2024年北航敏捷软件工程
[T.18] RedCinnamoroll：Beta 阶段项目总结
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区
| 项目 | 内容 |
|---|---|
| 这个作业属于哪个课程 | 2024年北航敏捷软件工程 |
| 这个作业的要求在哪里 | [T.18] 团队项目：Beta 阶段项目总结 |
| 我们在这个课程的目标是 | 学习敏捷开发的思想，合作开发出一款优秀有趣的软件 |
| 这个作业在哪个具体方面帮助我们实现目标 | 回顾 Beta 阶段，总结与反思 |
设想和目标
我们的软件要解决什么问题？是否定义得很清楚？是否对典型用户和典型场景有清晰的描述？
制作一款Rougelike塔防游戏。是。
我们达到目标了么（原计划的功能做到了几个？ 按照原计划交付时间交付了么？ 原计划达到的用户数量达到了么?)
我们基本完成了原计划开发，但是音乐和美术素材部分被推至Beta阶段。
在Beta阶段完成了组装件效果实现、教程系统、仓库系统、图鉴系统、Buff系统、奖励掉落、数值设计、美工和音乐素材的整理添加等工作。
我们计划中Beta阶段中的用户数量应当达到了。
用户量, 用户对重要功能的接受程度和我们事先的预想一致么? 我们离目标更近了么?
用户对重要功能比较接受，但是提出了
我们离目标更近了。
有什么经验教训? 如果历史重来一遍, 我们会做什么改进?
一定要提前找到/安排负责美工的人员
提前规化工作总量，根据每个成员擅长的工作分配任务。
为用户需求划分提前划分优先级，集中精力完善核心需求。
计划
是否有充足的时间来做计划?
是的
团队在计划阶段是如何解决同事们对于计划的不同意见的？
吵架
及时召开小组会议，对于少数有意见分歧之处，经过组内和谐友善的讨论得到一个解决方案
实际上大部分计划都没有很多不同意见。
你原计划的工作是否最后都做完了? 如果有没做完的，为什么?
- 没能即时解决所有教程系统的bug
有没有发现你做了一些事后看来没必要或没多大价值的事?
- 防御塔初始阶段使用的素材后来遭到废弃
是否每一项任务都有清楚定义和衡量的交付件?
对任务与目标效果有较为清晰的描述
是否项目的整个过程都按照计划进行，项目出了什么意外？有什么风险是当时没有估计到的，为什么没有估计到?
基本按计划进行。
在计划中有没有留下缓冲区，缓冲区有作用么?
留下了缓冲区，但没有发挥作用
将来的计划会做什么修改？（例如：缓冲区的定义，加班）
提早分配美术与音乐素材内容。
我们学到了什么? 如果历史重来一遍, 我们会做什么改进?
应当提前明确列出所有的任务，并及时对工作量进行重新估计
资源
我们有足够的资源来完成各项任务么?
缺少美术与音乐资源
各项任务所需的时间和其他资源是如何估计的，精度如何?
由于对unity项目的不熟悉，我们只能基于其他项目的经验进行估计，部分内容有一定偏差
测试的时间，人力和软件/硬件资源是否足够? 对于那些不需要编程的资源 (美工设计/文案)是否低估难度?
足够。是的，对于美术与音乐完全低估。
你有没有感到你做的事情可以让别人来做（更有效率）?
可能较少有对全局效率有很大提升的。
有什么经验教训? 如果历史重来一遍, 我们会做什么改进?
同上
变更管理
每个相关的员工都及时知道了变更的消息?
是的，我们会在线下与线上微信群等渠道进行通知，对于未确认收到的成员PM会私聊提醒
我们采用了什么办法决定“推迟”和“必须实现”的功能?
考虑游戏系统与玩家需求协商解决
项目的出口条件（Exit Criteria – 什么叫“做好了”）有清晰的定义么?
有
对于可能的变更是否能制定应急计划?
能
员工是否能够有效地处理意料之外的工作请求？
能
我们学到了什么? 如果历史重来一遍, 我们会做什么改进?
我们完成的较好
设计/实现
设计工作在什么时候，由谁来完成的？是合适的时间，合适的人么？
在 Beta 阶段第一周之前由PM完成。是的。
设计工作有没有碰到模棱两可的情况，团队是如何解决的？
存在，与PM交流解决
团队是否运用单元测试（unit test），测试驱动的开发（TDD）、UML, 或者其他工具来帮助设计和实现？这些工具有效么？ 比较项目开始的 UML 文档和现在的状态有什么区别？这些区别如何产生的？是否要更新 UML 文档？
部分功能的逻辑实现使用了UML。
什么功能产生的Bug最多，为什么？在发布之后发现了什么重要的bug? 为什么我们在设计/开发的时候没有想到这些情况?
教程产生了较多的bug，因为后期测试的不完善和得过且过，没有预想到玩家特殊行为的常见性，以及unity对硬件性能的依赖性，使展示效果不够完美
代码复审（Code Review）是如何进行的，是否严格执行了代码规范？
通过 github 的 pull request review 功能完成。
严格执行了代码规范。配置了 CI 对 pr 进行检测。
我们学到了什么? 如果历史重来一遍, 我们会做什么改进?
应当更加明确地写出不同功能的需求
测试/发布
团队是否有一个测试计划？为什么没有？
没有。没有提前为测试进行规划。
是否进行了正式的验收测试？
是的。
团队是否有测试工具来帮助测试？
没有。
很多团队用大量低效率的手动测试，请提出改进计划：至少一个方面的测试要用自动化的测试工具，自动化的测试结果报告，比较测试结果的差异，等等。
使用编写的 debug 功能进行测试场景对搭建。
团队是如何测量并跟踪软件的效能（Performance）的？压力测试（Stress Test）呢？ 从软件实际运行的结果来看，这些测试工作有用么？应该有哪些改进？
由于unity引擎的问题，在电脑电量低时，小游戏中会出现不符合预期的行为。我们在这方面的测试不够完善。
在发布的过程中发现了哪些意外问题？
存在不合预期的实现，进行了临时改动。
我们学到了什么? 如果重来一遍, 我们会做什么改进?
应当提前规划并实施测试
团队的角色，管理，合作
团队的每个角色是如何确定的，是不是人尽其才？
主要由个人意向决定，基本实现人尽其才（我被榨干了 by 某组员）
团队成员之间有互相帮助么？
有。现在就在x
当出现项目管理、合作方面的问题时，团队成员如何解决问题？
主动交流
总结:
你觉得团队目前的状态属于 CMM/CMMI 中的哪个档次?
管理级
你觉得团队目前处于 萌芽/磨合/规范/创造 阶段的哪一个阶段? 你觉得团队在这个里程碑相比前一个里程碑有什么改进?
创造阶段
你觉得目前最需要改进的一个方面是什么?
需要提高组会效率
对照敏捷开发的原则, 你觉得你们小组做得最好的是哪几个原则? 请列出具体的事例。
- 不断的交付可用的软件。我们不断迭代并将模块添加至软件中，每阶段均是可用的。
- 可工作软件是衡量进度首要标准。我们根据各功能模块的完成情况来衡量进度。
正如我们前面提到的， 软件的质量 = 程序的质量 + 软件工程的质量，那团队在下一阶段应该如何提高软件工程的质量呢？
代码管理的质量具体应该如何提高？ 代码复审和代码规范的质量应该如何提高？
完善提交规范
项目管理有哪些具体的提高？
明确进度，规范文档。
项目跟踪用户数据方面，计划要提高什么地方？例如你们是如何知道每日/周活跃用户等数据的？
提升用户群的作用。
项目文档的质量如何提高？
理清文档结构，简洁规范。
对于人的领导和管理， 有什么具体可以改进的地方？ 请看《构建之法》关于PM、绩效考核的章节， 或者 《人件》等参考书
提高交流
相关推荐
风储VSG-基于虚拟同步发电机的风储并网系统Simulink仿真
内容概要：本文介绍了“Plecs全桥LLC谐振变换器仿真模型”这一技术资源，聚焦于隔离型全桥LLC谐振变换器的建模、仿真与参数设计，涵盖其在电力电子系统中的关键应用，如软启动、闭环控制、变频控制及效率优化等。该模型支持对LLC变换器在不同工作模式下的动态响应与性能表现进行深入研究，适用于探究谐振拓扑结构、磁性元件设计、谐振参数匹配以及先进控制策略的科研与工程实践。同时，文档配套提供了仿真模型、设计报告与计算书等完整资料，强化了其实用性与教学价值。; 适合人群：具备电力电子、自动化或电气工程等相关专业背景，从事电力电子变换器研发、系统仿真与控制算法设计的科研人员、工程师及研究生。; 使用场景及目标：①用于全桥LLC谐振变换器的建模、仿真与动态性能分析；②支持对软启动过程、闭环稳压控制、变频调谐及效率优化等核心技术的研究与教学；③为电力电子电源系统的工程设计、参数优化与控制策略验证提供高精度仿真平台。; 阅读建议：建议结合Plecs或Simulink等仿真工具进行动手实践，重点理解电路拓扑构建、谐振参数计算、控制器设计与系统稳定性分析，并配合文档中的设计报告与计算书，系统掌握从理论到仿真的完整流程。
国央企创新负责人如何通过平台实现科技创新资源的系统集成与高效配置？.docx
科易网基于AI模型+行业大数据，在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，推出科技创新领域的AI+工具与数智化解决方案，推动科技创新与产业创新智能化发展。
AltiumDesigner.zip
AltiumDesigner.zip
独立储能的现货电能量与调频辅助服务市场出清协调机制（Matlab代码实现）
内容概要：本文介绍了“Plecs全桥LLC谐振变换器仿真模型”这一技术资源，聚焦于全桥LLC谐振变换器在电力电子系统中的建模与仿真研究。该资源提供了基于Plecs平台的高精度仿真模型，完整呈现了变换器的主电路拓扑、谐振参数设计、软开关实现机制及变频控制策略，能够有效支持对系统效率、动态响应与稳态性能的深入分析。模型充分体现了LLC谐振变换器在实现零电压开关（ZVS）、降低开关损耗和提升能量转换效率方面的优势，适用于新能源发电、储能系统及高效率电源设计等应用场景。; 适合人群：具备电力电子、自动控制及电路理论基础知识，从事电力电子变换器设计、新能源系统开发或相关领域研究的研究生、高校教师及工程技术人员。; 使用场景及目标：①用于全桥LLC谐振变换器的工作原理教学与参数设计实践；②支撑软开关特性、变频控制策略、效率优化等关键技术的仿真验证与性能评估；③作为科研项目、课程设计或毕业设计中电力电子系统仿真的核心参考模型，促进理论与工程实践的结合。; 阅读建议：建议使用者在掌握LLC谐振变换器基本工作原理的基础上，结合相关电力电子教材与Plecs软件操作指南，通过调整谐振元件参数、负载条件及控制策略进行多工况仿真，深入理解其工作机理与优化方法，并结合实验数据对比验证仿真结果的准确性。
YOLO26算法日历数字识别+训练好的模型+102张数据集+pyqt可视化界面.zip
附训练好的 YOLO 权重与 PyQt 可视化检测界面，页面底部含可视化效果预览，毕设/课设开箱即用。 【数据集概况】 · 检测类别（中文）：[数字(number)] 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 97 个 epoch，最终轮指标： 指标 | 数值 mAP50 | **0.9156** mAP50-95 | 0.7374 Precision | 0.8626 Recall | 0.8381 train/box_loss | 0.8790 train/cls_loss | 0.7499 val/box_loss | 0.7874 val/cls_loss | 0.6025 【训练过程分析】 训练开始后，我注意到前几轮的 loss 下降特别快，这让我有点兴奋，但随着训练的深入，loss 的降幅变得不那么明显了。在训练的第 30 轮左右，val_loss 开始趋于平稳，这让我稍微放心了一些，但同时也感觉压力倍增，因为一旦训练过早平稳，就容易陷入过拟合的泥沼。经过 97 轮的磨炼，最终 mAP50 达到了 0.9156，这让我松了一口气。不过，mAP50-95 仅有 0.7374，和 mAP50 之间有明显的差距，说明模型在低置信度的检测上还需要优化。从 loss 曲线来看，训练过程总体上比较平稳，没有明显的过拟合迹象，但也让人觉得有些枯燥。我心想，要是能早点找到一个陡峭上升的训练曲线该有多好，这样至少能让人心态更积极一些。 随着训练进行到后半段，模型开始逐渐收敛，但这个过程并不是一帆风顺的。在训... 使用场景：毕业设计、课程设计、深度学习入门、工业场景落地验证。
