软件工程作业1——自我评估

软件工程作业1————自我评估

这个作业属于哪个课程	福州大学2026年软件工程
这个作业要求在哪里	作业点击此处
这个作业的目标	1.了解Github，huggingface的使用方法，感受AI模型带来的便利 2.完成自我评估，对自己擅长的，不擅长的，感兴趣的的方向进行总结，并展望未来 3.利用AI工具为自己规划学习方向 4.掌握Markdown的使用方法
学号	102401228

---

该随笔涉及的三项任务

序号	任务
1	调用huggingface-API
2	搭建Github个人主页
3	个人随笔

任务一：huggingface-API的调用

这个任务有点失败，由于一个月只能生成三张图片，我前面一直学B站阿里架构师诸葛视频的想法，在Python中调用API模型的，结果每次编译都出现错误，忙前忙后最终崩溃。打算直接在模型页面的对话框生成了一只小猫图片，不料这竟然是我本月最后一次额度，关键是我还没输入什么关键词，只是“generate a cat”，所以图片有点拉胯，一言假。

后续也是用AI生成了如下关键词，但已经没有实践的机会了

Photorealistic image of a fluffy Persian kitten curled up sleeping on a thick knitted wool blanket draped over an old wooden rocking chair. Environment: a cozy rustic cabin interior, a large stone fireplace with crackling burning logs emitting a warm orange glow, a window showing a snowy pine forest outside in the blue twilight, a steaming ceramic mug on the side table. Lighting: warm firelight illuminating the left side of the kitten, with cool moonlight blue light from the window filling the shadows on the right (split-lighting / chiaroscuro). Fur texture: extremely long, dense white and smoky-grey fur, overlapping strands, soft cloud-like texture. Eyes: closed peacefully, but the eyelid rim reflects the firelight. Details: fine cobwebs on the antique wooden chair arms, wool texture of the blanket showing distinct yarn twists. Quality: National Geographic style, award-winning pet portrait, Hasselblad medium format, creamy bokeh, ultra-sharp. --ar 5:4

关于API调用的问题，可能是我太急了，在编译的时候出现SSL，403 Forbidden等错误，虽然及时根据AI的回答进行修改，但是始终没有彻底解决。

不过对于其生成的图像，我觉得是很厉害的，至少对于没有艺术细胞的我来说，是根本做不到这一点的。同时按照该模型生成的图像，我也很快意识到不足————对于想要生成贴近生活的照片，提示词一定要细致。像我这个随手打的一行字，就会生成太卡通的照片，不够真实。

---

任务二：Github个人主页的搭建

只采用作业要求的方案一
个人主页：https://github.com/537-7
Readme： https://github.com/537-7/537-7/blob/main/README.md?plain=1

---

任务三：个人随笔

一,个人具备的专业知识和能力

• C语言和C++有一定的基础，能实现一些简单的算法
• 自我感觉数据结构掌握的还不错，熟悉栈，队列，二叉树，图论
• Python能看懂一些代码，基本分支结构，循环结构会打

二,个人欠缺的能力

• 对于底层的代码没法熟练打出，如快速排列，红黑树算法
• 没有做过项目，缺乏实战经验，没尝试过与他人一同完成编码任务
• 常常需要任务推动学习，缺乏一定的自主意识

三,代码量
本人代码量不多，可能才几千行，没具体算过。除了大一大二作业提交的代码，我还把洛谷训练题单中的深入浅出基础篇做过一遍（有个别题写了两三遍）。我希望完成本学期之后能把代码量提到四位数，起码也要1w8吧。

四,感兴趣的方向

• 前端，因为其不用懂高数线代，不用碰操作系统内核或网络协议栈，且最反馈大，快
• AI 应用与推理，因为这个比较热门，工资高，但学习难度似乎有点大

五,期待本学期的突破

• 能在团队作业中，培养与团队沟通，处理问题和解决问题的能力
• 能深刻了解软件开发的过程，掌握开发步骤，细节
• 能熟练掌握Github,huggingface等工具平台的使用技巧，跟上时代前沿
• 对AI工具的使用能够更加得心应手，能借助AI处理更多问题

六，AI规划与自我总结
Deepseek生成的学习指南如下

第一部分：核心理论基石（笔试/面试重点）
不要死记硬背，重点理解“为什么”和“选哪个”。

软件过程模型（生命周期）：掌握瀑布模型（文档驱动，需求稳定）、敏捷开发（迭代驱动，需求变化快，重点掌握Scrum）、V模型（测试贯穿始终）。

需求工程：区分功能性需求（系统做什么）与非功能性需求（性能、安全、可用性）。学会画数据流图（DFD）和用例图。

软件架构与设计：掌握耦合性（低耦合好）与内聚性（高内聚好）。熟记经典架构模式：MVC（模型-视图-控制器）、分层架构（表现层-业务层-数据层）。

软件测试：区分静态测试（走查、审查）与动态测试（实际运行）。掌握黑盒测试（等价类划分、边界值分析）与白盒测试（语句覆盖、分支覆盖、路径覆盖）的区别与适用场景。

第二部分：现代工程化实践（项目/面试核心）
理论落地到工具链，这是区分“码农”与“工程师”的关键。

版本控制（必会）：熟练使用 Git。重点掌握 branch（分支）、merge（合并）和 rebase（变基）的工作流（如Git Flow）。

CI/CD（持续集成/持续部署）：理解自动化构建、测试和部署的概念。至少了解一种工具（如 Jenkins、GitHub Actions）。

项目管理（敏捷）：熟悉 Scrum 框架中的三个角色（PO/SM/Team）和四个工件（Product Backlog, Sprint Backlog, 燃尽图）。

第三部分：文档与UML（看图说话）
UML是软件工程的语言，课程考核必出绘图题。

必画图：用例图（描述功能边界）、类图（描述静态结构，注意关联、聚合、组合、依赖的区别）、时序图（描述对象间的交互顺序）。

文档规范：记住软件需求规格说明书（SRS）的核心章节构成，这是课程设计的交付物核心。

第四部分：高效学习路线图（按周执行）

阶段	时间	核心任务
基础扫盲	第1周	通读教材目录，完成瀑布与敏捷的对比表
重点突破	第2周	专攻设计模式（工厂、单例、观察者）和测试用例设计（写一个计算器的测试用例）。
实战驱动	第3周	以项目带理论：找一个小项目（如图书管理系统），从需求分析写到测试报告，走完完整流程。
总复习	考前3天	重做错题，默写几种常见模型的流程图，背诵非功能性需求的分类。

第五部分：避坑指南（过来人经验）
不要只写代码：课程设计评分中，文档（SRS、设计说明书）往往占比50%以上，务必图文并茂。

测试先行：在提交项目前，请写一份《测试计划书》，即使不执行，分数也有显著提升。

工具大于记忆：面试官更关心你如何用 Git 解决冲突，而不是你背了多少种软件危机。

最后一句建议：打开任何一个开源项目的GitHub仓库，看它的 README、Issues 和 CI 配置，这比你刷10道理论题更有用。祝你课程顺利！如果需要针对特定教材（如《软件工程导论》）或特定题型（填空/简答）的细化指导，可以告诉我。😊

对于没有很明确的学习方向的我来说，AI生成的规划算是比较全面的。它给了我初始的学习方向，需重点关注的内容，及各个阶段的目标。我完全可以按照上面给的内容，进行查阅学习。最重要的是AI生成的指南能领我入门，等我对这个课程所需学习的内容有了一定的认识后，其实我可以自己判断哪些部分是重点，哪些部分可以只是作为了解。
所以AI生成的指南，我认为是合理有用的，这相当于是一个人把大纲告诉你，然后你按这个方向慢慢学习，不管这个指南有没有漏掉什么重要内容，你在学习的过程中也能自我发现，并学习掌握。

下面是我markdown编辑记录