Day3 Scrum冲刺博客

Day3 Scrum冲刺博客

1. 团队会议

因为各成员有不同的课程与实习安排，难以找到大家都在的线下时间，所以采用线上会议代替站立式会议。

1）昨天已完成的工作

  • 前端
    • 实现个人设置弹窗以及问答模式静态页面，实现问答模式缓存
    • "关于我们"细节修正
  • 后端
    • 完成爬虫数据的数据清洗
    • 增加爬虫程序适配的信息网站
  • 测试
    • 检查各代码文件格式清晰性

2）今天计划完成的工作

  • 前端
    • 实现了数据过滤与分页核心逻辑与分页控制功能
    • 完成了表单中的通知公告初稿
  • 后端
    • 实现了大模型api的意图整理和栏目分类
    • 实现了关键词划分算法
    • 实现了数据清洗正则化的加强
  • 测试
    • 检查新加入各代码文件格式清晰性

3）工作中遇到的困难

  • 前端
  • 在实现分页与过滤同时生效时，需要保证筛选结果数量与分页组件状态保持同步，部分逻辑需要梳理。
  • 后端
    • 大模型意图分类在部分表达方式下不稳定，需要增加额外后处理。
  • 测试
    • 代码结构更新频繁，文件格式难以一次性统一检查。

2. 项目燃尽图

今日为第三天，已快于理想进度，但需加快进度。

3.代码/文档签入记录

4. 运行截图

  • 前端

    • 完成了数据过滤与分页核心逻辑与分页控制功能

      • 相关功能代码

        // 1.数据过滤与分页核心逻辑（<script setup> 部分）：
// 筛选当前分类的通知数据
const filteredNotices = computed(() => {
  const currentType = tabList.value[activeTab.value].type;
  return allNoticeData.value.filter((notice) => notice.type === currentType);
});

// 计算总页数
const totalPages = computed(() =>
  Math.ceil(totalItems.value / PAGE_SIZE.value)
);

// 获取当前页数据
const currentPageData = computed(() => {
  const startIndex = (currentPage.value - 1) * PAGE_SIZE.value;
  const endIndex = startIndex + PAGE_SIZE.value;
  return filteredNotices.value.slice(startIndex, endIndex);
});

// 生成可见页码（处理省略号逻辑）
const visiblePages = computed(() => {
  // 页码生成逻辑...
});

// 2.分页控制功能：
// 切换选项卡时重置页码
const switchTab = (index) => {
  activeTab.value = index;
  currentPage.value = 1;
};

// 上一页/下一页控制
const prevPage = () => { /* 实现 */ };
const nextPage = () => { /* 实现 */ };

// 跳转指定页码
const goToPage = (page) => { /* 实现 */ };

// 监听总页数变化，自动调整当前页
watch(totalPages, () => { /* 实现 */ });

  • 后端

    • 实现了大模型api的调用，可以对测试数据进行意图解析

      • src\crawler\LLM_api\intention_agent.py

        import json
from src.crawler.LLM_api.create_api_client import client

PROMPT = '帮我解析这个用户的意图，把他的问题拆分为点，返回结果为JSON格式，形如{"1":"q1", "2": "q2",...}: '
def get_user_intension(user_text):
    input_text = PROMPT + user_text
    resp = client.chat.completions.create(
        model="doubao-1-5-lite-32k-250115",
        messages=[{"content":f"{input_text}.","role":"system"}],
        stream=False,
    )
    json_return = resp.choices[0].message.content
    print(json_return)
    json_obj = json.loads(json_return)
    obj_lst = list(json_obj.values())
    print(obj_lst)


test_text = "我想知道图书馆明天会举办的活动，以及最近宿舍的热水供应时间"
get_user_intension(test_text)

    • 加强数据清洗正则化，增加关键词提取算法

      • src\crawler\data_clean\reprocess.py

        # 用于保存所有整理后的内容
all_contents = []

# 遍历文件夹里的所有 JSON 文件
for filename in os.listdir(folder_path):
    if filename.endswith('_raw.json'):
        file_path = os.path.join(folder_path, filename)
        with open(file_path, 'r', encoding='utf-8') as f:
            try:
                data = json.load(f)  # 读取文件
            except json.JSONDecodeError:
                print(f"文件 {filename} 不是有效 JSON，跳过")
                continue

        # 处理 json 文件中的每个字典
        for item in data:
            # 正则化处理：
            # 1. 去掉开头结尾空白
            # 2. 将连续换行或空白替换为一个空格
            # 3. 去掉多余空格
            if 'content' in item:
                # TEXT = item['content']
                TEXT = advanced_clean(item['content'])
                TEXT = re.sub(r'[\s\u2028\u2029]+', ' ', TEXT).strip()

                # 从处理后的文本中应用 TF-IDF 算法提取关键词
                keywords = jieba.analyse.extract_tags(
                    sentence=TEXT,
                    topK=6,  # 提取的关键词数量
                    allowPOS=['n', 'nz', 'ns'],  # 允许的关键词的词性
                    withWeight=False,  # 是否附带词语权重
                    withFlag=False,  # 是否附带词语词性
                )
                # 为data添加关键词字段
                item['keywords'] = keywords

            if 'title' in data:
                data['title'] = advanced_clean(data['title'])

    # 新文件名，把 "_raw" 换成 "_cleaned"，如果没有 "_raw" 就直接加 "_cleaned"
        new_filename = filename.replace('_raw', '_reprocessed')
        new_file_path = os.path.join(folder_path, new_filename)

      # 写入新文件
        with open(new_file_path, 'w', encoding='utf-8') as f:
          json.dump(data, f, ensure_ascii=False, indent=2)  # 保存为格式化的 JSON

      print(f"已生成 {new_filename}")

5. 每人每日总结

  • 前端
    • 吴佳童：今天重点配合完成了前端的数据过滤与分页功能开发，包括过滤条件的处理逻辑、分页参数响应及页面渲染优化。在调试过程中解决了页面状态同步的问题，使数据展示更加稳定。同时对现有组件代码进行了结构调整，提高了整体模块的可维护性。
    • 张洁：今天主要完成了数据过滤与分页的核心逻辑实现，搭建了可复用的分页控制组件，使前端在展示大规模通知数据时能够保持流畅的交互体验。同时完成了表单模块中“通知公告”页面的初稿设计与实现，初步确定了字段布局、信息层级与交互样式，为后续的联调与视觉优化奠定了基础。
    • 李恺凝：今天主要协助前端对接页面交互细节，对分页模块、通知公告初稿页面的排版与交互方式进行了统一规范。根据前端实现出的组件效果，对字体层级、间距、信息密度以及颜色对比度进行了微调建议，确保界面在实际数据量下仍保持清晰可读。同时更新了对应的设计稿与交互说明文档，使前端在后续开发中有更明确的视觉与交互参考。
  • 后端
    • 王韵清：今天主要完成了大模型 API 返回内容的意图整理与栏目分类模块，实现了将大模型输出归纳为结构化类别的功能。通过构建意图映射规则，使模型回答能够与前端所需的页面栏目标识对齐，为后续问答流程的自动路由与知识库填充提供关键支撑。
    • 徐伊彤：今天对数据清洗过程进行了进一步加强，补充了更严格的正则规则，并针对异常格式文本添加了额外的处理分支。通过多组样例验证，清洗后的数据在字段一致性、冗余去除与结构稳定性方面有明显提升，为后续知识库构建与模型调用提供了更高质量的数据源。
    • 曾钰仪：今天实现了关键词划分算法设计与初步落地，主要包括文本关键词提取、词语分组逻辑与去噪处理。通过对多类实际数据进行测试，初步验证了算法在常见校园通知文本中的有效性，为知识库分类索引与问答召回提供了基础能力。
  • 测试
    • 戴军霞：今天重点对新加入的代码文件进行了格式与结构的规范性检查，包括命名一致性、注释清晰度、文件分层合理性等。对发现的问题进行了记录并提出了修改建议，确保代码质量符合团队规范，为下一阶段的系统级功能测试做好准备。
posted @ 2025-11-26 22:32  sevanthea7  阅读(9)  评论(0)    收藏  举报