软件工程课程项目
欢迎来到我的软件工程课程项目站点！这里记录了我在这门课程中的学习历程和实践项目。
📰 团队项目：NewsMind
基于大语言模型的个性化新闻推荐系统
📝 团队博客系列
-
团队博客1 - 团队项目核心信息
项目需求分析、团队分工、功能规划与开发流程 -
团队博客2 - 项目Alpha阶段的计划和估计
工作结构分解、Sprint计划、任务分配与燃尽图 -
团队博客3 - Alpha阶段的发布
Alpha版本交付、工作流程总结、风险管理与项目反思 -
团队博客4 - Alpha阶段的 Postmortem 会议
团队贡献评估、Postmortem总结、Pre-mortem对比与成员转组 -
团队博客5 - Beta阶段的计划与估计
Beta阶段规划、Postmortem复盘、WBS分解与燃尽图 -
Beta阶段的打分与反馈
对其他团队Beta阶段的评估与反馈 -
团队博客6 - Beta阶段的发布
Beta版本交付、NABCD验证、工程质量与用户反馈总结 -
团队博客7 - Beta阶段的 Postmortem 会议
团队贡献评估、Postmortem总结、Alpha改进方案验证与团队反思
📅 Daily Scrum 日志
Alpha 阶段
- 11 月 5 日 · Day 1
- 11 月 6 日 · Day 2
- 11 月 7 日 · Day 3
- 11 月 10 日 · Day 4
- 11 月 11 日 · Day 5
- 11 月 12 日 · Day 6
- 11 月 13 日 · Day 7
- 11 月 14 日 · Day 8
- 11 月 17 日 · Day 9
- 11 月 18 日 · Day 10
- 11 月 19 日 · Day 10.5
Beta 阶段
- 12 月 4 日 · Day 1
- 12 月 5 日 · Day 2
- 12 月 8 日 · Day 3
- 12 月 9 日 · Day 4
- 12 月 10 日 · Day 5
- 12 月 11 日 · Day 6
- 12 月 12 日 · Day 7
- 12 月 15 日 · Day 8
- 12 月 16 日 · Day 9
- 12 月 17 日 · Day 10
🎯 项目亮点
- NABCD分析：深度需求分析与商业前景评估
- 敏捷开发：采用Sprint迭代，10天Alpha周期
- 任务分解：精细化的WBS，每个任务≤4小时
- 智能推荐：基于LLM的语义理解与个性化推荐
- 对话式交互：智能新闻助手，支持自然语言对话
🏗️ 个人项目
📖 阅读与反馈
- 深入理解软件工程核心概念
- 理论与实践相结合的学习方法
- 对课程内容的深度思考
- 回答学期初提出的五个问题
- AI 时代的软件开发新思考
- NCL 理想教学环境 vs 实际体验
- 自我评价与能力提升总结
🏗️ 电梯调度系统
- 智能范围巡回算法设计
- 完整的MVC架构实现
- 结对编程实践与团队协作
- 前端可视化界面开发
- 性能优化与异常处理
🛠️ 技术栈
团队项目（NewsMind）
- 全栈框架: Streamlit（Python Web 应用框架）
- 编程语言: Python 3.8+
- 数据库: SQLite + FTS5 全文搜索（bm25 相关性排序）
- 数据库架构: 连接池 + 并发控制 + WAL 模式
- AI/LLM: DeepSeek-V3（OpenAI 兼容 API）
- 数据爬取: 27 个数据源官方 API 直接抓取（今日头条、百度热搜、IT之家等）
- 搜索算法: FTS5 rank (bm25) + 多维度评分系统
- 定时任务: schedule + tmux（每天自动爬取）
- 部署: Docker + Nginx + Streamlit
- 开发模式: 敏捷开发, Git Flow, CI/CD
- 代码质量: Cursor AI 辅助代码审查, 自动 lint, E2E 测试
个人项目（电梯调度系统）
- 后端: Python, Elevator Saga API, Quart, Hypercorn
- 前端: Vue.js, TypeScript, Vite
- 工具: npm, pip, curl, Git
- 部署: Bash脚本, Jekyll, GitHub Pages
📈 学习收获
通过这些项目，我不仅掌握了软件工程的核心理论，更重要的是学会了如何在实际项目中应用这些原则，进行有效的团队协作和代码管理。从结对编程到团队项目，从算法设计到系统架构，每个阶段都让我对软件工程有了更深入的理解。
关键技能提升
- ✅ 项目管理：Sprint规划、任务分解、燃尽图追踪
- ✅ 团队协作：明确分工、敏捷开发、代码评审
- ✅ 系统设计：架构设计、数据库设计、API设计
- ✅ AI集成：LLM API调用、语义分析、推荐算法
最后更新：2025年12月17日