软件工程实践第二次作业

052406103叶银珍 2026-09-24 23:38:48

软件工程第二次实践作业

这个作业属于哪个课程	2601_FZU_SE
这个作业要求在哪里	软件工程实践第二次作业
这个作业的目标	开发并部署一个 CV 顶会论文趋势分析平台，完成爬取、管理、热门分析、关键词图谱、热度动图五大功能，并与 AI 结对协作完成全部文档与原型交付。
其他参考文献	邹欣.《构建之法》（第 3 版）第 3、8 章；jieba 分词：github.com/fxsjy/jieba

目录
软件工程第二次实践作业
目录
1.仓库链接&代码规范链接&AI工具说明
1.1 仓库链接：
1.3 AI工具说明：
2.PSP表格
2.1阶段一：需求理解与原型设计
2.1阶段二：编程实现与部署
2.3总计
2.4偏差原因分析
3.NABCD需求分析
3.1N — Need（需求）
核心痛点
N1.需求分层（六类用户）
N2.课程约束
N3.市场空白
3.2A — Approach（方案：如何解决问题）
A1. 总体定位
A2. 三个设计反转
A3. 数据方案（DBLP 为主源）
A4. 关键词与热度统计方案
A5. 功能与原型页面映射
A6. 技术方案
A7. AI 协作流程
A8. 迭代路线
3.3B — Benefit（收益）
3.4C — Competition（竞争：对手是谁、如何竞争、有何优势）
C1. 竞争总判断（客观）
C2. 四个竞品逐个分析
1. arXiv
2. Connected Papers
3. Papers with Code
4. 机器之心 / 极市等中文年度盘点文
C3. 竞争策略总结
C4. 相对整个竞品集的优势清单
C5. 客观风险（不回避）
3.5D — Delivery（交付与部署）
D1. 两阶段交付物总表
D2. 部署方案（CodeArts，最高优先级风险项）
D4. 博客内容清单
4.原型设计与原型链接
4.1原型开发工具声明
4.2 AI 协作设计
1.布局与视觉的高保真初稿（AI 生成，人重构）
2.交互与动图的 AI 辅助实现（AI 建议，人配置）
4.3 最终结果展示&介绍：
热门总览页面（主页面）
热度走势页面
论文管理页面
数据导入页面
关于页面
5.成品展示
6.结对（人机）讨论过程描述
6.1协作记录总览
6.2三个代表性案例
案例 1：需求分析与原型设计
案例 2：数据源真实情况由 AI 主动发现，人拍板技术路线
案例 3：限流应对与部署路径
6.3可解释性声明
7.设计实现过程
7.1设计实现过程
阶段一：需求与原型（AI 结对起点）
NABCD 分析
原型设计
阶段二前半：数据管道
仓库与规范
表结构设计
清洗入库
阶段二后半：功能实现（数据依赖决定顺序）
功能1/2 后端
功能3 统计
功能4/5 前端
隔年会议修正
收尾：部署与交付
CodeArts 部署
Git 收口
关键决策记录表
7.2功能结构图
8.代码说明
8.1数据管道（fetcher/dblp.py）—— DBLP 检索 API 分页 + front matter 过滤
8.2 关键词抽取（services/keywords.py）—— 词形还原 + 加权
8.3 统计引擎（services/stats.py）—— TF-IDF + 热度 + Top10
8.4 数据访问（repository.py）—— 组合筛选查询
8.5统计接口（api/stats.py）
8.6 前端数据层（api/index.js）
8.7 竞速动图（views/TrendView.vue）—— 线性插值 + realtimeSort
9.心路历程、收获
10.对AI结对伙伴的评价

1.仓库链接&代码规范链接&AI工具说明

1.1 仓库链接：

仓库地址

1.3 AI工具说明：

核心工具：opencode（AI 代码助手 / 结对编程终端）
底层模型：DeepSeek V4 Pro
协作模式：AI 负责快速生成初稿、提供方案思路、代码实现与查错；人工负责需求验证、方案定夺、代码审查与最终测试。
2.PSP表格

规则：预估列在动手前填写；实际列在全部工作完成后填写；
偏差 = 实际 - 预估；偏差原因逐条分析，不虚构。

2.1阶段一：需求理解与原型设计

子任务	预估(h)	实际(h)	偏差(h)
阅读《构建之法》第 3、8 章	2	2	0
与 AI 头脑风暴（角色/竞品/优先级）	2	3	1
NABCD 人工验证与定稿	4	4	0
学习原型工具（墨刀）	3	3	0
与 AI 讨论页面信息架构/配色/文案	3	2	-1
五页高保真原型设计	5	8	3
原型发布分享链接 + 阶段一博客	2	2	0
阶段一小计	21	24	3

2.1阶段二：编程实现与部署

子任务	预估(h)	实际(h)	偏差(h)
仓库初始化与文档基线（README/.gitignore/codestyle/AGENTS.md）	1	1	0
数据管道：DBLP bibtex 下载 + arXiv 补摘要	5	12	7
关键词抽取（jieba + 停用词 + 词形还原 + 噪音词表）	4	4	0
热度统计与 Top10（TF-IDF + 热度公式）	4	4	0
功能1、2 后端接口（爬取/导入/增删改查/未命中兜底）	6	5	-1
Vue3 前端初始化（对照原型重写，路由 + 全局布局）	4	2	-2
热门总览页（Top10 + 图谱 + 下钻）	5	4	-1
热度走势页（连续插值动图 + 三会分面 + 单词走势）	5	3	-2
论文管理页 + 数据导入页联调	3	3	0
详情页 + 关于页	3	2	-1
测试（fixtures + pytest + 口径验证）	3	4	1
Bug 修复（表结构 abstract_flag、动图溢出、隔年会议）	2	3	1
CodeArts 部署（ECS + gunicorn + 公网访问）	2	2	0
Git 操作（dev 分支、15+ commit、merge main、tag v1.0.0、Release）	2	2	0
博客收尾	3	4	1
阶段二小计	52	55	3

2.3总计

阶段	预估(h)	实际(h)	偏差(h)
合计	72	78	6

2.4偏差原因分析

偏差最大任务

任务	原因分析
数据管道：DBLP bibtex 下载 + arXiv 补摘要	本地 dblp.org bibtex 下载不稳定，改用ECS，选择「先跑完再补失败卷宗」的策略。

3.NABCD需求分析

说明：本文档为阶段一需求分析成果，与 AI 协作完成初稿，经人工逐条验证后定稿。

3.1N — Need（需求）

核心痛点

CV 入门者（小刚）面前有两道墙：

**"不知道搜什么"**：不会构造英文检索式、不掌握专业术语（想不到 "object detection"）；
**"搜到了也读不完"**：CVPR 2025 投稿 13,008 篇、录用 2,878 篇，三大顶会年合计近万篇，逐篇总结热点在人力上不可行。

N1.需求分层（六类用户）

用户	核心需求	刚性
入门爱好者（小刚）	零门槛建立方向认知，从热词一路下钻到论文	定义产品主线
本科生	批量导入、自动补全元数据、综述查漏	高频一次性
研究生	选题热度依据、热词可回查、列表长期管理	最高频
教师/研究员	立项依据图表、统计口径可引用	低频高价值
算法工程师	判断技术窗口期、图表进汇报	中频
自媒体	现成年度榜单与动图素材	低频高传播

N2.课程约束

数据范围：CVPR / ICCV / ECCV 近若干年（2022 年至今，约 1.2–1.5 万篇）；
功能 1–5 为必做项：论文爬取、列表管理、热门方向分析、关键词图谱、热度走势对比（动图）；
原型必须包含指定五页：首页/热门总览、热度走势对比页、论文列表管理页、论文爬取/导入页、详情或关于页；

N3.市场空白

现有工具全部假设用户已经知道要搜什么；没有产品服务"从兴趣出发、零检索能力"的入门用户，也没有"会议 × 年份 × 热词"的动态对比视角。

3.2A — Approach（方案：如何解决问题）

A1. 总体定位

不做"CV 版 Google Scholar"，做"从热词进入的 CV 顶会趋势分析平台"。
数据靠聚合不靠对抗爬虫；差异化押在入口形态与呈现方式上。

A2. 三个设计反转

入口反转：竞品首页都是搜索框 → 我们首页是热门 Top 10 + 动图竞速。用户从"看"开始，全程不需要任何检索能力；
结构反转：Connected Papers 是"论文 → 论文"图 → 我们做"关键词 → 关键词 → 论文"图，先建立方向认知，再落到具体论文；
形态反转：静态榜单 → 动图竞速；盘点文 → 可交互下钻。每个热词都能点开看"由哪些论文统计而来"。

A3. 数据方案（DBLP 为主源）

主源：DBLP 公开检索 API + 数据集下载。
理由：
1. 作业明确推荐，合规且注明来源即可用于教学；
2. 自带"会议 → 论文"归属关系，直接解决最大数据坑（会议归属），CVPR/ICCV/ECCV 分年切片天然可靠；
3. 省去 arXiv 方案中"额外做会议映射"的一整步工程。
补充源：会议官网或老师提供的数据集做交叉校验与补漏；Semantic Scholar API 可选补引用数据。
清洗入库：题名/作者去重、年份归一、字段结构化，持久化到 SQLite（作业推荐嵌入式数据库，部署到 CodeArts 无服务端依赖、跨平台兼容）。
覆盖目标：三会 2022–2025，约 1.2–1.5 万篇。

A4. 关键词与热度统计方案

抽取：jieba 分词（英文按停用词过滤）→ TF-IDF 为主，基础词频法做 baseline，TextRank 作为对比实验；
热度口径：默认 热度 = 词频 × (1 + 年增长率)，同时保留纯词频口径；两种口径使教师/工程师引用时有据可依；
人工校准：维护 CV 噪音词表（method / propose / image / results），人工抽检 50 篇验证关键词质量。

A5. 功能与原型页面映射

原型页面	承载功能	角色服务重点
首页 / 热门方向总览	功能3（Top 10）+ 功能4（图谱入口）+ 小刚引导路径	小刚、自媒体
热度走势对比页	功能5（动图，三会 × 多年）	研究生、教师、工程师
论文列表管理页	功能2（增删改查、精确/模糊查询、未命中自动爬取）	本科生、研究生
论文爬取 / 导入页	功能1（单篇输入 + 批量导入 txt/csv）	本科生
详情 / 关于页	论文摘要/关键词/原文链接 + "了解更多"（三会背景与统计口径）	全部角色

A6. 技术方案

主栈：Vue/React + Flask（或 Spring Boot），前后端分离；
动图：ECharts timeline 柱状图竞速（bar chart race），前端动态渲染 → 录屏导出 GIF 嵌入博客；年度间采用线性插值实现连续生长动画（插值仅用于演示连续性，年份端点值为真实统计值）；
持久化：SQLite，环境无关、可直接随项目部署到 CodeArts；
保底方案：若后端遇阻，退回"纯前端 + storage/内嵌数据"；
红线：绝不使用原型工具生成代码。

A7. AI 协作流程

阶段一：AI 做头脑风暴初稿（角色视角、竞品、优先级、NABCD 框架、页面信息架构与配色文案建议）→ 人工逐条判断与验证（验收标准、数据口径、零分红线由人拍板）→ 关键对话截图存档入博客；
阶段二：AI 辅助编码（接口设计、SQL、ECharts 配置、排错）→ 人负责功能验收与部署上线；
协作原则：AI 负责发散与草稿，人负责收敛与裁决；博客中如实记录 AI 输出中"被采纳 / 被否定"的部分及理由。

A8. 迭代路线

阶段一（原型设计期）：完成 NABCD、五页高保真原型、发布分享链接、PSP 预估表——设计先行，原型即需求文档；
阶段二（编码实现期）：P0 功能1+2（保底）→ P1 功能3 → P1/P2 功能4 → P2 功能5→ 部署 CodeArts → 博客收尾；
P3 扩展加分项：年度 Top 10 榜单演变、CSV/图表导出、"了解更多"科普页、首页引导标签——每做一个都在博客详细描述。

3.3B — Benefit（收益）

对象	可感知收益
小刚	无需检索能力，3 分钟从"电影灵感"走到"看懂领域结构"
本科生	批量导入自动补全元数据；图谱发现综述遗漏方向
研究生	热词可回查支撑论文，趋势数据敢写进论文
教师/工程师	动图截帧进 PPT，口径页保证数据经得起追问
自媒体	现成年度榜单 + 动图 + 口径说明，直接出内容

技术红利：数据管道一次建成后，每年新会议发布只需重跑清洗与统计即可刷新全部榜单/图谱/动图，维护成本趋近于零。

3.4C — Competition（竞争：对手是谁、如何竞争、有何优势）

C1. 竞争总判断（客观）

竞品全部免费、背后是巨头或头部媒体，正面对抗没有胜算；但所有竞品共享同一个盲区假设——**"用户已经知道要搜什么"。我们的策略是错位竞争 + 借力**：不抢它们的战场，做它们入口之前的"那一层"。

C2. 四个竞品逐个分析

1. arXiv

强项：预印本当周上线、时效最早；API 免费无 key、限流宽松、按 cs.CV 批量拉取；元数据字段统一规范，清洗成本低。
对我们的错位：首页即搜索框，要求英文检索式（小刚做不到）；无会议归属字段（给不了"会议 × 年份"对比）；无 keywords 字段。
竞争策略：不当对手，也不做首选管道。本方案改走 DBLP 主源，会议归属一步到位；arXiv 仅作摘要补全的备选源。
胜负手：它作为通用预印本库不可能为"中文 CV 入门者"改产品形态，我们没有它的历史包袱。

2. Connected Papers

强项：图谱质量标杆（共引 + 文本相似度，"相关论文"准确率公认第一梯队）；"节点点击 → 侧栏论文卡片"的交互范式成熟，照抄即安全；力导向布局与配色可直接参考。
对我们的错位：入口强制要求输入一篇英文种子论文（小刚一篇都没读过，进不去）；是"论文图"而非"关键词图"，解决不了"领域有哪些方向"；无时间维度，看不到方向兴衰。
竞争策略：结构反向。它回答"这篇论文还有什么相关论文"，我们回答"这个领域有哪些方向、各自兴衰如何"；它在我们的下游，交互范式我们直接借鉴。
胜负手：用户先在我们这建立方向认知；多数入门场景里，我们的"热词 → 论文列表"一步到位，用户根本不需要再打开它。

3. Papers with Code

强项：业界唯一 task 级论文索引（按任务层级组织）；每个 benchmark 的 SOTA 排行是研究者查"当前最高精度"的首选；趋势曲线视觉形式成熟。
对我们的错位：要求用户知道 task 名（小刚想不到 "3D Object Detection"）；task 分类靠人工维护、成本极高，课程规模无法复制；无中文、无会议 × 年份切片。
竞争策略：维度错开。它回答"哪个模型最强"，我们回答"哪些方向在涨"。不做 task 分类，借鉴它的趋势曲线视觉，数据源换成我们自建的"关键词 × 会议 × 年份"统计。
胜负手：它对研究者是刚需、对入门者是死路；且它不提供会议维度，研究生做三会对比时我们独占此切片。

4. 机器之心 / 极市等中文年度盘点文

强项：中文叙事、可读性极高，是小刚最可能已经接触过的入口；每篇盘点的高阅读量证明"Top 10 热词"内容有真实需求；榜单经编辑人工筛选，解读深度超过自动统计。
对我们的错位：静态、一年一篇，只能看别人选好的结论；不可下钻（看到热词点不开支撑论文）；不能自定义查询、不能按会议筛选、数据不可导出。
竞争策略：**做它的"可交互升级版"**——它产出内容，我们产出工具：动图竞速替代静态图；任意词可查五年 × 三会曲线；热词可下钻；口径透明可引用。
胜负手：它不是工具，不会开放自定义查询；自媒体反而会成为我们的分发渠道——来平台取榜单和动图素材，等于帮我们传播。

C3. 竞争策略总结

错位：四竞品分别占据"检索 / 论文图 / task 榜 / 盘点文"四块阵地，我们占据它们都没有的第五块——**"会议 × 年份 × 热词"趋势分析**，并用动图做呈现差异；
借力：DBLP 当数据管道，Connected Papers 与 Papers with Code 当交互与视觉参考，机器之心当需求验证与叙事模板——真正的竞争关系只存在于最后一块；
收缩：三不做——不做论文搜索引擎、不做 task 分类、不做重算法主题模型；资源压在竞品空白的两个点上（关键词图谱入口、动图对比）。

C4. 相对整个竞品集的优势清单

优势	对应竞品缺口
唯一"零输入"入口（热词榜 + 图谱 + 动图，不需检索式）	arXiv/PwC/CP 全部要求先输入
唯一"会议 × 年份 × 热词"切片视角	arXiv 无会议字段、PwC 无会议维度、盘点文无自定义
唯一动图竞速呈现	全部竞品均为静态图表
唯一可回查的统计口径	盘点文人工选词无口径，学者不敢引用
唯一中文 + 入门科普路径	前三家全英文，盘点文不可交互

C5. 客观风险（不回避）

竞品全免费、无商业壁垒——但本项目是课程作业，竞品分析的目的是论证设计合理性而非真实商业对抗；
用户成长后会流向 arXiv/PwC——平台定位为"入门导航 + 趋势分析"，不试图替代检索；研究生/教师因"会议切片 + 口径可引用"仍有留存理由；
机器之心若推出交互版，优势会被追平——其编辑模式与工具模式的组织成本不同，短期内概率低，不构成验收风险。

3.5D — Delivery（交付与部署）

D1. 两阶段交付物总表

阶段	必交物	载体
阶段一：需求理解与原型设计	① NABCD 完整模型（含与 AI 协作的关键对话截图）② 五页高保真原型（首页/热门总览、动图页、列表管理页、爬取/导入页、详情/关于页）③ 原型分享链接 ④ PSP 表（预估列）	博客
阶段二：编程实现与部署	① 功能 1–5 全部实现 ② CodeArts 云服务器部署链接③ 数据入库结果与统计口径说明 ④ 动图效果展示（GIF）⑤ PSP 表（实际列 + 偏差分析）⑥ 扩展功能说明（若有）	博客 + 云服务器

D2. 部署方案（CodeArts，最高优先级风险项）

技术选型就为部署服务：SQLite 嵌入式数据库，无独立数据库服务 → 应用随代码整体打包部署，环境依赖最小；
部署路径：本地完成全部功能测试 → 打包部署到 CodeArts 云服务器 → 配置公网访问 → 在服务器上跑通一遍"小刚完整动线"冒烟测试 → 链接贴博客；
平台兼容性：不依赖特定本机环境，数据库路径、API 地址全部走配置文件。

D4. 博客内容清单

NABCD 模型 + AI 协作关键对话截图（含"AI 建议了什么、人否决/采纳了什么及理由"）；
数据来源与获取方式注明（DBLP API/数据集、会议官网、老师数据集，爬取仅用于教学）；
统计口径说明（词频、TF-IDF、热度公式 热度 = 词频 × (1 + 年增长率)，逐条解释）；
动图效果展示（GIF 嵌入）；
原型分享链接；
PSP 表格：预估列（动手前）→ 实际列（完成后）→ 偏差原因分析；
扩展功能详细描述（每做一个写一段）；
《构建之法》第 3、8 章 NABCD 阅读成果体现。

4.原型设计与原型链接

4.1原型开发工具声明

本项目原型设计采用了 墨刀 (Modao) 作为专用原型设计工具。
所有页面均是在墨刀中通过拖拽组件、调整图层并设置交互完成的，符合课程“必须使用专用原型设计工具（如Axure、墨刀、Figma等）”的要求。

4.2 AI 协作设计

1.布局与视觉的高保真初稿（AI 生成，人重构）

AI 做了什么：让 AI 生成了一套包含 CSS/Tailwind 样式的 HTML 代码，作为视觉初稿。
我做了什么：将 HTML 导入墨刀，打散原有图层，在墨刀中手动重绘页面布局。利用 AI 生成的配色建议（#3B5BDB 主色调）和文案，在墨刀内构建出符合“热门总览”、“论文管理”等五页要求的高保真页面。
佐证材料（以主页面为例）：
AI生成：

重构后：

在这里插入图片描述

2.交互与动图的 AI 辅助实现（AI 建议，人配置）

AI 做了什么：在墨刀中设置“热度走势对比页”的动图时，我们与 AI 讨论了墨刀“动态组件”和“定时器”的逻辑原理。
我做了什么：根据 AI 的建议，在墨刀内手动创建了“2022-2025”的四个组件状态，并自己配置了切换的交互动作，但是墨刀上的效果没有html生成的网页的动图效果好，只能点一下切换一年。
佐证材料：

4.3 最终结果展示&介绍：

原型设计链接

关于页面

核心内容：平台背景与规则说明。
该页面包含五个主要板块：

平台简介：说明定位（面向计算机视觉入门者/研究者的一站式分析平台）及核心痛点解决思路。
三大顶会介绍：简要科普 CVPR、ICCV、ECCV 三大会议的特点。
统计口径：明确数据范围（2022-2025年）、关键词抽取方法（TF-IDF/TextRank）、热度公式及 Top 10 榜单规则。
数据来源与版权：声明数据来源于 DBLP 公开 API，仅供教学，无商业用途。
AI 协作说明：披露项目在需求分析、UI 设计及代码实现中的 AI 辅助占比。

5.成品展示

具体项目结果此处以视频方式展示：

[video(video-4Nc1AorT-1790264275245)(type-csdn)(url-https://live.csdn.net/v/embed/545927)(image-https://i-blog.csdnimg.cn/direct/c97e1a95f09047188216d44f3bffd13f.png)(title-9%E6%9C%8824%E6%97%A5)]

6.结对（人机）讨论过程描述

结对伙伴：OpenCode（主要）+ deepseek v4pro（需求分析辅助）
协作原则：AI 负责发散与初稿，人负责验证、裁决与兜底；AI 输出未经人工验证不进入定稿。

6.1协作记录总览

阶段	关键提示词（摘要）	AI 输出	采纳/拒绝及理由
需求分析	"从不同角色视角列出潜在用户、竞品分析、功能优先级"	六类用户、四竞品表、P0–P3 优先级	采纳 80%；拒绝"做登录注册"（需求未要求且违背零门槛定位）；修正"Top10 按年切片"为按需求原文"分析已爬取论文"的全量聚合
竞品取舍	"保留 4 个竞品且强项详细"	arXiv/CP/PwC/盘点文四表	采纳；DBLP、Semantic Scholar 降级为数据供应商不列竞品
原型设计	"生成初始版的HTML 原型"	单文件六页原型	采纳；运行后人工发现 3 个缺陷（年份不可选、动图跳帧、柱子溢出），逐条回传修正
数据源	"用 DBLP bibtex 批量建库"	fetcher.pipeline	拒绝并降级：本地网络拉不动，AI 声称"云上可通"未被采信，先小规模验证；最终改老师数据集（附录14）为主源
表结构	"创建 papers 表"	骨架版无 abstract_flag	人工检查发现缺字段，补 ALTER 修正（AI 初版缺陷被纠正）
动图	"实现连续生长竞速图"	写死像素宽度	发现溢出 Bug，人工定位原因后改为容器宽度动态计算
部署	"密钥登录步骤"	给出控制台流程	采纳；实际界面无对应入口，人工换用密码/VNC 路径

6.2三个代表性案例

案例 1：需求分析与原型设计

提示词：让 AI 按 NABCD 框架输出潜在用户、场景、竞品、优先级。
输出：六类用户画像、六竞品错位分析、三个设计反转（入口/结构/形态）。
人工修改：剔除课程老师角色；修正功能3 统计口径；竞品从 6 个收敛为 4 个并把 DBLP 改称数据供应商；页面补"论文详情页"使动线完整。
理由：AI 发散广但不懂作业验收细节，口径类结论必须回对需求原文。

案例 2：数据源真实情况由 AI 主动发现，人拍板技术路线

提示词：
输出：
AI 提问/探查：按你给的 dblp.org/db/conf/cvpr/cvpr2022.bib 去拉数据时，AI 主动抓包探测，发现三件事：① DBLP 全站启用了 Anubis 反爬（proof-of-work 挑战）；② 你给的 .bib URL 已失效（404）；③ ECCV 在 DBLP 里是分卷的（eccv2022-1 ~ eccv2022-39），不是单个卷宗。
AI 输出：逆向出 Anubis 的 fast 算法（SHA-256 工作量证明，找 nonce 使 hash 前 2 字节为 0），并给出三个候选拉取方案（bibtex 端点分页 / 检索 API / 会议 HTML 解析）。
人工修改：确认采用「bibtex 端点分页」；AI 据此实现 Anubis 绕过、discover_volumes 分卷发现、parse_bibtex 解析。数据链路从「照搬旧 URL」修正为「真实可用的检索端点」，这是整个数据管道能跑通的前提。

案例 3：限流应对与部署路径
现象：本机 IP 被 DBLP 深度限流（大量 429/连接重置）
我的决策：建议改用ECS；提供云服务器信息，选择「先跑完再补失败卷宗」的策略。

6.3可解释性声明

AI 生成：NABCD/竞品/原型的初稿、Flask 接口骨架、爬取与统计 pipeline 主体、Vue 组件初版、ECharts 配置。
人工编写/修改：表结构修正（abstract_flag）、统计口径定稿、停用词表维护、动图响应式修复、部署与 Git 操作、全部验收验证。
能解释：每段 AI 代码均经人工逐行审阅并知其设计思路（如插值动画的帧率选择、幂等入库的事务设计），无未理解代码。

7.设计实现过程

7.1设计实现过程

阶段一：需求与原型（AI 结对起点）

NABCD 分析

过程：用 AI 从六类角色（入门者小刚、本科生、研究生、教师、工程师、自媒体）头脑风暴，产出使用场景与竞品分析（arXiv、Connected Papers、Papers with Code、中文盘点文），人工逐条验证后定稿。
核心结论：差异化 = "零输入入口 + 会议×年份×热词切片 + 动图呈现"。

原型设计

过程：先由 AI 生成 HTML 初稿快速验证交互（发现"柱子溢出""年份不可选"等问题），再在墨刀通过拖拽复刻大致相似的五页 + 详情页共六页，发布分享链接。
定稿三原则：入口从"看"开始、图谱从关键词出发、动图连续生长。

阶段二前半：数据管道

仓库与规范

main 存文档基线，dev 开发；.gitignore 忽略 *.db/node_modules/dist。
codestyle.md 标注来源 PEP 8 + Google Style。
新增 AGENTS.md 固化数据链路、业务口径、协作红线（AI 每新会话自动读取，防跑偏）。

表结构设计

设计 papers（abstract 可空）、conferences、paper_conference、keywords、paper_keyword（weight 字段供 TF-IDF）。
骨架版漏了 abstract_flag——导入数据前人工检查发现，补 ALTER TABLE ADD COLUMN 修正。

清洗入库

只保留三会 2022–2025（含隔年约束）、title 去重、会议标准化、事务批量写、幂等设计支持断点续跑。
无摘要者标 no_abstract（统计仍纳入，仅标题抽词）。

阶段二后半：功能实现（数据依赖决定顺序）

功能1/2 后端

单篇爬取（本地查→DBLP→arXiv 三段链路）、批量导入（三类计数返回）、增删改查 + 未命中兜底（5 秒超时，save=true 才入库）。
先在独立 test.db 验证，避开与全量导入的生产库冲突。

功能3 统计

jieba + 停用词 + 词形还原 → 标题×3/摘要×1 加权 → TF-IDF → 热度公式。
Top 30 高频词人工抽检后删噪音词（method/propose 等）回填词表——案例 B 素材。
Top10 默认全量聚合，年份下拉为可选筛选（按需求原文"分析已爬取的论文"定口径）。

功能4/5 前端

Vue 3 按原型重写（非照搬，遵守红线）。
图谱用共现矩阵力导向图；动图用 ECharts 柱状竞速 + 年粒度线性插值实现连续生长。
初版 AI 写死像素宽度导致窄窗口溢出，人工诊断后改为容器宽度动态计算 + overflow:hidden + resize 重绘（案例 C 主素材）。

隔年会议修正

ICCV 2022/2024 与 ECCV 2023/2025 不出柱，接口同步过滤，图例标注"当年无会议"。

收尾：部署与交付

CodeArts 部署

ECS 密钥/密码登录 → 环境探测（Python 版本/磁盘）→ 依赖安装 → 建库。
全量导入用 nohup 挂后台写日志（合盖断网不影响）。
npm run build 后由 Flask 托管 → gunicorn 起服务 → 公网访问冒烟测试。

Git 收口

dev 开发（21 次 commit）→ merge 到 main → tag v1.0.0 → 创建 Release。
PSP 实际列回填 + 偏差分析（数据源切换、AI 返工、Vue 重写为三大偏差来源）。

关键决策记录表

决策点	初方案	最终定稿	原因
数据源	DBLP bibtex 批量	老师数据集（附录14）+ DBLP API 兜底	本地网络拉不动，AI 初方案验证失败
摘要	无	arXiv 补 + `no_abstract` 标记	DBLP 无摘要字段，禁止伪造
前端	复用原型 HTML	Vue 3 重写	作业推荐框架 + 规避"盲抄 AI 代码"红线
Top10 口径	按年切片	全量聚合 + 年份下拉可选	需求原文"分析已爬取的论文"
动图	逐年跳帧	年粒度 + 线性插值连续生长	演示要求连续增长；口径如实标注
登录注册	考虑	不做	需求未要求；登录墙违背小刚零门槛定位

7.2功能结构图

在这里插入图片描述

8.代码说明

8.1数据管道（fetcher/dblp.py）—— DBLP 检索 API 分页 + front matter 过滤

_PROC_KEYWORDS = (
    "conference on computer vision and pattern recognition",
    "international conference on computer vision",
    "european conference on computer vision",
    "proceedings",
)

def is_proceedings(title):
    text = (title or "").lower()
    return any(k in text for k in _PROC_KEYWORDS)

def fetch_volume(session, conf, volume_slug):
    query = f"toc:db/conf/{conf.lower()}/{volume_slug}.bht:"
    papers, offset = [], 0
    while True:
        resp = session.get_dblp(_SEARCH_API, params={
            "q": query, "h": "1000", "format": "json", "f": str(offset)}, timeout=120)
        hits = resp.json()["result"]["hits"]
        total = int(hits.get("@total", 0))
        hit_list = hits.get("hit") or []
        if isinstance(hit_list, dict):
            hit_list = [hit_list]
        for hit in hit_list:
            info = hit.get("info", {})
            title = info.get("title")
            if is_proceedings(title):
                continue
            papers.append({"title": title, "year": info.get("year"),
                           "venue": info.get("venue"),
                           "ee": info.get("ee") or info.get("url")})
        offset += len(hit_list)
        if not hit_list or offset >= total:
            break
    return papers

8.2 关键词抽取（services/keywords.py）—— 词形还原 + 加权

def lemmatize(word):
    if word.endswith("ies") and len(word) > 4: return word[:-3] + "y"
    if word.endswith("ing") and len(word) > 5: return word[:-3]
    if word.endswith("ed") and len(word) > 4: return word[:-2]
    if word.endswith("s") and not word.endswith("ss") and len(word) > 3: return word[:-1]
    return word

def extract_keywords(title, abstract=None, abstract_flag="ok"):
    weights = {}
    for word in tokenize(title):
        w = lemmatize(word)
        if w in STOP_WORDS or len(w) < 2: continue
        weights[w] = weights.get(w, 0) + 3
    if abstract_flag != "no_abstract" and abstract:
        for word in tokenize(abstract):
            w = lemmatize(word)
            if w in STOP_WORDS or len(w) < 2: continue
            weights[w] = weights.get(w, 0) + 1
    return weights

8.3 统计引擎（services/stats.py）—— TF-IDF + 热度 + Top10

def compute_hotness(freq, prev_freq):
    growth = (freq - prev_freq) / prev_freq if prev_freq > 0 else 0.0
    return freq * (1.0 + growth)

def compute_tfidf(weighted_by_paper):
    n = len(weighted_by_paper)
    tf, df = {}, {}
    for paper in weighted_by_paper:
        for word, weight in paper.items():
            tf[word] = tf.get(word, 0) + weight
            df[word] = df.get(word, 0) + 1
    return {w: tf[w] * (math.log(n / df[w]) + 1.0) for w in tf}

def top_keywords(weighted_by_paper, paper_ids, k=10, scorer=None):
    freq, doc_ids = {}, {}
    for pid, paper in zip(paper_ids, weighted_by_paper):
        for word, weight in paper.items():
            freq[word] = freq.get(word, 0) + weight
            doc_ids.setdefault(word, []).append(pid)
    def score_of(w):
        return scorer(w, freq[w], doc_ids[w]) if scorer else freq[w]
    words = sorted(freq, key=lambda w: (-score_of(w), w))
    return [{"word": w, "score": score_of(w), "freq": freq[w],
             "paper_ids": sorted(doc_ids[w])} for w in words[:k]]

8.4 数据访问（repository.py）—— 组合筛选查询

def search(self, conference=None, year=None, keyword=None, query=None,
           exact=False, page=1, page_size=20):
    where, params = [], []
    if conference:
        where.append("c.name = ?"); params.append(normalize_conf(conference))
    if year is not None:
        where.append("p.year = ?"); params.append(year)
    if keyword:
        where.append("p.keywords_text LIKE ?"); params.append(f"%{keyword}%")
    if query:
        if exact:
            where.append("p.title = ? COLLATE NOCASE"); params.append(query.strip())
        else:
            where.append("(p.title LIKE ? OR p.keywords_text LIKE ? OR CAST(p.id AS TEXT) = ?)")
            params.extend([f"%{query}%", f"%{query}%", query.strip()])
    base = ("FROM papers p LEFT JOIN paper_conference pc ON p.id = pc.paper_id "
            "LEFT JOIN conferences c ON pc.conference_id = c.id " +
            ("WHERE " + " AND ".join(where) if where else ""))
    total = conn.execute(f"SELECT COUNT(*) {base}", params).fetchone()[0]
    rows = conn.execute(f"SELECT p.*, c.name AS conference {base} "
                        "ORDER BY p.id LIMIT ? OFFSET ?",
                        params + [page_size, (page - 1) * page_size]).fetchall()
    return total, [dict(r) for r in rows]

8.5统计接口（api/stats.py）

@bp.get("/hot")
def hot():
    year = _parse_year(request.args.get("year"))
    conf = request.args.get("conf", "all")
    method = request.args.get("method", "freq")
    if year is None or method not in ("tfidf", "freq"):
        return fail(CODE_BAD_REQUEST, "参数非法")
    return ok(compute_top(_db(), year=year, conf=conf, method=method))

@bp.get("/graph")
def graph():
    return ok(compute_graph(_db(), year=_parse_year(request.args.get("year")),
                            conf=request.args.get("conf", "all")))

@bp.get("/trend")
def trend():
    keyword = (request.args.get("keyword") or "").strip()
    if not keyword:
        return fail(CODE_BAD_REQUEST, "缺少 keyword")
    return ok(compute_trend(_db(), keyword))

8.6 前端数据层（api/index.js）

const USE_MOCK = import.meta.env.VITE_USE_MOCK !== 'false'

export function fetchHot({ year = 'all', conf = 'all', method = 'freq' } = {}) {
  if (!USE_MOCK) return httpGet('/hot', { year, conf, method })
  return ok({ method, total_papers: 14826, no_abstract_count: 2310, top: mockData.HOT_TOP })
}

8.7 竞速动图（views/TrendView.vue）—— 线性插值 + realtimeSort

function renderRaceFrame() {
  const y1 = YEARS[raceSeg], y2 = YEARS[raceSeg + 1], p = Math.min(1, raceP)
  const vals = raceValues()
  const frame = allRaceWords()
    .map(w => ({ name: w, value: vals[w][raceSeg] + (vals[w][raceSeg + 1] - vals[w][raceSeg]) * p }))
    .filter(it => it.value >= 1).sort((a, b) => b.value - a.value)
  const names = frame.map(it => it.name)
  const data = frame.map(it => ({ value: Math.round(it.value),
    itemStyle: { color: CONF_COLORS[confOf(it.name, p)] } }))
  raceChart.setOption({
    yAxis: { type: 'category', data: names, inverse: true },
    animationDurationUpdate: 80, animationEasingUpdate: 'linear',
    series: [{ type: 'bar', realtimeSort: true, data }],
  })
}
raceTimer = setInterval(() => { raceP += 0.05; /* 80ms×20=1.6s/年 */ }, 80)