元始天尊123 - 博客园

2025年12月14日

摘要：软件构造大作业——基于提示词约束的故事插图生成策略优化一、问题背景在插图生成模块初期实现中，虽然系统能够成功生成图片，但生成结果的风格差异较大，部分图片偏写实、偏抽象，整体视觉效果不统一，与儿童绘本风格存在明显偏差。该问题的根本原因在于文生图模型生成过程缺乏足够的风格约束。二、设计目标本模阅读全文

posted @ 2025-12-14 17:04 元始天尊123 阅读(3) 评论(0) 推荐(0)

软件构造大作业——儿童故事插图生成模块的设计与实现

摘要：软件构造大作业——儿童故事插图生成模块的设计与实现一、模块背景与功能定位在儿童故事管理平台中，故事文本生成完成后，若仅以文字形式呈现，难以满足儿童用户的阅读体验需求。因此，本模块在已有故事生成服务的基础上，引入 AI 文生图能力，实现根据故事内容自动生成插图，并将插图结果与故事数据进行关联存储与阅读全文

posted @ 2025-12-14 17:04 元始天尊123 阅读(2) 评论(0) 推荐(0)

2025年12月10日

《人月神话》读后感02

摘要：《人月神话》读后感《人月神话》这本书宛如软件工程领域的经典指南，它以独特的视角和深刻的洞见，为我在软件项目管理的复杂迷宫中点亮了前行的灯塔。阅读这本书的过程，仿佛是一场与行业先驱的深度对话，让我对软件项目的本质、开发过程中的种种矛盾与挑战以及有效的管理策略有了更为清晰且深刻的理解。书中开篇便以阅读全文

posted @ 2025-12-10 08:24 元始天尊123 阅读(4) 评论(0) 推荐(0)

软件构造大作业——Story 数据模型设计与实现

摘要：软件构造大作业——Story 数据模型设计与实现一、设计背景与目标在儿童故事管理平台中，故事数据是系统的核心资源。无论是故事文本生成、插图生成、语音合成，还是后续的生字学习、跟读练习与家长管理功能，都需要围绕“故事”这一核心对象展开。因此，在系统设计初期，对 Story 数据模型进行合理设计，是阅读全文

posted @ 2025-12-10 08:24 元始天尊123 阅读(6) 评论(0) 推荐(0)

软件构造大作业——AI 生成故事数据处理与持久化实现

摘要：软件构造大作业——AI 生成故事数据处理与持久化实现一、模块背景在儿童故事生成平台中，大语言模型生成的故事内容需要被统一管理和长期保存，以支持插图生成、语音合成、故事管理等功能。如果生成内容未经处理直接写入数据库，极易导致数据异常，进而影响系统稳定性。因此，本模块重点解决 AI 生成内容的结构阅读全文

posted @ 2025-12-10 08:24 元始天尊123 阅读(4) 评论(0) 推荐(0)

软件构造大作业——基于提示词优化的儿童故事生成策略设计

摘要：软件构造大作业——基于提示词优化的儿童故事生成策略设计一、设计背景在儿童故事管理平台的早期实现中，我最初采用了最直接的方式调用大语言模型 API：将用户输入的关键词直接传递给模型，期望模型返回一篇完整故事。然而在实际测试中发现，这种方式存在明显问题，例如故事结构不稳定、内容偏离主题、生成结果风格阅读全文

posted @ 2025-12-10 08:24 元始天尊123 阅读(6) 评论(0) 推荐(0)

软件构造大作业——儿童故事平台数据库结构的演进与多表设计

摘要：软件构造大作业——儿童故事平台数据库结构的演进与多表设计一、设计背景在儿童故事管理平台的早期实现阶段，系统功能相对简单，仅需要支持故事文本的生成与展示。因此，最初采用了单表结构来存储故事相关信息。然而，随着系统逐步引入插图生成、语音合成、高亮朗读等功能，原有的单表设计逐渐暴露出扩展性不足的问题。阅读全文

posted @ 2025-12-10 08:24 元始天尊123 阅读(6) 评论(0) 推荐(0)

2025年12月9日

深度学习--Attention注意力机制

摘要： Attention 一、为什么需要 Attention 在基础 Seq2Seq 模型中，Encoder 会将整个输入序列压缩成一个固定长度的向量，再交给 Decoder 进行生成。这种方式在短序列任务中尚可接受，但在实际应用中，很快会暴露出明显问题：输入句子较长时，信息被严重压缩 Decoder 阅读全文

posted @ 2025-12-09 19:24 元始天尊123 阅读(4) 评论(0) 推荐(0)

序列到序列学习--Seq2Seq

摘要： Seq2Seq 一、为什么需要 Seq2Seq 在前面学习 RNN / LSTM / GRU 时，模型大多解决的是这样一类问题：输入一个序列，输出一个固定结果例如文本分类、情感分析等。但在很多 NLP 任务中，输入和输出都是序列，并且长度不固定，例如：机器翻译文本生成对话系统这类任务无阅读全文

posted @ 2025-12-09 19:24 元始天尊123 阅读(4) 评论(0) 推荐(0)

门控制循环单元--GRU

摘要： GRU 一、为什么要从 LSTM 走向 GRU 在实践了 LSTM 之后，可以明显感受到它在长序列建模上的优势，但同时也会发现一些现实问题：结构较复杂，参数数量较多训练速度相对较慢在一些任务中，效果提升并不总是显著这引出了一个自然的问题：是否可以在保持序列建模能力的同时，简化模型结构？ G 阅读全文

posted @ 2025-12-09 19:24 元始天尊123 阅读(3) 评论(0) 推荐(0)

yuanshitianzun123

公告