软件工程第一次作业

课程	202601-软件工程第一次作业
作业要求	2026秋软件工程个人作业（第一次）
作业目标	1.准备一个GitHub账号，请在GitHub官网上注册账号，完善各项个人信息，并准备一个博客园账号，建立个人技术博客，完善各项个人信息（昵称，头像等），设置好博客园的样式等。 2.在hugging face官网注册个人账号并获取API，调用Flux模型生成一张最贴近真实世界的图像,掌握开源社区资源使用与AI模型接口调用方法。 3.在GitHub上完成个人主页建设。 4.梳理当前的技能树和技术偏好，并进行自我评估。 5.学习Markdown语法与写作方式。
学号	102401218

准备工作

GitHub账号：https://github.com/John-ship-it5552
博客园账号：已开通博客LYnan。
已加入博客园班级并关注老师和助教账号。

Huggingface-API的调用

注册账号并获取Token

注册账号后进入设置界面获取Token。

项目实现

1.项目结构,使用Gradio简化代码，无需分别编写前端和后端接口。

Flux-webapp
└──app.py

2.项目代码

import gradio as gr
from huggingface_hub import InferenceClient

HF_TOKEN = "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"

client = InferenceClient(provider="fal-ai", api_key=HF_TOKEN)


# 定义核心生成函数
def generate_image(prompt):
    if not prompt:
        return None, "请输入提示词"
    try:
        # 调用 Flux-RealismLora 模型
        image = client.text_to_image(
            prompt,
            model="XLabs-AI/flux-RealismLora",
        )
        return image, "生成成功！"
    except Exception as e:
        return None, f"出错了：{str(e)}"


# 创建网页界面
with gr.Blocks(title="Flux 真实感图像生成器") as demo:
    gr.Markdown("Flux 真实感图像生成器")
    gr.Markdown("基于 XLabs-AI/flux-RealismLora模型，输入英文描述生成逼真图像。")

    with gr.Row():
        with gr.Column(scale=1):
            prompt_input = gr.Textbox(
                label="输入提示词 (Prompt)",
                placeholder="例如：A photorealistic portrait of a young woman, soft lighting...",
                lines=4
            )
            # 添加示例提示词按钮
            gr.Examples(
                examples=[
                    ["A cinematic photo of a futuristic city at sunset, neon lights, 8k"],
                    ["A macro shot of a dewdrop on a red rose, sharp focus, bokeh"],
                    ["A photorealistic portrait of an elderly man with a white beard, dramatic light"]
                ],
                inputs=prompt_input,
                label="点击试试这些示例"
            )
            submit_btn = gr.Button("生成图像", variant="primary")
        with gr.Column(scale=1):
            output_image = gr.Image(label="生成的图像", type="pil")
            output_status = gr.Textbox(label="状态信息")

    # 绑定按钮点击事件
    submit_btn.click(
        fn=generate_image,
        inputs=prompt_input,
        outputs=[output_image, output_status]
    )

# 启动服务
if __name__ == "__main__":
    demo.launch(theme=gr.themes.Soft())

项目成功运行，打开浏览器并访问 http://127.0.0.1:7860 ，输入提示词后点击生成图片。

生成效果展示

提示词设计思路与修改

设计思路：
1.主体+环境（亚洲城市，霓虹灯，湿沥青）
2.氛围锚定：雨后，浓雾（决定光线散射方式）
3.模仿专业相机摄影
修改方案：
放弃长曝光，改为高速快门凝固瞬间，同时统一焦距为20mm广角，增强建筑纹理细节。

光影效果与建筑纹理较第一版更为真实。

心得体会

掌握了构建项目与调用API的基本能力。
理解了提示词设计方法与设计思路。
-理解了前后端数据交互的过程。

Github个人主页搭建

参考资料：github个人主页搭建
完整github个人主页：https://john-ship-it5552.github.io/
效果图：

个人随笔

个人技能评估：

1.计算机科学基础：具备一定的计算机基础知识，掌握数据结构与算法、操作系统、计算机网络、计算机组成原理等核心课程内容。
2.C/C++基础：熟悉C/C++编程语言，掌握指针、内存管理、面向对象编程（继承、多态、虚函数等）及STL标准库使用。
3.熟练掌握Java语言特性，包括集合框架、多线程并发、I/O流、反射、注解等。
4.熟悉Web开发基础技术，包括HTML/CSS/JavaScript，了解HTTP/HTTPS协议、Cookie与Session、前后端交互原理。

代码量现状与目标

代码量5000行左右，希望在本学期结束能达到10000行，并积累大型项目开发经验。

期望学习的知识和收获

规划软件结构：学会在设计阶段想清楚各个部分如何分工、如何衔接，避免边写边改、越改越乱。
编写可靠代码：掌握写代码的基本规则和习惯，让程序能正常运行，并且尽量少出问题。
检查并修复错误：学会自己测试程序，找到隐藏的问题，并一步步修正，保证交付时质量过关。
管理代码版本：学会用工具保存每次修改记录，方便回溯历史，也方便多人同时工作而不互相覆盖。
团队协作开发：学会和队友分工配合，定期交流进度，互相检查代码，共同完成一个完整项目。

AI生成的软件工程学习指南及分析

先搭建整体认知框架
了解一个软件从无到有要经历哪些阶段，各自解决什么问题。
学会用工具管好代码
掌握代码存档、多版本切换、多人合并的方法，并养成每次存代码时简单说明改了什么。
边学边做，从小项目练手
每学一个新知识，立刻在一个迷你项目里用上，完整走完需求定义、编码、自测、整理文档的过程。
写得清楚比写得快更重要
注意变量命名、代码排版，随手加上简短注释，并写一份简单的使用说明。
主动参与小组任务
在小组里认领职责，定期同步进度，互相检查代码，共同决策。
每完成一个阶段就回头反思
记录下遇到的困难和自己的处理方式，思考有没有更好的办法。

分析：
这份学习指南亮点突出，围绕软件全流程搭建学习体系，聚焦实战练手、代码规范、团队协作与复盘反思，贴合入门和职场开发需求，能有效规避盲目刷题、忽视规范协作等低效学习问题，树立科学的编程学习理念。但指南实操性不足，仅给出核心学习方向，缺少各学习环节的落地细则、操作标准、梯度规划与验收要求，无具体工具用法、编码规范、协作流程及复盘模板，内容偏理论，需根据自身实际情况，结合课程执行。

博客编辑截图

posted @ 2026-09-08 22:03 LYnan 阅读(12) 评论(0) 收藏举报

刷新页面返回顶部

罗堉楠