团队项目第一次作业

团队项目第一次作业

这个作业属于哪个课程	https://edu.cnblogs.com/campus/fzu/202501SoftwareEngineering
这个作业要求在哪里	https://edu.cnblogs.com/campus/fzu/202501SoftwareEngineering/homework/13573
这个作业的目标	通过真实调研理解用户需求，结合智能体构思开发一款软件，并进行答辩、展示，撰写博客
学号	102301209周士豪 102301210郑烨 102301213张祥 102301215张蔡涵 102301218许有幸 102301219许睿宸 102301236林涵 102301237李泽聿 102301239黄明杰 102301241冯德衍 102301242陈溢滨 102301310郑显喆

团队构成与核心优势

我们是一支由12名成员组成的多元技术团队，每位成员都具备独特的技术特长和明确的角色定位，形成了完整的前端-后端-测试-项目管理人才梯队。

成员姓名	技术特长	项目经验	期望角色	个人特色
周士豪	C/C++、Go、Python、MySQL、Redis、Hertz、Muduo、PyTorch	MIT 6.S081 操作系统实验、高性能后端服务	后端架构	深度学习与系统级编程专家
李泽聿	Java、Spring、Redis、MySQL、项目管理	游泳协会官网后端开发与项目管理	后端/项目经理	全栈思维，具备项目统筹能力
冯德衍	Java 后端	-	后端	心态平和，团队协作能力强
张祥	Java 前端	-	前端	踏实肯干，执行力强
郑显喆	C/C++、HTML/CSS/JS、Vue	-	前端/测试	目标导向，坚持不懈
黄明杰	C++、Unity、Web 前端	游戏开发经验	前端/测试	创意丰富，技术全面
林涵	C/C++、数据分析、前端	-	前端	多才多艺，思维活跃
陈溢滨	Java、C++	-	前端/测试	乐观积极，专注力强
许睿宸	基础编程	-	测试	游戏爱好者，细节观察力强
许有幸	C 语言	-	测试	踏实认真，责任心强
郑烨	C/C++、数学	-	测试	逻辑思维强，善于发现问题
张蔡涵	C/C++、神经网络搭建	-	项目经理	技术背景扎实，协调能力强

技术栈全景图

团队技术覆盖全栈开发所需的核心技术栈：

• 后端技术：Java Spring生态、Python FastAPI、Go Hertz框架、C++ Muduo网络库
• 前端技术：微信小程序、Vue、HTML/CSS/JS、Unity
• 数据库与缓存：MySQL、Redis
• AI与算法：PyTorch、神经网络、深度学习
• 系统与架构：操作系统原理、分布式系统、高性能架构

---

项目背景：重新定义旅行规划体验

当前AI工具的局限性

在项目前期调研中，我们发现现有旅游规划工具存在诸多痛点：

1. 信息过载：传统旅游App提供过多冗余信息，用户需要花费大量时间筛选
2. 操作复杂：多步骤操作流程让用户望而却步
3. 个性化不足：推荐算法单一，无法理解用户真实需求
4. 广告干扰：商业化过度影响用户体验

目标用户深度分析

基于问卷调查数据，我们精准定位了核心用户群体：

主要用户（学生群体，占比84.13%）：

• 年龄：18-25岁大学生
• 特征：预算敏感、追求性价比、熟悉数字产品、厌恶复杂操作
• 核心需求：低成本、高个性化、操作简单、零广告干扰

次要用户（年轻上班族，占比7.94%）：

• 特征：时间有限、追求效率、注重体验
• 核心需求：省时省力、可靠推荐、快速规划

产品愿景与差异化优势

TravelMate致力于成为"你的AI旅行搭子"，与传统旅游App形成鲜明对比：

• 对话式交互：像朋友一样通过自然语言沟通旅行需求
• 极简操作：核心功能3步内完成，降低使用门槛
• 零广告体验：纯粹的工具属性，专注用户体验
• 智能记忆：学习用户偏好，提供越来越精准的推荐

---

技术实现：稳健可扩展的架构设计

前端架构设计（微信小程序）

核心界面设计

• 智能对话界面：模仿ChatGPT的交互风格，提供流畅的自然语言对话体验
• 行程看板界面：卡片式设计，支持直观的拖拽排序操作
• 地图集成界面：基于腾讯/百度地图组件，实现景点位置可视化展示

用户体验优化

• 响应式设计：确保在不同设备上的一致体验
• 离线功能：核心行程查看功能支持离线使用
• 渐进式加载：优化大行程数据的加载体验

后端架构设计（Python + FastAPI）

服务模块划分

TravelMate 后端系统
├── 用户管理服务（微信登录、偏好管理）
├── 对话路由服务（请求分发、上下文管理）
├── 智能体核心服务（自然语言理解、行程生成）
├── 行程规划引擎（规则引擎+大模型集成）
├── 数据服务层（本地POI数据库、外部API代理）
└── 地图集成服务（位置服务、路径规划）

核心类设计

class User:
    - openId: String          # 微信用户唯一标识
    - nickname: String        # 用户昵称
    - travelPreferences: JSON # 旅行偏好设置

class Conversation:
    - conversationId: String  # 对话ID
    - userId: String         # 关联用户
    - userMessage: String    # 用户输入
    - agentResponse: String  # 智能体回复
    - timestamp: DateTime    # 时间戳

class Itinerary:
    - itineraryId: String    # 行程ID
    - userId: String        # 所属用户
    - title: String         # 行程标题
    - days: JSON           # 结构化行程数据
    - totalBudget: Double   # 总预算估算

class LocalPoi:
    - poiId: String         # 兴趣点ID
    - name: String          # 名称
    - type: String          # 类型（景点、餐厅、酒店）
    - city: String          # 所在城市
    - estimatedCost: Double # 预估费用
    - tags: JSON           # 标签分类

外部服务集成策略

大语言模型API集成

• 主选方案：DeepSeek API（成本优化）
• 备选方案：GPT-3.5-Turbo（功能丰富）
• 降级策略：模板化回复（API不可用时的保底方案）

地图服务集成

• 腾讯位置服务：国内地图展示
• 百度地图API：备用地图服务
• GPS集成：设备位置信息获取

数据源建设

• 本地POI数据库：从公开数据源爬取构建
• 实时数据更新：定期同步第三方数据源
• 数据质量监控：自动校验数据准确性

---

核心功能详解

智能对话交互模块

FUNC-UA-001 自然对话输入

• 输入：用户文本消息（如"北京三日游，预算1000块"）
• 处理：后端接收文本，拼接提示词调用大模型API
• 输出：智能体文本回复
• 性能要求：5秒内响应
• 技术实现：基于大模型的意图识别和上下文理解

FUNC-UA-002 用户偏好记忆

• 数据存储：User表的travelPreferences字段
• 上下文传递：将偏好信息作为对话上下文传入大模型
• 个性化体现：基于历史偏好优化推荐结果

行程规划与管理模块

FUNC-PA-001 一键生成行程草案

• 输入处理：用户需求+偏好信息+约束条件
• 输出格式：结构化JSON行程数据
• 生成逻辑：基于规则引擎和大模型协同工作
• 示例输出：

{
  "days": [
    {
      "date": "2025-11-01",
      "activities": [
        {"time": "09:00", "poi": "天安门广场", "type": "景点"},
        {"time": "12:00", "poi": "全聚德", "type": "餐饮"}
      ]
    }
  ],
  "totalBudget": 950
}

FUNC-PA-002 手动调整行程

• 交互方式：卡片式拖拽排序
• 替换逻辑：调用"推荐替代景点"API
• 实时同步：前端状态与后端数据实时同步
• 撤销重做：支持操作回退功能

FUNC-PA-003 预算估算

• 计算逻辑：基于LocalPoI表的估算费用累加
• 分类展示：交通、住宿、餐饮、门票等细分
• 动态调整：随行程修改实时更新预算

数据与集成模块

FUNC-DATA-001 本地POI数据库

• 数据来源：公开数据源爬取+人工校验
• 数据结构：标准化POI信息存储
• 更新策略：定期增量更新机制

FUNC-DATA-002 地图集成

• 组件选择：微信小程序地图组件
• 标记交互：点击景点显示详细信息
• 路径规划：基于地理位置优化行程顺序

---

产品特色与创新点

技术创新

1. 混合推荐系统：结合规则引擎与大模型智能，平衡准确性与创造性
2. 渐进式个性化：随着使用频次增加，推荐精准度不断提升
3. 多模态交互：文本对话+可视化操作的无缝衔接

体验创新

1. 零学习成本：对话式交互符合用户自然习惯
2. 情感化设计：AI智能体具备"旅行搭子"的人格化特征
3. 场景化适配：针对学生群体的特殊需求深度优化

商业模式创新

1. 纯工具定位：零广告、零强制商业化
2. 生态集成：通过第三方API构建服务闭环
3. 可持续发展：未来考虑增值服务而非广告变现

---

性能与质量保障

性能指标要求

• 对话响应时间：< 5秒（依赖外部API）
• 行程生成时间：< 10秒
• 界面操作响应：< 1秒
• 地图加载时间：< 3秒

可靠性保障

• 降级策略：核心功能不依赖外部API
• 错误处理：友好的用户提示和重试机制
• 数据备份：定期备份用户行程和偏好数据

安全性设计

• 隐私保护：用户数据加密存储和传输
• 身份验证：基于微信登录的无密码认证
• 权限控制：细粒度的数据访问权限管理

---

项目 roadmap 与里程碑

版本迭代计划

V0.1（2025-10-31）：需求分析与项目规划

• 完成市场需求调研和用户画像构建
• 确定技术栈和架构设计方案
• 编制详细的需求规格说明书

V0.2（2025-11-07）：基础功能实现

• 实现用户与智能体的基础对话功能
• 完成行程草案的生成和展示
• 建立基础的用户管理和数据存储

未来发展规划

短期目标（2026年上半年）

• 用户量达到1万活跃用户
• 覆盖全国主要旅游城市POI数据
• 优化推荐算法的准确性和个性化程度

中长期愿景（2026年底）

• 引入社交功能，支持行程分享
• 扩展国际旅游目的地
• 探索商业化和可持续发展模式

---

团队建设与协作文化

团队愿景

我们致力于打造"技术驱动、用户至上"的团队文化，通过TravelMate项目：

• 为大学生群体提供真正有价值的旅行规划工具
• 探索AI技术在垂直领域的创新应用
• 培养团队成员的全栈开发能力和产品思维

协作理念

1. 敏捷开发：小步快跑，持续迭代
2. 文档驱动：完善的技术文档和协作规范
3. 代码质量：严格的代码审查和自动化测试
4. 开放沟通：定期技术分享和项目复盘

技术成长路径

为每位团队成员设计个性化的成长计划：

• 前端同学：深入微信小程序生态和可视化技术
• 后端同学：掌握高并发架构和AI工程化实践
• 测试同学：学习自动化测试和性能测试方法论
• 项目经理：提升产品思维和团队协作能力

---

结语：开启智能旅行新纪元

TravelMate不仅仅是一个旅行规划工具，更是我们对"AI+旅行"模式的深度思考和实践。我们相信，通过技术的创新和用心的设计，能够为年轻旅行者带来前所未有的规划体验。

在这个项目中，我们汇聚了12位怀揣技术梦想的开发者，每个人都带着对技术的热爱和对产品的执着。从系统架构的设计到交互细节的打磨，从算法优化到用户体验的提升，我们都将倾注全力。

TravelMate——你的AI旅行搭子，让每一次出发都更简单、更智能、更温暖。