第七周个人周报-197242-董浩宇

197242班董浩宇 2026-05-11 11:47:59

一、本周任务执行情况

任务情况预计用时实际用时

合并团队报告,完成个人报告

完成

5h

6h

与队友共同实现ai聊天后端功能

完成

5h

5h

完善管理员功能表格

完成

1h

1h

实现管理员功能前端界面

完成

1.5h

1h

与队友共同实现管理员后端

完成

3h

2h

二、本周个人工作中的困难与解决方案

困难:

  • 1.如何获得ai大模型的api,如何将ai大模型的api在后端配置?

  • 2.管理员后端在删除队友时,为什么会删除失败?

解决方案:

  • 1.与队友商量,最终决定配置豆包的api,同时查看火山方舟对应文档,学习如何配置。

  • 2.经过idea控制器的日志,了解到在删除用户时没有级联删除所有有关的表,之后在一系列比对后,最终在相关表的操纵层进行修改,成功实现级联删除用户。

三、本周学习内容

  • 1.AI接口开发知识:学习大模型API申请流程、接口调用方式,掌握后端接入第三方AI接口的配置方法,了解火山方舟平台的使用规范,熟悉API密钥管理、请求参数配置以及接口调试技巧

  • 2.后端数据库优化知识:学习数据库级联删除原理,掌握通过修改操作层代码优化数据表关联逻辑的方法;学会利用IDEA运行日志排查后端代码bug,提升程序故障排查和问题调试能力。

四、个人对本周工作的感悟

这周我负责了项目的前后端开发和报告整理工作,所有任务都顺利做完了。本次开发过程中,我真切体会到团队合作的重要性。在对接AI接口时,我对相关操作并不熟悉,靠着和队友互相交流、一起探讨,才顺利解决了问题。另外在修复删除用户的bug时,我学会了查看运行日志排查错误,也意识到自己写代码时考虑不够全面,经常忽略数据表之间的关联关系,从而产生程序漏洞。

这也是项目的最后一周,在这次的项目中我真切意识到自己作为队长的许多不足之处,比如太过的重视技术方面的提高,而忽略了文档方面许多东西。同时在时间规划方面也有着许多不足之处,导致了许多问题。后续我一定会认真改正,提前做好时间的规划。

但同时,我也获得了许多收货。在第一周,我仅掌握简单的Spring Boot项目搭建、数据库增删改查操作,随着开发推进,我逐步学习并理解了Servlet底层原理、Spring框架IOC、AOP、MVC核心底层知识,熟练使用JPA操作数据库,能够独立编写后端接口、完善业务逻辑,同时掌握了跨域配置、图片本地存储、字段校验等实用开发技巧。

开发过程中我也遇到了诸多技术难题,Git分支操作错误导致项目损坏、跨域访问无法连通、数据表冗余、接口校验逻辑漏洞等问题层出不穷。最开始我面对bug容易慌乱,有时候不得不熬夜去改好多好多东西。

慢慢地,在写后端的时候,我学会利用Postman测试接口是否可以传送正确的数据、学会使用浏览器F12调试工具排查一些前端经常出现的小问题,结合资料与AI辅助分析代码,逐一攻克技术难点。

而在团队管理上,我也学会了TAPD平台使用,我发现一个好的合作平台确实能够极大节省我们做项目合作的时间。通过它能够完成需求录入、任务拆分、缺陷记录、文档编写等工作。

同时在三四周的时候,ai也成为了必不可少的一个工具,我也越来越认识到ai是一把双刃剑。在使用ai完成后端各个部分的工作的过程中,前两周任务比较少的时候,我还能做到静下心来,一步一步的完成项目,了解每一行代码的意思。但不知道从什么时候起,或许是中期检查的压力,或许是代码任务的愈发繁重,我在那个时候越来越依赖ai起来。对一大堆的代码不求甚解,只要能运行就行,变的越来越急功近利起来。从一个学习者变的更像一个代码搬运工。

而在,五六周我也深刻反思了过度依赖AI的问题,现在的我会刻意研读每一段代码,弄懂底层逻辑,摆脱代码搬运的开发方式。也会多多使用常见开发工具,了解哪里出了问题,如何独立处理问题,

本次项目让我明白后端开发不仅是写接口,更要考虑代码严谨性、安全性和逻辑性,技术学习一定要动手实践、深究原理,不能只依赖网课和工具。也学会了作为一个队长如何管理和带动团队,虽然还有许多不足之处,但我也会继续努力改正的。

 

 

...全文
223 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文提出了一种基于直方图的自动模糊C-均值聚类(FCM)算法,用于遥感图像分割,该方法通过Matlab代码实现。该算法创新性地结合图像灰度直方图信息,自动确定聚类数目和初始聚类中心,有效克服了传统FCM算法对初始参数敏感以及需预先设定聚类数的固有局限。通过深入分析直方图的波峰与波谷分布特征,实现聚类参数的自适应初始化,并融合优化的隶属度矩阵更新策略,从而显著提升了图像分割的精度与算法收敛速度。实验验证表明,该方法在多种复杂的遥感图像数据上均表现出优异的分割效果和强鲁棒性,尤其适用于地物类别未知、分布复杂或背景干扰严重的遥感图像处理任务。; 适合人群:具备一定图像处理基础和Matlab编程能力,从事遥感科学、地理信息系统(GIS)、计算机视觉或模式识别等相关领域研究的研发人员和研究生。; 使用场景及目标:①解决遥感图像自动分割中聚类数目难以预先确定的关键问题;②提升模糊C-均值聚类算法在无监督图像分割中的自动化水平和分割精度;③为缺乏先验知识的实际图像分析任务提供一种高效、可靠的自适应聚类解决方案。; 阅读建议:读者应结合提供的Matlab代码,深入理解直方图分析与FCM算法融合的具体实现步骤,重点关注聚类数自动确定和初始中心选取的逻辑推导过程,并通过实际遥感图像数据进行调试与验证,以全面掌握该方法的核心原理与应用技巧。
内容概要:本文提出了一种基于改进粒子群算法的多无人机协同航迹规划方法,并提供了完整的Matlab代码实现。该方法针对多无人机系统在复杂动态环境中的协同飞行需求,通过改进的粒子群优化(PSO)算法解决航迹规划问题,重点优化路径最优性、飞行安全性及多机协作冲突规避能力。文中系统阐述了算法的设计原理、改进策略及其在多无人机协同场景下的应用流程,通过引入动态障碍物建模与任务约束机制,增强了算法在实际任务中的适应性。仿真实验验证了该方法在降低飞行能耗、提升路径质量、加快收敛速度以及增强系统鲁棒性方面的显著优势,适用于侦察、巡检、灾害救援等多无人机集群任务场景。; 适合人群:具备一定编程基础和智能优化算法知识,从事无人机控制、路径规划、智能调度或群体智能相关研究的研发人员及研究生,尤其适合工作1-3年的科研与工程技术人员。; 使用场景及目标:①解决多无人机在复杂环境下协同避障与高效路径规划问题;②提升传统粒子群算法在高维、多约束航迹规划中的搜索效率与全局寻优能力;③为无人机集群执行多样化任务(如区域覆盖、目标搜索、编队飞行)提供稳定可靠的路径规划解决方案; 阅读建议:建议读者结合所提供的Matlab代码进行仿真实践,按照文档结构逐步理解算法实现细节,重点关注粒子群算法的改进机制、多无人机协同约束建模与适应度函数设计部分,同时可通过调整环境参数与无人机数量深化对算法性能的认知与优化能力。

259

社区成员

发帖
与我相关
我的任务
社区描述
CUG软件工程基础学习社区
团队开发软件工程敏捷流程 高校 湖北省·武汉市
社区管理员
  • EasonBeckham
  • Lucky_Limp
  • h6ldZywoo
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧