团队展示&选题

广工枢纽：AI驱动的校园智能信息助手

这个项目属于哪个课程	课程链接
作业要求	作业链接
作业的目标	小组组队，完成团队展示及选题，讨论团队计划、贡献分分配规则
Github链接	仓库地址

1. 团队展示

(1) 队名：超能女人

(2) 队员学号

• 李恺凝 3223004469
• 吴佳童 3223004472
• 戴军霞 3223004815
• 王韵清 3223004816（组长）
• 徐伊彤 3223004818
• 曾钰仪 3223004820
• 张洁 3223004822

(3) 团队项目描述

广工枢纽是一个面向校园生活的智能信息聚合平台，旨在帮助师生快速获取校内的各类通知公告、水电服务、后勤报修、教务信息等内容。项目通过自动化爬虫定期从学校通知网及相关部门网站抓取信息，构建统一的校园知识库，并结合大语言模型API，实现基于自然语言的智能问答与信息检索。我们希望让繁杂分散的校园信息实现了自动化聚合与智能化服务，使师生无需频繁浏览多个网站即可快速获取所需内容。项目同时展示了数据采集、知识整理与大模型应用的完整流程，具有较高的可扩展性与实用价值。

(4) 队员风采

队员	风格	擅长的技术	希望的软工角色	一句话宣言
王韵清	逻辑缜密，追求数据的秩序与背后的信息价值。	熟练运用 Python 完成数据采集、清洗与分析，擅长构建高效的数据管道与信息抽取系统，将杂乱网页转化为有价值的数据资产。熟悉 AI 算法的基础流程与模型调用，能通过LLM接口实现文本生成、智能问答与信息抽取等功能，将数据处理与智能分析高效结合，构建自动化与智能化的数据应用。	算法开发	用代码洞察数据的本质，让信息在我手中变得有序、可用、可思考。
曾钰仪	严谨且注重灵活开发，习惯以清晰的逻辑拆解复杂问题。	深耕Python模型开发，擅长利用Pandas/Numpy处理数据挖掘、处理任务，也熟悉自动化脚本编写与第三方API集成。编程兴趣集中在解析开源项目与实用工具开发，尤其热衷于通过代码解决各种场景中的实际问题。	算法开发	这个能做。
徐伊彤	严谨且兼顾细节美感，注重产品的视觉呈现与使用体验。	具备扎实的 Python 编程基础，熟练掌握数据的采集、清洗、整理、读写与可视化分析全过程。熟悉 Pandas、NumPy 等数据处理库，能够高效完成 CSV、JSON、Excel 等多格式文件的数据导入与输出。擅长构建自动化数据处理脚本与高效的数据管道，将原始、杂乱的信息转化为结构化、可用的分析结果。	算法开发	稳定不翻车，颜值不打折。
张洁	追求细节与极致的用户体验，注重代码的可读性与可维护性。	熟练掌握 HTML、CSS、JavaScript，具备扎实的前端基础与良好的代码规范意识。精通 Vue.js 框架，能够独立完成从组件设计到页面构建的完整开发流程，具备在实际项目中搭建高可维护性、模块化前端架构的能力。	前端开发	用代码构建优雅的界面，用技术提升用户的每一次点击体验。
吴佳童	能与团队协作合作，热衷前端开发领域、研究交互动画、提升用户体验感。	熟悉HTML,CSS, JavaScript、 框架 Vue，在项目实践中，我积累了丰富的实战经验：独立参与后台管理系统和小程序开发，表格增删改查、表单验证、权限控制等核心模块的前端实现，参与需求分析、UI还原、接口联调及上线优化，确保系统在兼顾功能性的同时，具备清晰的交互逻辑。	前端开发	通过代码将易用与美感呈现于用户。
戴军霞	喜欢深入底层，用更少的资源做更多的事。	熟悉C++/Rust，擅长进行性能剖析与调优，精通并发编程与内存管理，并善于利用高效的算法与数据结构解决性能瓶颈，编程兴趣集中在系统级编程和重计算任务的优化。	测试优化	代码之下，毫秒必争。
李恺凝	乐于从混乱的需求中梳理出核心脉络，并将其转化为清晰产品蓝图的过程。	优势不在于编写底层代码，而在于产品分析、需求挖掘和原型设计。擅长使用思维导图、Figma等工具，将想法可视化，并撰写详尽的产品需求文档确保与开发、测试的高效协作。	ui设计，项目管理	于细微处见真章，于宏观处定方向。

(5) 团队的首次合照

(6) 团队的特色描述

• 我们是一支集 数据智能、前端美学、系统性能与产品思维于一体的综合型开发团队。区别于其他团队，我们不仅“做功能”，更注重真实数据驱动、体验导向与系统稳定性的融合。
• 从信息爬取到AI问答、从交互界面到底层优化，每个环节都由专人负责、层层打磨。我们的优势在于 跨层协作，既能深挖数据逻辑，又能打造精致交互，让校园信息系统既聪明又好用。

2. 团队选题

一、项目简介

• “广工枢纽”是一款面向广东工业大学师生的校园智能信息聚合与服务平台。项目通过自动化爬取校内通知、水电服务、图书馆公告、教务信息、校园活动等多源网页数据，构建结构化信息知识库，并结合大语言模型（LLM）实现智能问答、信息检索与内容总结。
• 用户可直接通过前端页面输入自然语言提问，例如“最近图书馆开放时间有调整吗？”、“电费余额怎么看？”系统即可实时返回准确、简洁的总结信息；也可以直接选择关键词或时间点直接查看重点信息。
• 项目旨在让师生不再在多个网站间频繁切换，而是“一问即得、一页全知”，构建一个智能化、集中化、贴近校园生活的数字助理。

二、核心功能

• 校园信息采集系统：定期使用基于 Python 的爬虫与解析模块，自动抓取校园通知、水电服务、公告等信息。
• 数据清洗与知识库构建：利用正则与结构化抽取技术，将零散网页数据转化为可检索的统一知识结构。
• LLM 智能问答接口：通过接入主流大模型 API，实现基于 prompt 的语义检索与自动总结。
• 前端展示与交互体验：采用 Vue.js 构建简洁直观的前端页面，支持关键词搜索、智能问答、时间线浏览等功能。
• 本地轻量部署：无需复杂数据库，仅通过 JSON 文件或本地缓存维护知识库。

三、项目亮点与竞争力

• 真实性：直接面向广工校园生活场景，数据来源真实可验证，需求明确且实用。
• 可用性：前后端分离、轻量化实现，支持快速部署。
• 有价值：将繁杂的校园信息结构化，提升师生信息获取效率，具备推广至其他高校的潜力。
• 有情怀：出发点源自学生视角的“校园信息痛点”，用技术温度解决生活问题，让校园更智能、更便捷。
• 技术融合创新：结合数据采集、自然语言处理与大模型能力，打造校园级“小型知识问答系统”。

四、预期用户与使用场景

• 主要用户：广东工业大学在校学生、教师及校内部门工作人员。
• 预计用户量：首期测试用户约 200-500人，若推广至全校，潜在用户为校内全体师生。
• 典型使用场景：
  • 学生查询课程通知、活动安排；
  • 老师获取最新校内公告；
  • 管理部门集中发布与智能检索。

五、团队目标

通过本项目，我们希望以真实需求为出发点，以AI与前端开发为核心驱动，实现一个可落地、可迭代的校园智能信息平台。让“信息触手可及”，成为校园生活的日常助手。

3. 团队计划

周次	主要目标	具体任务内容	责任人	时间估计	输出成果
第10周	项目立项与准备阶段	1. 明确项目目标与功能范围，完成《需求规格说明书》初稿。 2. 绘制系统功能框架图与初步界面原型（包括主页、通知页、查询页）。 3. 确定前后端技术栈（Vue.js + Python爬虫 + JSON知识库 + LLM API）。 4. 建立项目仓库（GitHub/Coding），制定统一代码规范与接口标准。 5. 完成开发环境配置与数据采集测试脚本验证。	全体成员	20h	1. 需求规格说明书初稿 2. 原型设计初版 3. 仓库与协作平台搭建完成
第11周	深化设计与计划阶段	1. 收集潜在用户（学生/老师）对原型的反馈并改进交互逻辑。 2. 绘制系统架构图、数据流图及WBS工作分解结构。 3. 明确模块分工（爬虫模块、清洗模块、知识库模块、问答模块、前端展示模块）。 4. 制定《测试计划文档》，撰写测试目标与初步用例。	全体成员	25h	1. 完整原型图 2. 系统架构/WBS图 3. 模块分工与工期表 4. 测试计划文档
第12周	Alpha阶段启动（敏捷冲刺）	1. 按WBS分配任务，制定7天Alpha冲刺目标。 2. 完成数据采集与清洗模块初版（Python爬虫 + 正则提取 + JSON结构化存储）。 3. 前端完成页面框架搭建（Vue + 路由 + 页面切换）。 4. 接入LLM API，实现基础Prompt问答功能。 5. 每日Scrum Meeting，撰写冲刺日志。	全体成员	每人3h×7天	1. Alpha版本核心模块初版 2. 7篇冲刺日志 3. 可运行代码版本
第13周	Alpha阶段收尾与整合	1. 集成爬虫、知识库与前端展示，实现基础闭环。 2. 完成接口调试与本地部署测试。 3. 撰写《Alpha测试报告》与阶段总结。 4. 展示Alpha Demo，收集组内评审意见。	全体成员	15h	1. 可运行Alpha Demo 2. Alpha测试报告 3. 阶段总结文档
第14周	用户反馈与改进	1. 向部分学生开放Alpha Demo试用，收集使用反馈。 2. 优化LLM回答逻辑与知识检索精度。 3. 更新UI细节与关键词检索交互体验。 4. 撰写并发布《Alpha博客》。	全体成员	18h	1. 用户反馈汇总表 2. 改进版测试计划 3. Alpha博客发布版
第15周	项目反思与优化	1. 进行项目Postmortem分析，总结开发中出现的问题与改进建议。 2. 撰写《项目反思报告》与Alpha博客“事后分析篇”。 3. 确定Beta阶段优化方向（包括数据更新机制、前端搜索优化等）。	全体成员	10h	1. 事后分析报告 2. 团队反思总结 3. Beta阶段计划草案

• 项目管理方式：采用敏捷开发，每周例会+每日简报。

• 工具体系：

  • 代码托管：GitHub
  • 协作平台：飞书文档、Git Issues
  • 设计工具：Figma
  • 开发工具：VSCode + PyCharm

• 最终目标：交付一个可查询广工校园信息、具备AI问答能力的前端网页系统。

• 时间估计采用公式：

\[T = \frac{O + 4M + P}{6} \]

• 其中：
  • O = 最乐观估计时间
  • M = 最可能估计时间
  • P = 最悲观估计时间
  • T = 修正后的实际时间估计

每个任务的时间应由负责成员提交三种估计，再由PM计算修正值并调整总计划。

4. 团队成员贡献分分配规则

评价维度	权重	说明
任务完成度	30%	是否按时、高质量地完成分配任务 代码/文档/设计成果是否符合要求、具备可交付性
技术贡献与创新	30%	承担任务的技术深度与复杂度，是否在关键功能或核心模块中做出实质性贡献 是否提出创新思路或优化方案
团队协作与责任意识	20%	是否积极参与讨论与代码评审 主动帮助他人解决问题，保持高效沟通与正向反馈 能否对团队目标负责
综合评价（互评）	20%	项目完成后由组员互评得出，综合考虑成员的投入程度、可靠性及整体印象。