软件工程实践第一次作业

2025-09-27 00:02:59 178 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

DaVinci Configurator实战：从DBC导入到通信栈配置全解析本文详细解析了如何使用Vector DaVinci Configurator工具，从导入行业标准DBC文件开始，高效完成AutoSAR通信栈（包括COM、PduR、CanIf等模块）的自动化与精细化配置。文章通过实战步骤，重点阐述了DBC导入、与EB MCAL协同、核心模块参数调整及诊断标定服务集成等关键环节，旨在帮助汽车电子工程师快速掌握这一核心工具，提升开发效率与准确性。阅读详情

这个作业属于哪个课程	2501_CS_SE_FZU
这个作业要求在哪里	软件工程实践第一次作业
这个作业的目标	加入学习社区、学习markdown、构建思维导图
其他参考文献	markdown教程-菜鸟教程、Xmind绘制思维导图教程、《构建之法》

回首过去
问题1 回顾学习 C、C++、Java 的过程，有 AI 辅助，会如何影响编程基础理解？
问题2 回想用 Java+MySQL 开发 “过敏性疾病库” 的早期实践，哪些问题 AI 能快速解决？又能腾出精力关注哪些工程化思考？
问题3 “AI 替代低级程序”对现在学习有何积极影响？
立足当下
展望未来
思维导图和学习路线
思维导图
学习路线

回首过去

问题1 回顾学习 C、C++、Java 的过程，有 AI 辅助，会如何影响编程基础理解？

过度依赖 AI 会减少手动调试、反复修改的 “试错” 过程 —— 当初为解决链表问题，我逐行查指针、学内存管理，才吃透原理；若直接用 AI 代码，可能只 “会用” 不 “懂原理”。因此，AI 应作为 “答疑工具”，学习仍以 “理解原理” 为核心，才能扎实基础。

问题2 回想用 Java+MySQL 开发 “过敏性疾病库” 的早期实践，哪些问题 AI 能快速解决？又能腾出精力关注哪些工程化思考？

开发时曾遇两大问题：一是 “数据库操作代码冗余”，增删改查重复写 JDBC 连接，还易因 SQL 拼写出错；二是 “界面与业务逻辑耦合”，Swing 界面代码与数据库逻辑混写，修改界面易影响业务。
AI 可生成 JDBC 工具类封装重复操作，或按 “分层设计” 拆分代码为 View、Service、DAO 层，快速解决上述问题。腾出精力后，能聚焦更有价值的思考：如优化数据库表结构（关联设计、加索引）、处理异常（数据库连接失败提示）、提升可维护性（写注释、定规范）—— 这些正是工程化思维的核心，过去却因基础问题被忽略。

问题3 “AI 替代低级程序”对现在学习有何积极影响？

这种调整对现在的积极影响有二：一是减少 “无效学习”，不浪费时间在 AI 可替代的低级技巧上，聚焦工程化思维、复杂问题解决；二是更早建立 “系统全局观”，在开发各类“系统”时，主动设计表关联、并发控制，而非仅实现基础功能，能更快适应软件工程学习节奏。

立足当下

当下主流的 AI 编程工具（如 ChatGPT Code Interpreter、豆包等），已能熟练完成重复性高、逻辑标准化、需求明确的低级程序开发任务，但需注意，AI 完成这些任务的前提是 “需求清晰、逻辑单一、无复杂场景关联”，一旦涉及 “需求模糊、多系统交互、高风险决策”，AI 的局限性便会凸显 —— 它无法像人类一样理解业务背后的用户价值，也无法预判代码在复杂系统中的潜在风险（如数据一致性、高并发稳定性）。
AI 对低级程序的替代，并非 “淘汰程序员”，而是推动行业对程序员的能力要求从 “代码实现者” 升级为 “技术决策者、系统构建者、业务赋能者”。

展望未来

我们无需因 “AI 替代低级程序” 焦虑，反而可借助 AI 提升基础效率，将更多精力投入高精尖能力的培养，具体可分三步规划：
1.基础阶段：用 AI 辅助基础实践，聚焦 “工程化思维” 培养
2.进阶阶段（6-12 个月）：学习 “复杂系统相关技术”，尝试解决 “AI 无法处理的问题”
3.提升阶段（1-2 年）：结合行业趋势，聚焦 “业务理解与技术创新”