需求分析整合到博客，保留接口需求和验收检查

项目需求发生变化时，团队同步更新在线文档、功能描述、图表和验收内容。以下为拟提供的能力，不将需求表述为已经完成的成果。

3.2 项目标志

项目名称为408-Agent。需求文档中的标志采用书本、四个知识节点和“408”字样：书本表示学习与练习，四个节点对应408四门课程，连接表示知识、学情与择校信息之间的关联。

3.3 功能需求

3.3.1 基础刷题功能

编号	功能	用户操作	系统提供的能力
F-01	题库维护与查询	维护人员管理题目，学生查询题目	维护题目及相关答案解析，提供题目查询与展示
F-02	在线答题练习	学生选择题目并提交作答	展示题目，接收作答，反馈答题结果
F-03	参考答案查看	学生查看答案和解析	提供参考答案与解题说明
F-04	作答记录与错题复盘	学生查看历史作答、复盘错题	保存并展示作答记录，支持回顾错题
F-05	学习统计	学生查看练习情况	汇总作答与错题情况，辅助了解学习状态

3.3.2 AI功能

编号	功能	用户操作	系统提供的能力
F-06	错因分析	学生对错题请求AI分析	结合题目、用户作答及专业课资料解释错误原因与相关考点
F-07	薄弱考点归纳	学生查看薄弱点分析	根据错题和作答情况归纳需要重点复习的考点
F-08	学情画像	学生查看个人学情	汇总学习情况及薄弱点，生成并保存画像
F-09	院校推荐	学生请求择校建议	读取画像，结合院校数据和考情资料提供分层推荐，说明理由与补强方向
F-10	补强练习	学生根据薄弱点及建议进行专项练习	提供相关知识点对应的题目，支持继续学习

参考答案、AI分析与推荐理由应便于学生区分和核对。对于缺少依据的分析或推荐，系统应主动说明信息不足。

3.4 前后端需求与数据流程

3.4.1 前端需求

Vue前端提供刷题、参考答案、作答记录、错题复盘、学习统计、学情展示及院校推荐等页面，并提供AI交互界面。前端通过网关与后端交互，完成输入、结果展示及必要的状态提示。

3.4.2 后端需求

Spring承担题库、题目查询、作答提交及记录等业务，FastAPI承担请求预处理、会话管理、Agent调度、模型调用、结果处理和异常处理。网关统一转发请求，MySQL及双向量知识库分别支撑业务数据与领域检索。各组件职责见2.5节。

3.4.3 主要数据与操作流程

流程	前端操作	后端与Agent处理	返回结果
刷题	查询题目、提交答案	网关转发至Spring，读取题目并保存作答	题目、答题结果及参考解析
错题分析	对错题请求AI分析	FastAPI调度学情Agent，通过工具读取作答并检索专业课库	错因、相关考点、复习建议
学情展示	查看学情	汇总作答与错题，生成并保存画像	学习情况、薄弱点及画像
院校推荐	请求择校建议	院校Agent读取画像，调用筛选工具并检索院校考情库	分层推荐、推荐依据、补强建议

3.4.4 接口需求说明

前端通过网关调用后端，交换题目、作答记录、学情分析和院校推荐等数据。FastAPI对接模型API，结合知识库和工具完成分析，并向前端返回结果。系统不涉及专用硬件接口。

3.5 领域知识与Agent定制

3.5.1 领域资料及来源

知识类别	资料内容	来源与使用说明
专业课知识	408考纲、历年真题、教材重难点笔记	正式考纲、合法取得的题目资料和教材笔记，保留出处供核对
院校结构化数据	开设408的院校及相关招录数据	以院校招生官网、官方目录等为主要依据，注明年份
院校考情文本	命题风格、阅卷特点、报考情况和风险说明等资料	标明来源及适用范围，区分官方信息与经验材料；无可靠依据时说明不足
个人学习数据	作答记录、错题、学情画像	来自系统中的个人练习过程，用于分析与推荐

资料应能核对出处，不将未经核实的经验说法表述为确定事实。具体资料名称与出处由团队在资料清单中维护。

3.5.2 定制方法及用户操作

方法	定制内容	与用户操作的关系
提示词工程	分别设定学情分析、院校推荐角色、任务和边界	学生请求分析或推荐后，按对应任务组织回答
RAG检索	建设专业课库和院校考情库，按任务检索	错题解释结合专业课资料，择校解释结合院校资料
工具调用	题库检索工具支持题目与学情分析；学情院校筛选工具读取学情并匹配院校数据	取得实际题目、学习记录及院校候选，辅助生成结果

学情分析Agent负责诊断和画像，院校推荐Agent负责使用画像提供择校参考，具体协作见2.6节。项目为纯软件方案，不涉及软硬件联动。

3.6 需求思维导图

mindmap root((408 Agent)) 基础刷题 题库维护与题目查询 在线答题与参考答案 作答记录保存 错题与学情 错题复盘与错因分析 薄弱考点归纳 学情画像与学习统计 学情联动择校 读取个人学情 结合院校资料推荐 补强建议与专项练习 领域定制 提示词工程 专业课与院校双知识库 双Agent协作与工具调用 系统组成 Vue前端 网关与Spring服务 FastAPI与数据存储

3.7 核心领域类图

类图描述学生、题目、作答记录、错因分析、学情画像、院校和推荐之间的业务联系。

classDiagram class 学生 { 个人学习信息 } class 题目 { 题干与参考答案 所属考点 } class 作答记录 { 作答内容与结果 } class 错因分析 { 错误原因 相关考点 } class 学情画像 { 学习情况 薄弱考点 } class 院校 { 招录信息 考情资料 } class 院校推荐 { 推荐理由 补强建议 } 学生 --> 作答记录 : 提交 作答记录 --> 题目 : 对应 作答记录 --> 错因分析 : 用于分析 作答记录 --> 学情画像 : 汇总形成 学情画像 --> 院校推荐 : 支持推荐 院校推荐 --> 院校 : 推荐对象

3.8 验收标准

3.8.1 功能检查

验收围绕实际业务流程展开，使用可核对的题目、学习记录与院校资料，保留测试输入、系统结果及检查结论。

验收项	对应功能	操作与检查方式
题库与在线练习	F-01～03	查询并完成题目，检查题目展示、作答反馈和参考答案是否正确
记录与复盘	F-04～05	练习后查看记录、错题和统计，核对是否与实际作答一致
错因分析	F-06	提交代表性错题，人工核对解题说明、错因和考点，检查资料依据
薄弱点与画像	F-07～08	使用有明显错题特征的记录，检查画像是否反映相应学习情况
画像联动择校	F-09	检查是否实际使用学情、符合院校资料，理由与补强建议是否能解释
补强练习	F-10	根据薄弱点选择题目，检查能否继续练习
前后端协作	3.4节	从前端完成刷题、分析、画像和推荐，检查保存及展示结果
数据不足与异常	3.4～3.5节	检查资料不足或服务异常时是否明确提示、不编造结果

3.8.2 代表性领域任务

领域任务	检查内容
数据结构错题分析	选择树、栈或队列等题目，核对过程、错因及知识点
计算机组成原理错题分析	选择存储系统或Cache题目，核对概念与推导
操作系统错题分析	选择进程管理或页面置换题目，核对步骤及错误定位
计算机网络错题分析	选择TCP或网络协议题目，核对解释和答题依据
学情画像生成	使用不同考点错题记录，核对薄弱点是否有作答依据
学情驱动择校	结合画像与院校资料，核对推荐理由是否反映学习情况，建议是否相关

3.8.3 定制效果检查

对相同代表性任务，比较通用模型直接回答和本项目定制Agent的输出，重点检查：是否结合408资料解释题目，是否使用真实作答形成画像，是否结合画像与院校资料推荐，以及资料不足时是否主动说明。

评审时保留输入、资料依据及输出，对照参考答案与院校资料记录具体变化和仍存在的问题。未开展评测前，不将准确率提升等结论作为已经取得的成果。