月下调试人——Day5

[月下调试人]

这个作业属于哪个课程	202501福大-软件工程实践W班
这个作业要求在哪里	α冲刺
团队名称	月下调试人
作业目标	记录冲刺随笔 ，审核与管理功能开发

目录

• 每日工作情况
• 站立式会议
• 燃尽图
• 签入记录

基本信息...

每日工作情况

成员信息	项目进展	后续安排	心得体会
102300431 张宝仁(开发)	实现JWT登录验证与权限控制	完成部署与接口修复，系统正式运行	这次实践让我真正理解了“安全先于功能”的意义
102300428 何振坤(开发)	协助实现JWT登录验证与权限控制	协助完成部署与接口修复，系统正式运行	体验到前端安全的重要性
132302136 韩冰晨(产品设计)	验证前端权限逻辑与访问限制	完善界面细节与演示PPT	安全提示要清晰又不打扰用户
102300435 王盛明(测试员)	执行安全、性能与压力测试	完成最终测试与日志检查	测试过程让AI性能提升了不少，实际体验显著改善
102300424 曾诗皓(AI技术员)	进行AI服务性能与并发测试	收尾工作	以前做 AI 更关注算法，这次第一次真正感受到 “AI 服务化” 必须考虑性能、排队、缓存这些工程问题，这部分其实比模型本身还重要
102300427 黄俊平(AI技术员)	协助进行AI服务性能与并发测试	收尾工作	以前只关注模型准确率，但这次测试让我意识到，用户更在意的是“快”和“稳定”。模型从研究走向实际应用，性能和容错能力同样重要
092300303 池博洋(文档博客)	整理文档与日志	撰写总结报告与展示文稿	AI优化也要像写程序一样考虑并发性能

AI技术员贡献：

曾：主要做了一次 AI 模型在真实数据上的性能测试，包括识别速度、准确率和并发处理能力。
发现高并发时模型响应变慢，于是加入 结果缓存机制：对识别过的奖状图片计算 MD5 哈希，如果相同文件再次上传，直接读取缓存结果，提高效率。
还做了“识别失败重试机制”，避免因为网络波动导致任务停滞。

黄：我的工作重点是 优化 LLM 分类效率和并发调用稳定性：
加入 Redis 缓存，将“识别文本 → 奖项类别”作为键值存下来，避免重复推理，减少了调用时间。
还对模型调用加了“请求排队 + 超时机制”，避免资源被单次请求占满。

站立式会议

燃尽图

签入记录