软件工程课程第一次个人作业

软件工程第一次个人作业

这个作业属于哪个课程	H202601软件工程与软件工程实践
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GitHub与博客园主页搭建，掌握Hugging Face API调用与前后端交互，梳理个人技能体系与学习规划
学号	102401126

一、作业准备

完成 GitHub、博客园账号注册与信息完善。
完成班级博客加入与实名制认证。

二、Hugging Face API 调用实践

2.1 方案概述

基于 Flask 后端 + 原生 HTML/JS 前端，实现可交互的 Flux 写实图像生成工具。后端调用 Hugging Face API 生成图像，前端提供输入与结果展示，完成完整文生图流程。

2.2 提示词设计

本次图像生成围绕「杭州清晨巷弄早餐摊」的纪实场景展开，共经历三轮提示词迭代优化，逐步校准画面主体、场景氛围与视觉质感。

初始版本

Chinese breakfast stall, old man, fried dough sticks, Hangzhou alley, morning

初始版本要素过于简略，生成画面存在明显问题：人物形象模糊、动作不明确，场景杂乱缺少层次，整体偏插画风格，缺乏纪实摄影的真实感。

第一轮修改：细化核心主体与动作

针对主体不清晰的问题，补充摊主的人物特征与动作细节，明确画面核心叙事点。

补充人物设定：52岁中国摊主、微胖、蓝色带油污围裙
明确动作道具：长竹筷、翻动金黄色油条、热锅灶台
修改后画面主体辨识度提升，动作逻辑更清晰，但场景氛围仍显单薄。

第二轮修改：丰富场景层次与生活气息

针对画面空洞、缺少氛围感的问题，补充环境细节与配角人物，构建完整的市井生活场景。

补充环境特征：清晨6点、杭州狭窄小巷、晨光、锅边升腾的热气
增加配角人物：吃早餐的保安、等待的女学生、蹲坐的流浪狗
修改后画面故事感增强，烟火气更足，但整体风格仍偏向插画质感。

第三轮修改：锁定纪实写实质感

针对风格不统一的问题，加入摄影类关键词，统一画面质感，贴近真实相机拍摄效果。

增加风格限定：纪实摄影风格、照片级写实、8K分辨率
补充光影参数：自然光、广角镜头
修改后画面光影更自然，颗粒感与空间感更接近真实纪实照片。

最终提示词

A 52-year-old Chinese breakfast stall vendor named Wang, slightly overweight, wearing a blue apron stained with oil, standing behind a hot oil wok, using long bamboo chopsticks to flip a golden deep-fried dough stick in a narrow Hangzhou alley at 6 AM, morning light, steam rising, a security guard in grey uniform sitting at a folding table, eating a dough stick dipped in soy milk, a middle school girl in white uniform waiting nearby, a yellow stray dog squatting beside the tricycle looking up at Wang, realistic documentary photography style, photorealistic, 8k, natural lighting, wide shot

图一 : Flux 生成的早餐摊写实效果图

2.3 核心代码

后端

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

app = Flask(__name__)
client = InferenceClient(api_key=os.getenv("HF_TOKEN"))

@app.route('/generate', methods=['POST'])
def generate_image():
    prompt = request.get_json().get('prompt', '').strip()
    if not prompt:
        return jsonify({'error': '请输入提示词'}), 400
    
    image = client.text_to_image(prompt=prompt, model="black-forest-labs/FLUX.1-schnell")
    buffered = io.BytesIO()
    image.save(buffered, format="PNG")
    img_base64 = base64.b64encode(buffered.getvalue()).decode('utf-8')
    return jsonify({'success': True, 'image': img_base64})

前端交互逻辑

function generate() {
    fetch('/generate', {
        method: 'POST',
        headers: { 'Content-Type': 'application/json' },
        body: JSON.stringify({ prompt: promptInput.value })
    })
    .then(res => res.json())
    .then(data => {
        if (data.success) {
            resultImg.src = `data:image/png;base64,${data.image}`;
            resultImg.classList.add('show');
        }
    });
}

图二 : 终端运行与API调用成功日志截图

图三 : 运行效果

2.4 实践心得

API 方式大幅降低大模型使用门槛，开发者可专注于业务逻辑与交互设计。
提示词精度直接决定生成质量，场景细节与风格限定是提升效果的关键。
密钥硬编码存在安全风险，应通过环境变量管理密钥。

三、GitHub 个人主页搭建

3.1 方案选择

采用 Profile README 方案：创建与用户名同名的公开仓库 diahull/diahull.github.io，通过根目录 README.md 展示个人信息，GitHub 会自动渲染到个人主页。

3.2 主页内容

主页包含自我介绍、技能栈、待提升方向、项目展示、兴趣方向、课程学习目标、三年发展规划与联系方式七个模块。

图四：GitHub 个人主页截图（1）

图五：GitHub 个人主页截图（2）

四、个人技能梳理与发展规划

4.1 现有能力

编程语言：Python、C 基础，可编写简单程序与脚本；掌握 HTML/CSS/JS 基础。
工具技能：Flask 简单应用开发、Hugging Face API 调用、Git 基础操作、VS Code 开发。
学习能力：能主动检索资料解决问题，对新技术有较强学习意愿。

4.2 待提升方向

大型项目架构设计、单元测试与 CI/CD、数据库设计、团队协作与分支管理、工程文档编写。

4.3 三年发展规划

大三：深耕专业课程，积累项目实践，强化 Python 与 Web 开发能力。
大四：准备校招，完成毕业设计，争取实习机会。
毕业后：从事后端开发或 AI 应用开发相关工作，在岗位中持续成长。

4.4 代码量目标

当前累计：约 800 行，以基础练习与小型 Demo 为主。
学期目标：累计突破 5000 行，完成 2 个以上完整项目，兼顾数量与代码质量。

五、课程学习期待

掌握软件项目完整生命周期，建立工程化思维。
学习团队协作开发流程，掌握 Git 分支管理与代码评审。
提升代码规范与文档编写能力，养成良好开发习惯。

六、AI 生成学习指南分析

本次借助 DeepSeek 生成软件工程系统化学习指南，旨在快速搭建完整的知识体系框架，弥补自学过程中知识点碎片化、学习路径不清晰的问题。指南核心划分为基础筑基、理论核心、实践落地、长期提升四个递进阶段，整体遵循从入门到进阶、从理论到实践的成长逻辑，贴合行业通用的工程师能力成长模型。

6.1 各阶段核心内容

基础筑基阶段
以编程语言、数据结构与算法、计算机基础原理为核心，重点夯实编码底层能力。对应到自身学习中，就是巩固 Python、C 语言的语法功底，强化常用数据结构与算法练习，为后续工程化开发打下扎实的代码基础。
理论核心阶段
覆盖软件工程核心原理、设计模式、需求分析、软件架构设计等内容，帮助建立完整的工程化思维。这部分能够让我跳出“只关注代码实现”的局限，理解软件项目从0到1的设计逻辑与方法论。
实践落地阶段
聚焦项目开发全流程、Git 团队协作、单元测试与部署、开发工具链使用等实操技能，强调动手能力与工程规范。这与本次课程的实践目标高度契合，也是我当前需要重点加强的部分。
长期提升阶段
延伸至技术选型、架构设计、行业趋势洞察等高阶能力，面向职业发展做长期规划，帮助建立可持续成长的学习路径。

6.2 总结与后续规划

整体来看，AI 生成的学习指南框架完整、逻辑清晰，能够帮我快速理清软件工程的学习脉络，避免入门阶段的盲目性。但通用指南的针对性不足，后续我会结合自身AI 应用开发的兴趣方向，对内容做个性化调整：在实践阶段重点融入 AI API 调用、大模型应用开发相关的项目练习，在架构阶段关注 AI 应用的工程化设计，让学习路径更贴合自身的职业发展目标。

七、作业总结

本次作业完成了 GitHub 与博客园主页搭建、Flux 模型 API 调用与前后端交互工具开发，系统梳理了个人技能体系与发展规划。通过实践体验了生成式 AI 的落地潜力，也明确了自身的短板与后续学习方向。

图六 : 博客园后台 Markdown 编辑器编辑页面截图

posted @ 2026-09-10 12:21 diahull 阅读(11) 评论(0) 收藏举报

刷新页面返回顶部

diahull