小衣酱——Beta冲刺总结随笔

[小衣酱]

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——Beta冲刺
团队名称	小衣酱
这个作业的目标	Beta冲刺总结随笔
其他参考文献	无

目录

• 一、任务完成情况
• 1、完善任务
• 客户端（完善）
• Web管理端（完善）
• 后端（完善）
• AI（完善）
• 2、新增任务
• 客户端（新增）
• Web管理端（新增）
• 后端（新增）
• 二、改进计划完成情况
• 1. 团队分工改进情况
• 2. 工具流程的改进
• 3. 算法优化改进
• 三、项目成果
• 1. 项目链接
• 2. 项目展示
• 2.1 用户端
• 2.1.1欢迎功能
• 2.1.2注册和登录功能
• 2.1.3每日推荐功能
• 2.1.4查看推荐商品详情功能
• 2.1.5上传衣物功能
• 2.1.6虚拟衣橱功能
• 2.1.7从衣橱推荐穿搭功能
• 2.1.8智能推荐功能
• 2.1.9浏览社区笔记功能
• 2.1.10发布笔记功能
• 2.1.11查看和修改个人相关信息功能
• 2.2 Web端
• 2.2.1 登录功能
• 2.2.2 首页查看详细数据概览功能
• 2.2.3用户管理功能
• 2.2.4内容管理功能
• 2.2.5商品管理功能
• 2.2.6个人中心功能
• 四、心得体会
• 五.AI技术员在本次作业起到的作用
• 六、成员贡献度

一、任务完成情况

1、完善任务

客户端（完善）

任务项	完成情况
优化欢迎界面的跳转逻辑	完成
优化首页介绍的文字排版	完成
优化底部导航栏图标	完成
优化衣橱界面的背景颜色	完成
优化查看商品详情的点击方式	完成

Web管理端（完善）

任务项	完成情况
通过用户昵称和注册时间范围筛选用户的逻辑有问题	完成
商品信息的显示不完整	完成

后端（完善）

任务项	完成情况
头像显示问题需要处理	完成
对于部分接口返回的错误信息进行优化	完成
拍照和文件上传的功能需要完善	均以从相册中上传图片的形式实现

AI（完善）

任务项	完成情况
穿搭功能的性能需要优化	已尽力
通过文本智能推荐穿搭有男女混搭问题需要处理	完成

---

2、新增任务

客户端（新增）

任务项	完成情况
客户端的衣物删除功能	完成
客户端的查看推荐记录功能	完成

Web管理端（新增）

任务项	完成情况
管理端的商品数据分析功能	完成
登录界面前的加载动画	完成
登录界面的动态背景	完成
管理员的头像显示	完成
查看详情时的跳转交互	完成

后端（新增）

任务项	完成情况
智能推荐历史记录列表接口	完成
智能推荐历史记录详情接口	完成
查看历史记录的商品详情接口	完成
推荐历史记录数据库设计	完成

二、改进计划完成情况

1. 团队分工改进情况

人员变更：在Beta冲刺阶段，我们团队经过充分讨论，一致决定维持现有团队构成，然后新成员顶替交换出去的那名组员的工作。这一决策是基于我们在Alpha阶段所建立的稳定的合作氛围，团队成员的职责与角色均已明确且运作良好，无需变动。

任务分配：当前的工作重心已从前期大规模的功能开发，转向以“对接处理、测试反馈、循环优化”为核心的迭代完善阶段。首先·是对接与问题收集，部分成员负责与用户或其他模块进行对接，清晰、准确地收集和记录使用反馈与新发现的缺陷；然后是测试与问题定位：团队成员基于收集到的问题，进行针对性的测试，精准定位Bug方便修改。最后进行修复与优化：开发成员根据定位结果，快速实施修复方案，并进行局部优化。修复后的版本立即进入新一轮的测试循环，确保问题被彻底解决且未引入新的隐患。该形式的任务分配延续了我们团队一直以来的明确分工与高效协作，确保了我们能够系统化、高频率地对产品进行查缺补漏，从而持续提升代码的健壮性与产品的用户体验。

2. 工具流程的改进

测试工具：

• 前端测试：在目前以人工测试为主的基础上，我们通过【腾讯文档】修改建议，建立了高效的协同机制，确保所有UI问题、交互逻辑漏洞和兼容性问题都能被系统性地收集和追踪。

• 后端测试：我们强化了接口的质量验证。不仅使用Apifox进行全面的接口回归测试、异常场景（如参数边界、错误数据）覆盖，更协同使用JMeter对所有接口执行了全量压力与性能测试。这套组合拳确保了后端接口在功能正确性、稳定性和性能表现上均达到交付标准。

3. 算法优化改进

• 我们的智能穿搭推荐系统经历了从简单关键词匹配到多模态智能决策的完整演进过程，形成了五个显著的优化阶段：

  1.0阶段：基础关键词匹配
  系统最初作为简单的关键词转发器，通过分词算法提取用户描述中的服饰词汇，直接拼接成搜索词调用淘宝联盟接口，按销量排序返回结果。这种方式完全忽略了穿搭的组合特性，各品类独立召回导致风格割裂，无法满足用户的整体搭配需求。

  2.0阶段：引入大模型语义理解
  在2.0阶段引入豆包大模型作为"虚拟造型师"，将用户自然语言请求转化为结构化的搭配模板。模型按人体部位划分品类，结合年龄、性别信息生成符合身份审美的关键词组合，首次具备"全身搭配"意识。但大模型生成的理想化关键词在真实电商环境中存在缺货问题，难以组成可落地的完整搭配。

  3.0阶段：构建三阶段架构
  建立"生成-召回-匹配"的三阶段架构：大模型输出多套搭配方案；并行调用淘宝接口获取真实商品候选集；通过词匹配算法计算商品与模板关键词的匹配度。此阶段确保推荐结果可购买，但机械匹配无法理解整体风格，且商品标题噪音导致性别、类别误判。

  4.0阶段：引入二次决策机制
  关键突破在于类目筛选和AI二次决策：利用淘宝商品类目在召回阶段进行筛选，减少误判；将各品类候选集连同用户意图、风格偏好等上下文再次输入大模型，要求从真实商品池中挑选风格最统一、视觉最协调的完整搭配。同时修复商品跳转链接问题，确保用户顺利完成转化。

  5.0阶段：融合视觉感知能力
  系统进一步融合视觉分析能力，实现"所见即所荐"。在商品召回后，利用商品主图进行AI图像分析，提取颜色分布、图案类型、服装廓形等视觉属性，结合用户原始需求和AI生成模板进行风格适合度评估。这些视觉特征和评价文本结构化编码后注入第二轮AI决策，显著降低"文字描述一致但实际风格冲突"的误配率，让推荐结果从"逻辑合理"迈向"视觉可信"。

三、项目成果

1. 项目链接

• 用户端

  用户端apk地址

• Web管理端

  管理端的账号密码写联系组长张伟健（qq: 2820732337)

  Web管理端链接

2. 项目展示

2.1 用户端

2.1.1欢迎功能

显示应用欢迎界面，包含粒子汇聚动画和图标生成动画，自动跳转到登录页面

2.1.2注册和登录功能

新用户进行注册，曾用户直接输入正确密码和手机号进行登录，还可以选择记住手机号和密码，下次登陆就不需要再次输入

2.1.3每日推荐功能

可以选择地区，按照选择的地区温度给出每日推荐的衣物，每5秒更新一次

2.1.4查看推荐商品详情功能

点击详情可以查看推荐商品的详情，包括图片、价格、描述等，可以复制链接，还可以直接打开链接，会跳转到浏览器或购物软件进行查看

2.1.5上传衣物功能

可以通过拍照和相册上传衣物，系统会自动识别衣物信息（名称、类别、颜色、季节等），但是目前都是从相册进行上传，选择衣物类型后即可开始上传，上传的衣物会自动添加到虚拟衣橱中

2.1.6虚拟衣橱功能

在虚拟衣橱中可以查看用户自行上传的所有衣物，还可以对衣物进行管理（删除衣物），点击衣物可以查看衣物的详细信息

2.1.7从衣橱推荐穿搭功能

会从用户衣橱中有的衣物进行穿搭推荐，还会给出推荐原因

2.1.8智能推荐功能

根据用户的需求、年龄和性别，智能推荐适合的穿搭

2.1.9浏览社区笔记功能

浏览社区笔记列表，查看其他用户分享的穿搭笔记，对笔记进行点赞、收藏、评论，还可以关注该作者，还有搜索笔记功能

2.1.10发布笔记功能

用户可以发布自己的笔记，包括标题、内容、封面图片、分类和标签，需等待审核通过

后续项目结果展示因视频到达上限，只能展示图片了

2.1.11查看和修改个人相关信息功能

用户可以设置和管理个人身材数据（身高、体重等）；用户可以查看和编辑个人信息（昵称、头像、性别、年龄等）；用户可以查看自己发布的笔记和收藏的笔记，以及推荐历史，修改登录密码，还可以选择退出登录

2.2 Web端

2.2.1 登录功能

实现登录界面前的加载动画和动态背景，管理员通过输入正确的密码和账号进行登录，若输入不规范会给出相应提示，支持"记住账号"功能，下次访问时自动填充账号，点击"忘记密码"会显示"请联系管理员重置"的提示信息，登录成功后自动跳转到首页（仪表盘）

2.2.2 首页查看详细数据概览功能

管理员可以查看日活跃用户、新增用户、内容发布量、商品总数这些数据的详细分析，包括摘要指标、7日内数据趋势、活跃时段分布，商品信息部分有分类分布和热门商品列表

2.2.3用户管理功能

• 管理员可以查看所有用户信息（全部、正常、封禁、冻结）

• 管理员可以查看用户详细信息（基础信息、衣橱、发布内容）

• 管理员可以封禁、删除和解除封禁用户

• 管理员可以根据用户名和注册时间筛选用户

• 支持分页显示，每页可显示10、20、50、100条记录

2.2.4内容管理功能

• 管理员可以查看笔记审核列表（全部、待审核、已通过、未通过）

• 管理员可以查看笔记的详细内容决定是否通过审核

• 管理员可以设置笔记的推流量级别

2.2.5商品管理功能

• 管理员可以查看商品列表和商品的详细信息

• 管理员可以按照商品名称、商品种类和价格范围进行筛选，还可以按照点击量进行商品排序

2.2.6个人中心功能

• 管理员可以查看个人信息以及更换头像，还能修改密码，密码修改成功后需要重新登录

• 管理员可以退出登录

四、心得体会

• 102300412林晨宇
  在本次项目开发中，我主要负责客户端前端的界面优化与交互逻辑完善，同时承担了最终成果展示的PPT制作工作。通过优化欢迎界面跳转逻辑、首页文字排版和衣橱背景颜色等任务，我深入理解了用户体验设计在实际开发中的关键作用。在调整底部导航栏图标和商品详情点击方式的过程中，我掌握了组件化设计的思维，学会了如何通过细节优化提升整体交互流畅度。同时，PPT制作任务让我学会了如何将技术成果转化为直观的视觉展示，锻炼了我的项目汇报与表达能力。这次经历让我认识到，前端开发不仅是代码实现，更是连接用户与产品的桥梁，每一个细节都关乎用户体验。

• 102300404胡跃
  通过参与Web管理端的开发工作，我深刻体会到理论学习与实践应用的差距。在解决用户筛选逻辑和商品信息显示问题时，我深入理解了Vue框架的响应式原理和组件生命周期。特别是在实现数据分析功能时，我学习了ECharts等可视化库的应用，掌握了数据图表的设计与实现技巧。开发登录动画和动态背景的过程中，我探索了CSS3动画与JavaScript的结合使用，增强了界面交互的视觉效果。这次项目让我认识到，前端开发需要不断学习新技术，同时要注重代码的可维护性和可扩展性。

• 102300415张伟健
  在负责后端开发和代码规范管理的过程中，我全面参与了系统架构的设计与优化。通过设计推荐历史记录模块的数据库结构和接口，我掌握了系统功能扩展的设计思路。在处理头像显示和错误信息优化时，我深入理解了异常处理机制和文件上传的最佳实践。制定团队代码规范让我认识到标准化开发的重要性，通过代码审查和规范执行，我们显著提升了代码质量和团队协作效率。这次经历让我从单纯的代码编写者成长为具备系统思维和团队管理能力的开发者。

• 102300413林俊辉
  本次项目中我专注于后端接口的优化与功能完善。通过解决头像显示问题，我深入研究了文件存储和访问权限的控制机制。在优化错误信息返回时，我学会了如何设计友好的API响应格式，提升前后端协作效率。实现拍照和文件上传功能让我掌握了多媒体数据处理的技术要点。与前端团队的密切配合让我理解了接口设计的重要性，良好的接口设计能够显著提升开发效率和系统稳定性。

• 102300414李庆聪
  作为测试负责人，我深入参与了系统的质量保障工作。通过编写测试用例和执行全面测试，我培养了发现潜在问题的敏锐眼光。在测试文档编写过程中，我学会了如何清晰地记录测试过程和结果，为团队提供可靠的质量反馈。参与前后端测试让我理解了系统各模块的关联性，从单元测试到集成测试的完整流程让我掌握了软件测试的方法论。这次经历让我认识到，测试不仅是找bug，更是保障产品品质的重要环节。

• 102300403朱茜茜
  通过撰写冲刺总结随笔，我对项目整体进展有了更全面的把握。在记录团队每日进展的过程中，我学会了如何捕捉关键节点和重要成果。整理各成员的工作总结让我深刻认识到团队协作的价值，每个成员的努力都是项目成功不可或缺的部分。这项工作锻炼了我的文字表达和信息整合能力，让我能够将复杂的技术内容转化为清晰的总结报告。

• 102300406叶芷
  在开展用户使用调查的过程中，我学会了如何设计有效的调研方案和收集用户反馈。通过分析用户使用习惯和需求痛点，我掌握了从用户角度评估产品的方法。将调查结果转化为具体改进建议的过程，让我理解了用户体验优化的实际意义。这项工作培养了我的用户思维和数据分析能力，让我认识到产品开发最终要以用户需求为导向。

• 102300312何鑫涛
  通过记录团队七天的冲刺历程，我深入了解了项目开发的完整流程。在撰写每日随笔的过程中，我学会了观察和总结团队的工作状态和面临的挑战。整理团队成员的成长心得让我认识到每个成员在项目中的独特贡献。这项工作不仅提升了我的写作能力，更让我体会到团队凝聚力的重要性，见证了团队从起步到成熟的完整历程。

  五.AI技术员在本次作业起到的作用

  在本次项目的冲刺阶段，AI技术员的作用贯穿前后端，是推动系统智能化、稳定化和用户体验优化的核心力量。其贡献首先体现在核心算法的持续优化与关键问题修复上：成功解决了长期存在的男女混搭推荐问题，通过精心优化大模型提示词工程并引入基于商品类目与视觉属性的二次决策机制，使推荐结果真正符合用户的性别特征和穿搭场景；同时面对复杂的多模态推理流程，通过算法逻辑优化和请求参数精简，对系统性能进行了最大程度的调优。

  AI技术员提供的智能能力同时成为后端新增功能的重要基石——新增的智能推荐历史记录相关接口及数据库设计，其核心数据正是由AI推荐系统生成的完整搭配方案，确保了推荐结果的可存储、可追溯与可复用。在完善系统体验方面，头像显示问题的解决与文件上传功能的稳定化为AI视觉分析模块的后续应用铺平了道路，为将来实现"以图搜衣"和衣橱智能分析奠定了坚实基础。

  从用户体验维度看，AI的贡献直接体现在客户端功能的丰富与优化上：新增的查看推荐记录功能完全依赖于AI生成的个性化推荐历史，让用户能够随时回顾和复用智能穿搭方案；而AI推荐结果的稳定性与准确性，特别是商品详情链接等基础数据的完善，为前端优化查看商品详情的点击方式等交互改进提供了可靠保障。总体而言，AI技术员在本阶段已超越单纯的算法构建者角色，成为深度融入产品闭环的问题解决者，从修复核心推荐逻辑到支撑新功能开发，再到为整个系统的图片处理流程奠定基础，其工作确保了项目的智能核心持续进化，并最终转化为用户可感知的优质体验。

  六、成员贡献度

学号	工作内容	贡献度
102300412林晨宇	客户端前端、PPT制作	13.142857%
102300404胡跃	管理端前端	13.142857%
102300415张伟健	后端、代码规范	13.142857%
102300413林俊辉	后端	13.142857%
102300414李庆聪	测试、测试文档	13.142857%
102300403朱茜茜	冲刺总结随笔	13.142857%
102300406叶芷	用户使用调查报告	13.142857%
102300312何鑫涛	7天冲刺随笔、集合随笔	8%