目录

一、项目简介与冲刺目标

“拾光友人帐”是一款校园失物招领小程序，面向失主、拾得者和管理人员，围绕物品信息分散、沟通成本高、归还过程难以追踪等问题，提供发布、搜索、匹配线索、匿名沟通和认领归还入口。

Alpha 冲刺安排在 2026 年 10 月 23 日至 10 月 29 日。目标是建立统一工程和数据基础，逐步打通“登录认证—发布—浏览搜索—匹配—认领—消息—归还”主流程，并同步建设个人中心、首页聚合和必要的管理能力。团队由六名成员与 AI 技术员共同协作，每日按任务计划检查进展、困难和依赖。

产品目标与工程目标

从产品角度，项目希望减少失物信息在不同渠道间反复转发的成本，使用户能够围绕同一件物品完成发布、寻找、核验和交接。从工程角度，Alpha 阶段首先需要形成一致的数据模型、接口和权限规则，让不同页面对相同业务状态有共同理解。

因此，阶段目标不仅是增加页面数量，还包括让关键结果能够重新查询和解释。发布后的记录应能找到，认领后的进度应能回读，归还后的善意值应有流水依据，匹配候选应有明确判据。围绕这些结果组织开发，使后续测试与协作有了相同的检查对象。

二、预期计划与现实进展

目前代码主干已推送至 9f3fd07。Alpha 主流程在已有自动化和模拟身份实库检查范围内得到验证，但仍存在未实现的扩展及验证边界。开发态图片保存于本地，不等于正式对象存储；站内通知落库也不等于微信订阅推送。

主要功能进展

• 发布与浏览：支持寻物、招领、草稿、列表筛选、详情和收藏操作。公开页面与本人记录按接口权限区分。
• 匹配：发布后异步重算线索，展示相似度和命中判据。类别、颜色、地点、时间与标题关键词规则以当前配置和返回结果为准；相似度只能帮助寻找，不能代替最终核验。
• 认领与沟通：申请人提交核验信息，拾主查看收到的申请并确认归还；完成时记录善意值、流水和通知。匿名会话由服务端检查参与者。
• 个人与管理：个人中心读取本人概览和善意流水；首页聚合统计、未读与线索；管理员可通过工作台处理认证申请和维护收纳点。

燃尽记录

团队采用 162 点任务台账，六人各分配 27 点。D6 累计记账 139 点，D7 记账 23 点，累计 162 点、剩余 0 点。D7 记账包含 D6 遗留的测试随笔与评审表 1 点、PPT 与演示准备 7 点；任务点数和具体测试覆盖分别维护。

验证与运行材料

后端全量测试集合为 160 项，0 失败、0 错误、2 项跳过；D7 认领与消息隔离实库 HTTP 检查 20 项通过，匹配与个人中心隔离实库 HTTP 检查 23 项通过。新建隔离库的 21 表、字典和 6 项负向约束检查通过。上述结果分别来自不同测试集合，不能相加作为独立用例总数。

代码仓库：拾光友人帐 sgyrz-code。本地项目使用说明见 sgyrz-code/docs/D7-运行演示步骤.md

计划调整与范围取舍

七天任务之间存在明显依赖：身份和数据基础影响发布，发布信息影响浏览与匹配，认领完成又影响消息和个人统计。前序模块的契约发生变化时，后续页面与测试需要同步调整。团队通过阶段目标检查依赖，将可复用的基础能力保留下来，再补齐连接各模块的业务层与页面交互。

计划与实际之间的差异也需要持续说明。独立双方确认、取消、部分管理页面和外部推送没有因为主流程可用就自动完成；后续新增标题关键词判据后，匹配样本与说明也要跟随当前规则更新。合理取舍的前提是公开当前边界，让交付者和接收者对实现范围形成一致认识。

燃尽数据帮助观察任务推进，但具体完成情况仍由功能记录与测试结果支持。D6 遗留材料在 D7 继续结算，体现工作实际跨阶段衔接；各项记账说明保留在对应随笔中，使曲线变化能够解释，而不是只展示最终归零。

三、过程体会

最初团队面对的是不同工程、数据模型和页面之间的衔接问题。D1 先统一目录、端口、接口前缀与数据库脚本，后续工作才有共同基线。D2、D3 从发布与浏览开始，逐步将页面数据从演示内容转到实际接口。D4 则让团队意识到“完成归还”不只是修改按钮文字：认领进度、物品状态、善意值、流水和通知需要共同核对。

D5 的匹配样本暴露了测试输入的重要性：颜色描述和实际色码不一致时，即使断言通过也不能说明业务正确。D6 首页聚合再次要求明确公开预览与本人待处理申请的区别；管理页面则必须同时检查界面入口与服务端权限。D7 将已有结果按自动化、实库和未覆盖范围整理，帮助团队理解每种证据可以支持什么结论。

团队协作的关键是让交接内容可核对：接口字段和错误码写入契约，提交按模块分批组织，测试记录写清版本、身份、输入、预期、实际结果与清理范围。跨模块问题优先确认请求身份、资源编号和状态，再定位前端、后端或数据原因。

从模块完成到业务完成

开发初期容易以“接口写完”或“页面做好”作为交付标志，实际联调却要求二者共享字段、状态与错误反馈。一次归还操作会影响认领单、物品、积分和通知；一次账号切换会影响本人记录、未读与在途请求。跨模块检查促使团队把关注点转向最终业务结果。

前端工作也从静态展示逐步转向状态管理。加载、空态、失败、重复点击、返回重进与异步响应顺序都会影响可靠性。服务端则需要把身份来源、资源归属和业务状态分别检查，数据库约束再为重复写入提供保护。这些层次相互补充，不能由其中一层包办所有问题。

遇到问题后的协作方法

对于不能稳定复现的页面问题，先保留请求条件与返回顺序，再用可控数据缩小范围；对于统计差异，先对照当前用户与关联业务记录，再定位查询口径；对于规则变化，先解释输入和配置，再修改页面与断言。统一排查顺序减少了跨成员沟通中的猜测。

过程中的另一个收获是重视历史记录。保留早期发现、对应修复和后续复验，可以说明结论如何变化。若只在最后把所有状态写成完成，既不利于交接，也会掩盖仍然存在的验证边界。

四、组员分工、协作与收获

成员之间的交接关系

刘伟鑫协调工程和版本，将各模块交付整合到共同基线；刘传浩把契约落实到页面状态与用户路径，向接口侧反馈缺少的字段和失败现象。许毅君核对身份与操作边界，避免页面入口增加后出现越权访问；王永臻检查数据关系、状态变更和事务，使关键写入能够保持一致。

李明学连接契约、接口与回归脚本，将可重复出现的问题固化为后续检查；许煜煌从接收者和用户角度补充交叉验证、说明与演示材料。各角色并非单向交接，而是围绕同一条操作路径反复核对：页面提供现象，接口确认响应，数据说明结果，测试检查修复是否稳定。

分批提交使交接更容易定位。页面交互、个人查询、身份边界、格式整理和验收材料分别保留清晰变更范围，随笔也能够围绕实际成果说明成员职责。提交数量和账号只反映版本记录的一部分，协助排查、契约核对和交叉验收仍需在过程记录中呈现。

五、Alpha 阶段工作量比例

统一计划把 162 点分配给六人，每人 27 点，按计划估算各占 **16.67%**。点数用于比较任务规模，不等同实际工时、代码行数或个人贡献的精确比例。部分成员承担集成、交叉检查和协助工作，不应仅以独立提交数量衡量。

工作量口径与协作成本

统一点数表让团队在计划阶段对任务规模形成共同认识，但相同点数的任务并不一定消耗相同时间。基础建设、跨模块联调和缺陷复现存在不确定性，材料整理也依赖其他成员提供准确版本与结果。因此，点数更适合观察阶段进展，不宜用于反推个人实际工时。

任务归属与协作关系需要同时保留。一项接口由负责人推进，页面、权限和数据成员仍可能参与复核；一次实库测试也依赖环境准备、样本构造和清理检查。统计工作量时避免将同一成果重复计点，描述协作时则应说明各成员承担的具体环节。

六、AI 技术员工作回顾

AI 的直接价值主要体现在快速展开调用链、比较新旧契约和补充容易忽略的异常路径。它也有边界：生成的代码或断言可能建立在错误假设上，耳机颜色样本就是一个提醒。团队没有完整记录 AI 生成代码量或节省工时，因此不估算具体数字。

下一阶段可让 AI 更早参与测试设计，并要求每项建议明确输入、前置条件、预期结果和证据来源；涉及数据库清理、权限和外部服务的操作仍由成员复核。对 AI 产出，应以代码审查、可复跑测试和实际业务结果共同验证。

AI 协作带来的方法变化

AI 的作用逐渐从补充代码片段转向辅助比较与验证。面对旧接口与新页面的差异，它可以展开调用链并列出不一致点；面对异步页面问题，它可以帮助构造不同返回顺序；面对多份阶段记录，它可以提醒版本、数字与实现边界是否互相冲突。

真正需要团队掌握的是审核方法。对代码建议核对当前工程和数据模型，对测试建议核对输入语义与预期，对文档建议核对证据来源。匹配样本中的色码问题说明，文字描述与机器输入之间也可能出现偏差；只有人工理解业务含义，再结合执行结果，才能发现这类问题。

下一轮协作可以在需求拆解时就列出关键不变量和验收反例，让开发与测试同步形成检查依据。AI 辅助生成初稿后，由对应成员确认权限、数据归属和清理范围，再纳入公共脚本。这样能够把一次性的分析转化为团队可持续使用的资产。

对交付质量的认识

完整交付需要代码、运行步骤、测试说明和已知限制相互对应。代码说明系统做了什么，运行步骤帮助复现，测试说明结果可信的范围，已知限制帮助接收者避免误用。AI 可以协助整理这四部分，但不能代替缺失的运行观察或外部服务验证。

Alpha 阶段已经形成共同基线与多层回归记录，后续更需要在可维护性、真实数据规模和使用体验上继续积累。保留边界并不削弱成果，而是让下一阶段能够有针对性地安排完善工作。

七、存在的问题与下阶段展望

1. 完善认领状态。 根据产品决策补充独立双方确认、取消等状态流转，并验证并发确认和异常回滚。
2. 补齐管理与资料能力。 完善认证材料安全预览、收纳点营业时间、举报处理和代管相关页面；明确点位级权限模型。
3. 改进匹配与提醒。 跟踪校区数据来源、匹配配置刷新、新线索阅读回执和长尾候选；区分线索生成、站内提醒和实际推送。
4. 扩展测试深度。 在代表性数据量下检查查询计划与性能，补事务失败注入、并发场景和敏感字段检查。
5. 整理交付与运维。 汇总版本、建库与启动步骤、测试报告和已知限制；同步正式链接与成员提供的材料。