102401504｜第一次软件工程作业

这个作业属于哪个课程	202601 软件工程
这个作业要求在哪里	2026 秋软件工程个人作业（第一次）
这个作业的目标	完成个人主页和技术博客的准备；把指定模型的图像生成调用接入带输入界面的页面；用可复查的文字、代码和图片记录过程，并梳理自己的学习起点。
学号	102401504

第一次软件工程作业：把一次生成调用做成可记录的小页面

说明：文中“软件工程学习指南”由 ChatGPT 按题目要求生成；其余内容依据本次实际实现、运行记录和个人学习计划整理，并已在发布设置中声明 AI 辅助。

1. 本次实现概览

我没有把模型调用停在一个只能在终端运行的脚本上，而是完成了一个名为 Campus Prompt Lab（校园影像提示词实验室） 的小型本地 Web 页面。页面把“想生成一张校园图”的描述拆成五个可调项：主体与地点、天气、光线、镜头视角和补充细节；后端再组织提示词，并调用课程指定模型 XLabs-AI/flux-RealismLora。

GitHub 个人主页：https://github.com/Machenxii

1.1 实现结构

• 前端：HTML、CSS 和 JavaScript 收集五个场景字段，发起 fetch 请求，并显示图片或可理解的错误信息。
• 后端：Python + Flask 提供 /api/generate，使用 huggingface_hub.InferenceClient 调用模型。
• 配置：令牌只保存在本机 .env，源码库只保留 .env.example；不会把 Token 粘贴到博文、代码或截图中。
• 保存：服务端将成功生成的 PNG 保存到 generated/，首页会显示最近一次成功结果。

核心调用代码如下（省略页面路由和输入校验）：

client = InferenceClient(api_key=TOKEN, provider="auto", timeout=180)
image = client.text_to_image(prompt=prompt, model="XLabs-AI/flux-RealismLora")
image.save(output_path, format="PNG")

1.2 提示词的设计和修改过程

我的目标不是做一张带醒目地标的宣传海报，而是一张接近日常通行视角的校园雨后照片。因此没有只写“beautiful campus”，而是按层次补全信息。

层次	最终采用的内容	作用
场景主体	a quiet university bicycle lane in Fuzhou	固定“校园道路 + 自行车”的主要对象
天气	after a light rain	让路面湿润、空气带有雨后感
光线	soft overcast daylight	避免夜景霓虹和过强反光，更接近真实阴天
镜头	eye-level documentary photograph	用平视纪实风格约束画面，避免变成俯拍插画
真实性	photorealistic documentary photography 等描述	强化真实质感与比例
负向细节	no text	尽量避免画面出现难以辨认的伪文字

最终送出的提示词：

a quiet university bicycle lane in Fuzhou, after a light rain,
soft overcast daylight, eye-level documentary photograph,
photorealistic documentary photography, natural materials,
realistic scale, sharp focus, high detail, wet stone pavement,
leafy trees, no text

我先在界面中保留“暖色路灯反射”的选项，后来发现它会让雨后场景偏向夜景；最终成功调用时改为阴天自然光，使画面更符合“日常校园”的目标。这个调整让我意识到，提示词修改不是不断堆形容词，而是在每次结果后判断哪一个限制条件没有生效。

1.3 成功记录与生成结果

下面是本次后端接口实际成功返回的关键信息（Token 已省略）：

POST /api/generate
HTTP status: 200
saved file: campus-20260911-214320.png
response image: data:image/png;base64,...

前端页面最终展示的真实生成图如下：

1.4 过程中的问题与体验

第一次请求时，服务端返回了 Pillow 缺失的提示；我将它补到 requirements.txt 后重新运行，接口得到 HTTP 200 并保存了图像。随后为了测试前端错误反馈再次点击生成，免费推理额度耗尽，页面如实提示“免费推理额度已用尽”，没有继续产生付费调用。

这段经历给我的两点提醒是：

1. “能请求到模型”不代表应用完整可用，图片解码、异常分类和结果保存都属于交互链路的一部分。
2. 密钥权限要最小化，错误信息要给用户下一步，而不是只显示一串异常堆栈；同时也不能用伪造截图掩盖额度限制。

2. GitHub 个人主页

我选择“个人资料 README”方案，新建了与 GitHub ID 相同的公开仓库 Machenxii/Machenxii。主页中记录了目前的有效手写代码量、Campus Prompt Lab 的实践方向、2000 行到 6000 行的计划、课程期待和三年规划。

主页链接：https://github.com/Machenxii/Machenxii

3. 当前技能树与自我评估

已有基础

能力	当前状态	下一步需要补的部分
C++ 基础编程	能用于课程练习，理解基本控制流、函数和常见数据结构的使用。	把“做出答案”的过程整理成可测试、可解释的小模块。
问题定位	遇到运行失败时会从报错和依赖关系入手，例如本次定位到图片解码库缺失。	学习写最小复现和测试用例，而不是只靠反复修改。
Git 入门	已建立 GitHub 个人主页并用提交记录保存资料更新。	熟悉分支、Issue、代码评审和协作规范。
Python Web 初步实践	本次接触 Flask、JSON 接口、环境变量和前端 fetch。	理解 HTTP 状态码、接口边界、部署和安全配置。

技术偏好与短板

我目前更愿意从“用户能直接看到的小工具”开始学习，因此对前端交互、Web 接口和 AI 能力接入有兴趣。但这次项目也暴露出明显短板：需求还没有被系统化地写成验收标准，设计前缺少 UML 表达，测试覆盖也不足。相比继续堆功能，我更需要学习如何确定边界、安排迭代、记录风险和验证结果。

4. 代码量目标

截至目前，我估计累计手写有效代码约 2000 行。统计时不把框架依赖、自动生成文件和直接复制的代码算入。学期结束前的目标是 6000 行。

为避免只追求数字，我准备按周记录三类内容：课程练习、独立小功能、为已有项目做的修复或测试；每周附上一条“本周哪一处比上周更可维护”的说明。目标不只是多写 4000 行，更是让新增代码有清晰的来源和用途。

5. 对软件工程课程的期待

我最期待建立一套能用于实际选择的思考框架：需求不清楚时如何澄清、功能变化时何时适合迭代、怎样用 UML 让他人看懂设计、有限时间内怎样选择测试重点。我希望学期结束时能独立交付一个带需求说明、设计记录、测试证据和复盘内容的小项目，而不是只留下一个能运行的压缩包。

6. 使用 ChatGPT 生成的软件工程学习指南

我选择的 AI 工具是 ChatGPT。我给出的任务是：“为一名以 C++ 课程练习为基础、刚开始接触 Web 项目的大三学生，生成一份 8 周软件工程入门学习指南；每周要有产出物，不要只列概念。”生成的简要指南如下：

1. 第 1 周：读一个小项目的需求，把模糊说法改成可验收的用户故事和验收条件。
2. 第 2 周：为项目画用例图和主要流程图，标出输入、输出、异常路径。
3. 第 3 周：选择瀑布、迭代或 Scrum 中更合适的节奏，并写出选择理由和风险。
4. 第 4 周：拆分模块，写清每个模块的职责、依赖与接口。
5. 第 5 周：实现一个最小可运行版本，使用 Git 提交保留每一阶段。
6. 第 6 周：为主要流程设计正常、边界和错误三类测试，记录实际结果。
7. 第 7 周：根据测试或同学反馈完成一次小迭代，说明修改了什么、为什么修改。
8. 第 8 周：写项目复盘：目标是否达成、工时偏差、风险、下一次会如何安排。

对这份指南的判断

这份指南的优点是每周都有可见产物，避免把软件工程理解为只背生命周期名词；它能直接对应本次作业中“接口、过程记录、截图和自我评估”的要求。它的不足是没有给出具体项目规模和每周时间预算，照搬会造成计划过满。对我来说，更合理的执行方式是先用 Campus Prompt Lab 这样的单人小项目跑完一遍，再根据课程任务把用例图、测试记录和复盘逐步补齐。

7. Markdown 编辑说明

本篇文章使用博客园 Markdown 编辑器编写。图片由编辑器的“上传图片”功能插入；图片内容是本次接口成功调用后保存的真实结果。文中没有记录 Token、密码或其他敏感信息。

8. 小结

这次作业让我第一次把“调用一个模型”扩展为一条完整链路：界面输入、提示词组织、服务端调用、图像保存、异常提示和过程记录。后续我会继续补齐需求、设计和测试这些在本次实现里仍然薄弱的部分，用 2000 到 6000 行的过程验证自己是否真的在进步。