软件工程第一次作业

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/202601SofwareEngineering
这个作业要求在哪里	https://edu.cnblogs.com/campus/fzu/202601SofwareEngineering/homework/15712
这个作业的目标	1.完成账号注册；2.调用Flux模型实现AI文生图前端交互；3.搭建GitHub个人主页；4.自我技能评估，生成并分析软件工程学习指南
学号	102401434

前期准备工作

- GitHub账号：tw1l1ghtcc，已完善头像、昵称和个人资料。

- 博客园账号：twilduduidis，已完善头像、昵称和个人资料。

- 关注任课老师的博客
- 吴越钟
- 关注助教的博客
- 张明圣
- 王奇蕊

Hugging Face Flux‑RealismLora API 调用实践

一、完整操作步骤记录

1. 注册 HuggingFace 账号并获取密钥
   访问官网 huggingface.co 完成注册，进入个人设置页面生成具备调用权限的User Access Token，保存好 API 密钥，避免直接公开密钥。

2. 申请模型访问权限
   打开模型仓库地址：https://huggingface.co/XLabs‑AI/flux‑RealismLora

，阅读协议并提交访问申请，完成模型权限开通。

3. 本地 Python 环境配置
   在终端执行命令安装项目依赖库，使用gradio快速搭建交互前端界面，huggingface_hub库完成云端模型 API 请求。

pip install gradio huggingface_hub 

4. 编写完整业务代码
   编写 Python 脚本，初始化推理客户端，定义图片生成函数；配置 Gradio 可视化页面，设置正向提示词输入框、负向提示词输入框、图片输出区域，自定义页面标题。

5. 启动本地 Web 服务
   在 PowerShell 终端运行 py app.py，程序成功启动本地服务地址 http://127.0.0.1:7860，打开浏览器访问前端交互页面。

6. 输入提示词并发起生成请求
   页面中填写风景类正向、反向提示词，点击 Submit 按钮向 HuggingFace 云端接口发送请求，等待云端算力完成图像生成。
7. 结果留存与计费查看
   

二、提示词设计思路与迭代修改过程

V1 极简初始提示词

mountain lake at sunrise

问题：描述过于简单，缺少画质、光影关键词，生成画面质感差，偏向插画风格，没有写实照片效果。

V2 优化画质描述版本

• 正向提示词：photorealistic mountain lake at sunrise, natural sunlight, DSLR photo, ultra realistic
• 负面提示词：blurry, cartoon, painting, ugly, low quality

优化方向：

• 增加关键词 photorealistic、DSLR photo，告诉模型输出单反实拍的写实风格；
• 补充光影关键词 natural sunlight，控制日出湖面的自然光氛围；
• 使用负面提示词过滤卡通、油画、模糊、低画质等瑕疵画面；
• 反复测试微调词汇，最终得到画面光影自然、湖面倒影真实的山间日出湖泊实景图。

最终定稿提示词

正向提示词：
photorealistic mountain lake at sunrise, natural sunlight, DSLR photo, ultra realistic

负面提示词：
blurry, cartoon, painting, ugly, low quality

三、完整运行代码

四、API 调用体验与心得

本项目采用云端 API 调用的方式，不需要在本地电脑部署庞大的 Flux 大模型，普通家用电脑就可以完成高清写实图片生成，降低了 AI 绘图的硬件门槛。

Hugging Face 提供计费式推理服务，本次调用产生了一次请求，产生少量费用，使用云端算力需要关注调用成本与额度限制。

提示词工程对最终画面质量起到决定性作用，想要得到贴近真实相机拍摄的照片，除了主体景物描述，还需要补充画质、相机类型、光线相关关键词，搭配负面提示词规避畸形失真的画面。

使用 Gradio 仅用少量 Python 代码，就快速完成了一个具备输入、交互、展示功能的 Web 前端页面，直观体验了后端 AI 大模型服务 + 前端交互界面的软件工程开发模式。

这次实践让我理解了现代 AI 产品的基础架构：将大模型封装成远程 API 接口，开发者只需要编写前端交互程序去调用接口，这种服务化的开发思路是软件工程里很重要的开发思想。

GitHub个人主页搭建

• 个人资料页：tw1l1ghtcc

个人技术梳理｜软件工程课程随笔

一、个人技能树梳理与自我评估

✅ 已具备的专业知识与能力

1. 编程语言：掌握 C/C++ 基础语法，熟悉面向过程编程的基本逻辑。
2. 数据结构与算法：了解基础的数据结构，能够实现链表、栈、队列以及简单的排序、查找类算法习题。
3. 版本控制工具：熟悉 Git 的基础操作，可以完成代码提交、拉取、切换分支等基础的版本管理工作。

🎯 感兴趣的技术方向

1. 后端开发：想要学习服务端开发相关知识，了解接口设计、服务部署等后端工程内容。
2. 大模型应用开发：对大模型工程落地、AI 应用开发方向比较感兴趣，希望后续可以结合后端能力实现 AI 相关项目。

❌ 当前欠缺的能力

1. 实战项目经验不足：没有完整规范的软件项目开发经历，不熟悉项目架构设计与模块划分。
2. 代码积累不足：日常代码大多是课堂练习题，缺少大型工程化项目的编码实践。
3. 软件工程规范薄弱：不熟悉需求文档撰写、单元测试、敏捷开发、团队协作整套工程开发流程。

二、代码量现状与本学期目标

1. 当前代码量：没有进行精确统计，现有代码以课堂作业和算法练习题为主。
2. 本学期目标：通过软件工程课程的项目实践，新增高质量工程代码约 5000 行，注重代码模块化、规范化编写。

三、课程期待学习的知识与收获

我希望在软件工程课程中系统学习完整的软件开发流程，掌握从需求分析、概要设计、详细设计，到编码实现、软件测试、项目交付的整套工程化思想。
同时熟练掌握团队协作开发模式，学会编写标准化项目文档，完成小组实战项目。
不只是单纯增加代码行数，更重要的是建立工程化开发思维，摆脱零散刷题式的编程习惯，为之后从事后端以及大模型应用开发打好实践基础。

个人技术梳理｜软件工程课程随笔

一、个人技能树梳理与自我评估

✅ 已具备的专业知识与能力

1. 编程语言：掌握 C/C++ 基础语法，熟悉面向过程编程的基本逻辑。
2. 数据结构与算法：了解基础的数据结构，能够实现链表、栈、队列以及简单的排序、查找类算法习题。
3. 版本控制工具：熟悉 Git 的基础操作，可以完成代码提交、拉取、切换分支等基础的版本管理工作。

🎯 感兴趣的技术方向

1. 后端开发：想要学习服务端开发相关知识，了解接口设计、服务部署等后端工程内容。
2. 大模型应用开发：对大模型工程落地、AI 应用开发方向比较感兴趣，希望后续可以结合后端能力实现 AI 相关项目。

❌ 当前欠缺的能力

1. 实战项目经验不足：没有完整规范的软件项目开发经历，不熟悉项目架构设计与模块划分。
2. 代码积累不足：日常代码大多是课堂练习题，缺少大型工程化项目的编码实践。
3. 软件工程规范薄弱：不熟悉需求文档撰写、单元测试、敏捷开发、团队协作整套工程开发流程。

二、代码量现状与本学期目标

1. 当前代码量：没有进行精确统计，现有代码以课堂作业和算法练习题为主。
2. 本学期目标：通过软件工程课程的项目实践，新增高质量工程代码约 5000 行，注重代码模块化、规范化编写。

三、课程期待学习的知识与收获

我希望在软件工程课程中系统学习完整的软件开发流程，掌握从需求分析、概要设计、详细设计，到编码实现、软件测试、项目交付的整套工程化思想。
同时熟练掌握团队协作开发模式，学会编写标准化项目文档，完成小组实战项目。
不只是单纯增加代码行数，更重要的是建立工程化开发思维，摆脱零散刷题式的编程习惯，为之后从事后端以及大模型应用开发打好实践基础。

四、使用DeepSeek生成的软件工程课程简易学习指南

我选用 DeepSeek 作为AI工具，向它下达指令：帮我写一份面向大三计算机学生的简要软件工程课程学习指南
以下为AI生成原文：

软件工程课程简易学习指南

1. 课前预习：提前了解软件生命周期、瀑布模型、敏捷开发等基础概念，带着问题听课。
2. 课堂学习重点：重点掌握需求分析、UML绘图、软件架构设计、软件测试、项目管理五大核心模块，做好课堂笔记。
3. 工具实操练习：熟练使用Git完成团队代码管理；学习使用绘图工具绘制用例图、类图；尝试简单的单元测试编写。
4. 小组项目实践：积极参与分工，分别体验需求撰写、设计编码、测试交付完整流程，重视项目文档而不只是写代码。
5. 课后复盘总结：每次作业和小组迭代结束后反思问题，规范代码风格，积累工程化经验，逐步提升项目实战能力。
6. 拓展学习：课后可以了解后端开发、AI应用项目的工程落地方式，把软件工程方法应用到自己感兴趣的技术方向上。

五、对AI生成指南的合理性分析与个人收获判断

1. 合理性评价

这份学习指南整体逻辑合理，覆盖了软件工程课程最核心的学习环节：课前预习、课堂重点、工具实操、小组项目、复盘总结、课外拓展。
优点在于没有只强调写代码，把文档、UML画图、版本控制、团队分工、测试这些我薄弱的工程能力列为重点，并且最后建议结合后端、AI大模型方向拓展，贴合我个人的技术兴趣。
不足之处在于内容比较宽泛，缺少具体的实操步骤，没有给出作业时间规划、文档模板、练习案例，只能作为一个宏观的学习框架，不能替代课堂教学与老师的指导。

2. 对我个人的实际帮助

对我而言这份指南具备很强的参考价值：

• 提醒我不能只关注编码，重视项目文档与流程规范，弥补我工程经验不足的短板；
• 明确了小组项目中各个环节的意义，帮助我更好完成本学期5000行高质量代码的目标；
• 引导我把软件工程这套开发思维运用到后续后端、大模型应用的开发学习当中。
  之后我可以以这份指南作为学习大纲，配合课堂内容一步步完成课程实践。

小结

经过本次自我评估，我清楚自身拥有基础的编程与算法功底，短板集中在真实项目实战能力上。软件工程课程刚好可以弥补工程实践方面的缺陷。借助AI生成的学习指南作为辅助规划，我会认真完成课程任务与小组项目，达成本学期代码量目标，全面提升软件开发综合能力。

编辑后台截图