哈基米队——冲刺总结随笔

[哈基米队]

这个作业属于哪个课程	2501_CS_SE_FZU
这个作业要求在哪里	团队作业——站立式会议+α冲刺
这个作业的目标	冲刺总结和人员分工、对下阶段展望
其他参考文献	无

---

目录

• 1.项目预期计划
• 2.项目进程
• 3.各成员
• 3.1 收获和心得体会
• 102300416郑哲傲
• 102300417胡致兴
• 102300418陈周发
• 102300419黄贵
• 102300420林少杰
• 102300421郑栋文
• 102300422吴坚铭
• 102300423骆泽权
• 102300429林哲兴
• 3.2 组员分工协作情况与工作量
• 4.对下阶段展望
• 5.AI技术员在整个冲刺过程中的表现、贡献，下一阶段如何更好地利用AI
• 5.1 AI 技术员在冲刺过程中的表现分析
• 5.2 AI 技术员的贡献总结
• 5.3下一阶段更好利用 AI 的展望

1.项目预期计划

日期	预计计划
第1天	完成系统技术架构的基础搭建，打通前后端与数据库的连接，为后续功能开发铺路。
第2天	完成管理员侧的核心功能（登录、商品管理、用户管理），支撑平台的基础运营能力。
第3天	完成学生侧的核心交易功能（商品发布、查询、订单、收藏、个人中心），覆盖用户日常交易场景。
第4天	完善消息通知与订单管理功能，提升用户交易体验与平台运营效率。
第5天	补充边缘功能（商品下架、交易记录、个人资料），并执行全链路测试，保障系统稳定性。
第6天	完成文档整理、bug 修复与部署准备，保障系统可交付、可维护。

2.项目进程

3.各成员

3.1 收获和心得体会

102300416郑哲傲

收获：从搭建 SpringBoot 项目起步，逐步掌握了实体类定义、全局异常处理、各类业务接口（登录注册、商品、订单、消息等）的开发流程，对接口测试、异常处理和全量接口整合有了深入实践，尤其在消息时间排序逻辑和商品下架接口开发中，提升了高并发场景下的功能设计能力。
心得体会：核心功能开发需充分考虑场景复杂度，提前预判性能瓶颈（如消息排序在高并发下的优化）；接口文档和测试是保障功能稳定的关键，全量接口测试能有效暴露隐藏问题。

102300417胡致兴

收获：在用户 / 商品管理 SQL、订单收藏管理 SQL、数据统计 SQL 等编写中，掌握了 SQL 性能优化技巧，通过对比优化前后耗时，提升了数据库性能调优能力。
心得体会：数据库操作需充分考虑数据规模，针对不同量级数据设计对应操作策略；数据统计功能需提前规划表设计，合理的表结构和索引能大幅提升统计效率。

102300418陈周发

收获：开发了管理员订单、商品管理、个人资料维护等页面，熟练了前端路由、组件结构设计和公共组件编写，在代码注释整理和交互 bug 修复中提升了前端工程化能力。
心得体会：前端页面的交互逻辑要与后端严格对齐，完善的代码注释是后期维护的重要保障；交互 bug 排查需注重操作场景还原，清晰记录复现步骤能大幅提升修复效率。

102300419黄贵

收获：从 Vue 项目搭建开始，完成了登录注册、消息、商品详情、首页等多个页面的开发，掌握了页面原型设计、全局样式编写、Axios 配置及前后端联调，在响应式适配和页面 UI 细节优化上积累了经验。
收获：前端页面开发需关注多终端兼容性和用户体验细节，全流程联调能暴露很多集成问题，前期接口定义需明确交互细节；响应式适配要覆盖多浏览器、多设备场景，视觉效果与性能需平衡。

102300420林少杰

收获：完成了数据库表结构设计、建表 SQL 编写、索引设计与优化、各类业务 SQL（消息、订单、商品等）的编写与性能测试，在数据备份策略和数据库文档整理上积累了经验。
心得体会：数据库 SQL 开发需结合实际业务查询场景，合理的索引设计和 SQL 优化能大幅提升性能；数据库文档需实时同步库表结构变更，为后续维护提供可靠参考。

102300421郑栋文

收获：负责了数据库安装、测试数据插入、数据备份与恢复测试、数据库安全测试及最终数据备份，在监控数据库运行状态和生成数据维护文档中，提升了数据库运维能力。
心得体会：数据库运维需平衡业务可用性和数据安全性，合理的备份策略和监控机制是保障系统稳定的基础；数据备份需结合业务低峰期规划时间窗口，数据维护文档要突出实操性。

102300422吴坚铭

收获：完成了管理员订单、商品、用户管理等核心接口的开发，熟练掌握了与 Mapper 层、Dao 层的对接，对权限校验逻辑和业务流程梳理有了扎实经验，在接口联调中解决了字段映射异常等问题。
心得体会：接口与数据层对接前需细致校验字段映射关系，避免因不匹配导致功能异常；业务流程梳理要全面，权限校验需覆盖多角色场景，才能保障接口的安全性和稳定性。

102300423骆泽权

收获：参与了用户管理页面开发、全流程联调及前端功能测试，在修复联调问题和页面 bug 过程中，增强了前后端协作和问题排查能力，同时在系统整体验收测试中对系统整体功能有了全面认知。
心得体会：全流程联调能暴露很多集成问题，需明确接口交互的协议和时序；系统验收需模拟真实生产场景，提前暴露潜在问题，保障系统交付质量。

102300429林哲兴

收获：在数据库连接池配置、Spring Security 认证、集成测试、接口文档整理和后端部署文档生成等工作中，提升了项目配置、测试和运维相关的技能，对系统整体整合和异常处理有了全局认知。
心得体会：项目整合阶段异常处理的全面性直接影响系统稳定性，要尽可能覆盖各类业务和技术异常场景；文档维护是项目交付和后续运维的重要保障，需重视流程规范性。

3.2 组员分工协作情况与工作量

学号	姓名	分工情况	贡献度
102300416	郑哲傲	负责后端核心接口开发，包括消息接口（时间排序逻辑）、商品下架与售出 / 购买记录查询接口，还参与接口文档整理、遗留 bug 修复及全量接口回归测试等工作。	11.1%
102300417	胡致兴	负责订单删除 SQL、数据统计 SQL、用户 / 商品管理 SQL 的编写与性能测试，执行数据库性能最终测试。	11.1%
102300418	陈周发	开发管理员订单管理页面、商品管理页面、个人资料维护页面，整理前端代码注释，修复最终交互 bug。	11.1%
102300419	黄贵	负责前端页面开发，涵盖消息页面、学生商品下架与售出 / 购买记录页面、前端首页与商品详情页，同时优化页面 UI 细节确保响应式适配。	11.1%
102300420	林少杰	主要进行 SQL 编写与优化，包括消息管理 SQL、商品订单查询 SQL、个人资料 / 商品下架关联 SQL 的优化，同时整理数据库文档。	11.1%
102300421	郑栋文	承担数据库备份（测试数据、最终数据）、数据库安全测试、监控联调期间数据库异常，生成数据维护文档。	11.1%
102300422	吴坚铭	专注于管理员相关接口开发，如管理员订单管理接口、商品管理接口、用户管理接口，同时完善个人资料维护接口并补充权限校验，协助前端联调最终问题。	11.1%
102300423	骆泽权	参与全流程联调修复联调问题，执行前端功能测试修复页面 bug，生成前端部署文档并协助系统整体验收测试。	11.1%
102300429	林哲兴	承担项目基础配置（Druid 连接池、Spring Security 登录认证）、集成测试执行，以及后端部署文档生成、全量接口整合与异常处理补充等任务。	11.1%

4.对下阶段展望

公共服务器部署：将项目打包部署至云服务器（如阿里云、腾讯云），搭建适配的运行环境（JDK、MySQL、Nginx 等），配置安全组与 HTTPS，实现全校园用户在线访问、数据实时同步。
时区统一校准：将系统全局时区同步调整，同步修正数据库存储、后端接口返回、前端页面展示的时间字段，解决支付记录、留言交互的 8 小时时差问题。
补全用户聊天功能：开发一对一实时聊天界面，支持文字、表情发送，留存聊天记录，添加未读消息提醒，实现交易咨询、价格协商的平台内闭环沟通。
多用户并行优化：优化接口缓存（Redis）、数据库索引与连接池，前端采用分页 / 懒加载，解决高峰期页面卡顿、订单提交失败等并发问题，保障多用户同时操作稳定。
引入智能推荐算法：基于用户浏览、收藏、购买行为及商品属性，实现首页个性化商品推荐、详情页关联推荐，提升商品曝光与交易转化率。
管理员界面优化：简化操作流程，优化数据可视化展示（如交易统计图表），调整布局与样式，提升管理效率与视觉体验。
增加修改价格功能：在商品管理页面添加 “修改价格” 按钮，支持卖家编辑商品售价，提交后实时更新前端展示，同步修改数据库数据。

5.AI技术员在整个冲刺过程中的表现、贡献，下一阶段如何更好地利用AI

5.1 AI 技术员在冲刺过程中的表现分析

在本次 α 冲刺的测试工作中，AI 技术员展现出了高效、精准、场景化的辅助能力，成为测试流程中的 “智能引擎”。
从功能落地看，AI 技术员能够快速理解业务需求（如 “用户发布二手书” 的用户故事），并在测试用例生成、脚本编写、数据构造等环节输出可直接复用的成果；从效率提升看，其将测试用例设计时间缩短约 40%，同时挖掘出 “手机号格式校验缺失”“价格输入负数” 等开发初期易忽略的边界问题，体现了对场景细节的敏锐捕捉力。
不过，AI 技术员在复杂业务逻辑的深度关联测试（如 “用户下单后同时触发库存扣减与消息通知” 的多流程联动）中，仍需人工进一步校验与补充，在场景的 “业务关联性” 理解上与人工存在一定差距。

5.2 AI 技术员的贡献总结

AI 技术员在测试全流程的多个关键节点形成了有效价值输出：
测试用例层：自动生成覆盖正常路径、边界值、异常场景的测试用例，填补了人工对 “极端场景”（如标题超长、未登录操作）的遗漏，使测试覆盖度提升约 30%。
工具协作层：通过自然语言描述即可生成 Postman 接口测试脚本（含预请求逻辑、断言），降低了测试人员的 “工具学习成本”，让非专业测试人员也能快速开展接口验证。
数据支撑层：批量生成符合格式规范的测试用户、商品数据，为压力测试、边界测试提供了充足的 “弹药”，避免了人工造数的重复性工作。
质量优化层：对测试覆盖率低的模块主动提出补充测试分支的建议，推动测试工作从 “被动验证” 向 “主动优化” 转变。

5.3下一阶段更好利用 AI 的展望

为在 β 冲刺及后续阶段最大化 AI 技术员的价值，可从以下维度深化应用：
场景深化：
推动 AI 参与复杂业务流程的自动化测试设计，例如 “用户下单→支付→发货→确认收货” 全链路的测试场景生成，通过输入业务流程图，让 AI 拆解出各环节的测试点与断言逻辑。
工具融合：
实现 AI 与自动化测试工具的深度联动，如让 AI 基于 Playwright 生成 UI 自动化脚本，或结合 JMeter 生成性能测试的并发场景配置，减少人工编写脚本的时间成本。
问题定位：
尝试让 AI 分析测试日志与失败结果，自动关联代码提交记录，定位缺陷产生的原因（如某接口超时是因 SQL 未加索引，还是接口逻辑冗余），提升问题排查效率。
知识沉淀：
将 AI 生成的优质测试用例、脚本、问题分析结论沉淀为团队测试知识库，后续新成员可直接复用，同时让 AI 基于知识库持续迭代优化输出质量。