2026秋软件工程个人作业（第一次）
| 这个作业属于哪个课程 | 班级 |
|---|---|
| 这个作业要求在哪里 | 要求 |
| 这个作业的目标 | 热身，熟悉一些作为cs专业学生经常会用到的网站和技能 |
| 学号 | 032401135 |
本次作业由deepseekv4flash支持完成
huggingface-API的调用
关于api调用的博客
课程自我评估报告
姓名/学号：沈文驰 032401135 完成日期：26/9/10
一、技能树与当前技术偏好
把已有知识和兴趣按「基础 → 进阶」分两层梳理如下（✔ 为已掌握 / 有实践，☆ 为感兴趣但仍在学习中）：
1. 编程与语言
- ☆ Python（基础语法、函数、文件与模块；能独立写脚本）
- ☆ Web 后端入门：Flask 搭建本地服务、路由、模板渲染
- ☆ HTML / CSS 基础：能写简单前端页面（表单、展示页）
- ✔ C / C++ 或 Java：学过但实践少，有待深入
2. 工具与工程
- ☆ Git / GitHub 基础：clone、commit、push、创建仓库、个人主页（Profile README）
- ☆ pip 依赖管理与虚拟环境/环境变量（
.env、python-dotenv） - ✔ 调用第三方云端 API（Hugging Face Inference Providers；图像生成模型调用）
- ☆ Linux 命令行、Docker、CI/CD：了解概念，未系统上手
3. 方向偏好（我在意 / 想深耕的方向）
- 生成式 AI 与图像生成应用
- Web 全栈（前端+后端）
- 数据处理与可视化
二、自我评估
A. 已具备的专业知识与能力
- 能力 A｜Web 服务开发（入门级）：能基于 Flask 实现带路由、表单输入、图片返回的本地 Web 服务，并能处理请求与日志记录。
- 能力 B｜调用云端 AI API：理解 API 认证（Token）、请求参数、返回结果的流程；能基于 Hugging Face 平台接入图像生成模型，并完成「前端输入 → 后端调用 → 显示图片」的完整链路。
- 能力 C｜版本管理与协作基础：掌握 Git 基本操作与 GitHub 网站/远程仓库工作流，能维护个人主页与项目代码。
B. 感兴趣的技术方向
- 生成式 AI / 图像生成与多模态应用
- Web 全栈开发
- AI 产品落地与 Prompt 工程
C. 欠缺 / 待补齐的能力
- 工程化能力：缺少大型项目协作经验，对代码组织、测试、部署（Docker/CI）不熟悉。
- 深度学习理论：会用 API，但模型原理、训练/微调尚未掌握。
三、代码量：现状与目标
- 估算：2000行
- 本学期目标：完成课程后，希望累计代码量达到 约 5000行
四、本学期最期待学习的知识与希望收获
最期待学习的知识（按优先级）
- 更系统地掌握 Python 与计算机基础（数据结构、面向对象）。
- 深入了解 生成式 AI / 图像生成模型 的原理，而不仅仅是调用 API。
- 实战一个 完整 Web 项目（前端 + 后端 + 数据库），学会部署与测试。
- 提升 工程协作能力（Git 分支管理、代码规范、文档书写）。
希望获得的收获
- 能独立从零完成一个“可运行、可展示”的项目。
- 理解并会使用主流 AI 开发流程（数据 → 模型/API → 应用）。
- 养成良好代码习惯与调试能力，能清晰表达自己的技术与不足。
由deepseek生成
软件工程课程学习指南（简要版）
适用新手从入门到能独立完成小项目，配合当前已在做的 Web+AI 项目使用。
一、这门课在讲什么
软件工程 ≠ 只写代码，它研究的是**如何把“写代码”规模化、规范化地做成软件**。
三条主线：
1. 过程：需求 → 设计 → 实现 → 测试 → 部署 → 维护
2. 方法：模块化、面向对象、设计模式、复用、文档
3. 管理：版本控制、协作、测试驱动、代码规范、风险管理
二、核心概念速览（先掌握这些）
概念 一句话理解
生命周期模型 瀑布 / 迭代 / 敏捷（Scrum）
需求分析 先把“用户要什么”写清楚，再动手
UML 图 用图表达结构（类图）与流程（用例图、活动图）
版本控制 Git：多人协作的“后悔药 + 时间线”
单元测试 每个函数/模块单独验证正确性
重构 不改变功能的前提下改进代码结构
代码规范 命名、注释、格式统一，让人能读懂
部署/持续集成 把代码自动构建、测试、上线（Docker/CI）
三、建议学习路线（简要）
第 1 阶段：打地基（代码与工具）
- 熟练 Python / 一门语言，刷题保持手感（可结合你已有的 Luogu 训练）。
- 掌握 Git/GitHub：init、add、commit、push、pull、分支。
第 2 阶段：有规范的写代码
- 学函数拆分 + 模块化：一个小功能一个函数，别都堆主函数。
- 学面向对象基础：类、对象、封装、继承。
- 开始给代码写注释和简单测试。
第 3 阶段：用工程方法做项目（重点）
- 面向一个真实小项目（如你现在的图像生成服务），走一遍：
`需求 → 设计 → 编码 → 测试 → 部署`
- 补全：需求文档、UML 类图、单元测试、README 使用说明。
第 4 阶段：进阶（可选加分）
- 设计模式（单例、工厂、观察者等常见的 3\~5 个）。
- 结对/评审：读别人的代码、让别人读你的代码。
- 用 GitHub Actions 做简单 CI；了解 Docker 打包。
四、结合你当前项目能落地的点
你已经有了一个 Flask + AI API 的图像生成 Web 服务，正好可以当“工程化练手”，建议这样改进：
1. 划分模块：把 `prompt 处理、API 调用、日志记录、前端渲染`拆分到不同文件/函数。
2. 写单元测试：给 `prompt` 拼接、日志写入等纯逻辑加测试。
3. 补文档：`README.md` 写清楚怎么运行、依赖、配置 Token。
4. 用 Git 管理：把项目 init 成仓库，分 feature 分支开发。
5. 补异常处理：API 失败、无 Token 时给出友好报错（工程可靠性的关键）。
五、推荐资源（简要）
- 入门：CS50、菜鸟教程/廖雪峰 Python
- 经典书：《构建之法》（适合中文读者与课程）、《代码整洁之道》
- 工具：Git 官方文档、GitHub Docs、菜鸟/runoob
- 练习：刷题（Luogu/力扣）+ 自己做一个完整小项目
不得不说 ds的分析还是十分到位的，从多个维度，不同视角进行分析，确实能给cs专业的学生学习带来很大帮助
浙公网安备 33010602011771号