软件工程实践第一次作业

2025-09-27 00:02:59 185 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

射频电路设计——射频器件基础本文仅供自己复习使用，请勿转载！射频电路制作方法 MCM工艺 CMOS工艺趋肤效应、深度频率越高趋肤效应越明显高频器件高频电阻绕线的比贴片的多一个电感，是因为绕线的因为是线绕制的，只有有线就会有电感，所以绕线电阻等效模型会比贴片的多一个电感多晶硅电阻模型深线性区MOS电阻高频电阻的频率响应记忆的话就后面的频率特性有点像电容的高频电容作用单层贴片式电容多层贴片式电容 MIM电容 MOM电容由于是并联的，所以总的电容值是单个的直接相加 PN结电容 M. 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”