软件工程第一次作业

这个作业属于哪个课程	https://edu.cnblogs.com/campus/fzu/2026-01SoftwareEngineeringandSoftwareEngineeringPractice
这个作业要求在哪里	https://edu.cnblogs.com/campus/fzu/2026-01SoftwareEngineeringandSoftwareEngineeringPractice/homework/16716
这个作业的目标	调用 HuggingFace Flux 模型生成写实图像，结合前端实现交互生成，记录 API 调用全过程
学号	102302113

一：Hugging Face API：生成一张图像

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
注册并且获取了huggingface的token

用python调用api，开启后端

接着打开前端

前期测试的时候生成了一张小猫带墨镜的图像，结果后续生成真实世界图像的时候额度不够用了，只能作罢了
这是小猫的图像，还有失败的结果

然后是对应的代码：

点击查看代码

# -*- coding: utf-8 -*-
"""
Flask 后端：代理 HuggingFace API 请求（解决前端 CORS + 网络拦截问题）
作者：102302113王泽炜

运行: python hf_backend.py
然后浏览器打开: http://127.0.0.1:5001
"""

import os
import io
import base64
from flask import Flask, request, jsonify, send_from_directory
from huggingface_hub import InferenceClient

# ====== 配置 ======
HF_TOKEN = "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"
MODEL_NAME = "XLabs-AI/flux-RealismLora"
PROXY = "http://127.0.0.1:7897"
FRONTEND_DIR = r"C:\Users\莳萝\Desktop"
# ===================

# 设置代理环境变量（让 huggingface_hub 走 ***）
os.environ["HTTP_PROXY"] = PROXY
os.environ["HTTPS_PROXY"] = PROXY
os.environ["http_proxy"] = PROXY
os.environ["https_proxy"] = PROXY

app = Flask(__name__, static_folder=FRONTEND_DIR)
client = InferenceClient(model=MODEL_NAME, token=HF_TOKEN)


@app.route("/")
def index():
    """打开前端页面"""
    return send_from_directory(FRONTEND_DIR, "hf_frontend.html")


@app.route("/api/generate", methods=["POST"])
def generate():
    """代理：接收前端 prompt，调用 HF API，返回 base64 图片"""
    data = request.json or {}
    prompt = data.get("prompt", "").strip()
    width = int(data.get("width", 1024))
    height = int(data.get("height", 1024))

    if not prompt:
        return jsonify({"error": "Prompt 不能为空"}), 400

    print(f"[代理] 收到请求 prompt={prompt[:50]}... 尺寸={width}x{height}")

    try:
        img = client.text_to_image(prompt, width=width, height=height)
        # 把 PIL Image 转成 base64 传给前端
        buf = io.BytesIO()
        img.save(buf, format="PNG")
        b64 = base64.b64encode(buf.getvalue()).decode("utf-8")
        print(f"[代理] 生成成功！")
        return jsonify({
            "success": True,
            "image": f"data:image/png;base64,{b64}",
            "prompt": prompt
        })
    except Exception as e:
        print(f"[代理] 失败: {type(e).__name__}: {e}")
        return jsonify({
            "success": False,
            "error": f"{type(e).__name__}: {e}"
        }), 500


if __name__ == "__main__":
    print("=" * 60)
    print("HuggingFace Flux 交互生成 - 后端启动")
    print("作者：102302113王泽炜")
    print("=" * 60)
    print(f"[代理] 已设置: {PROXY}")
    print(f"[模型] {MODEL_NAME}")
    print("浏览器访问: http://127.0.0.1:5001")
    print("按 Ctrl+C 停止服务\n")
    app.run(host="127.0.0.1", port=5001, debug=False)

二：GitHub个人主页

这是我的个人主页链接：https://github.com/shiluooo/shiluooo/blob/main/README.md

三：个人能力分析

一、技能树梳理与自我评估已具备的专业知识和能力

编程语言：熟悉 Python、C、JavaScript，能用 Python 完成数据处理、图像生成等任务
工具使用：熟练使用 Git 版本控制、VS Code 代码编辑、Markdown 写作
框架与库：Flask（Web 后端）、scikit-learn（机器学习）、HuggingFace Hub（AI 图像生成）
工程实践：能独立完成小项目的开发与调试，能看懂并修改开源代码感兴趣的技术方向
🤖 人工智能与机器学习：AI 图像生成、大语言模型应用
🌐 Web 全栈开发：前端交互 + 后端 API
📊 数据可视化与分析：聚类分析、图表呈现还欠缺的能力
前端技能薄弱（HTML/CSS 基础水平低，JavaScript 不够熟练）
缺少大型项目协作经验（Git 分支管理、Code Review 等还没实际用过）
英语技术文档阅读速度慢，查资料依赖中文翻译

二、代码量统计

截至目前的代码量：大约 1500~3000 行（主要来自数据聚类实验、医学影像可视化、HuggingFace API 调用项目）

本学期课程后希望达到的代码量： 6000 行以上，其中：

软件工程课程相关项目：约 2000 行
其他课程实践：约 1000 行

三、本课程最期待学习的知识

软件工程项目管理流程：从需求分析→设计→开发→测试→上线的完整流程，之前都是写零散的小脚本，没系统学过怎么做一个"正式"的软件
Git 协作与代码规范：现在只会单人写代码提交，想学多人协作时怎么管理分支、怎么做 Code Review
Web 前后端交互开发：Flask 后端 + 前端页面怎么配合，这次 HuggingFace API 作业虽然搭起来了，但很多细节还是半懂
AI 在软件工程中的应用：比如用 AI 辅助写代码、生成测试用例、文档生成等
希望获得的收获：

能独立完成一个小型 Web 应用的全流程开发
养成良好的编码规范和文档习惯
掌握 Git 多人协作的基本流程，为将来参与开源项目做准备

四：GPT-4生成的学习指南

《大数据专业学生学习路线图（本科阶段）》

第一学年（基础年）

学好一门编程语言（推荐 Python 或 C），能独立写 500 行以上的小项目
掌握 Git 基本操作（commit、push、pull、branch）
学会使用 Markdown 写技术笔记，养成"学完就记"的习惯
第二学年（进阶年）
学习数据结构与算法，刷题（LeetCode 每周 2~3 题）
掌握一门 Web 框架（Flask/Django 或 Spring Boot），做一个小网站
了解数据库基本概念（SQL + 至少会用 MySQL/SQLite）
第三学年（方向年）
选择一个方向深入：Web 全栈 / AI / 移动端 / 后端
做一个完整的课程项目或开源贡献，写好 README
准备实习：整理简历，把 GitHub 主页写漂亮
第四学年（实战年）
实习或进实验室，积累真实项目经验
准备考研或秋招
持续学习新技术，保持对行业的关注
通用建议：

每年 GitHub 贡献 1000+ 行代码（不是越多越好，要质量）
每个项目都要有 README 和文档
学会"先查再问"，Stack Overflow 和官方文档是最好的老师
关注 2~3 个技术博主/公众号，保持技术敏感度 📋 我的分析
是否合理：整体框架合理，给出了分阶段的学习路径，覆盖了基础→进阶→方向→实战四个阶段，对本科生很有参考价值。

对我是否有帮助：

有用的部分：GitHub 主页建设建议（刚好这次作业在做）、分阶段设定目标（帮我把"未来三年规划"具体化了）
需要调整的部分：AI 方向的建议比较笼统，没有具体说怎么深入 AI 图像生成或大模型应用；第二学年的内容我已经在做（Flask + 数据结构），但可以更早规划
额外收获：学到了"每年 GitHub 1000+ 行代码"这个量化指标，可以作为自我监督的参考

五：作业后台

posted @ 2026-09-15 17:54 莳萝莙阅读(5) 评论(0) 收藏举报

刷新页面返回顶部

莳萝莙