当前位置: 首页 > article >正文

2026山东大学软件学院创新项目实训博客(三)

2026.4.15-2026.4.201. 工作内容本周依据项目总体架构设计、数据库设计、开发文档设计、项目流程图设计、接口文档使用Codex完成了项目骨架搭建并对AI生成代码进行了分析和拆解便于其他小组成员快速理解项目骨架进行其他功能的开发2. AI提示词根据该文件夹目录下的五个文档项目总体架构设计、数据库设计、开发文档设计、项目流程图设计、接口文档生成项目框架使用SpringBootVue3开发技术3. AI生成过程4. 项目骨架分析项目整体采用前后端分离架构主要分为backend和frontend两大部分。后端负责业务接口、数据处理和系统配置前端负责页面展示、交互逻辑和接口调用。通过对 AI 生成结果的分析可以看出这次生成的不只是一个简单的空项目而是已经具备了比较清晰的工程化骨架。4.1 后端骨架分析后端部分位于backend目录下采用的是Spring Boot Maven的开发方式并且使用了父子模块结构进行管理。1backend 根目录backend目录下主要包含以下内容pom.xml后端父工程配置文件用于统一管理依赖版本和模块结构。contract-admin/核心业务子模块也就是当前项目后端真正运行的服务模块。sql/数据库脚本目录用于存放初始化建表语句。这种结构的好处是后续如果项目继续扩展还可以在父工程下面继续新增其他子模块整体扩展性比较好。2contract-admin 模块contract-admin是当前后端的核心模块里面包含了项目启动类、业务代码和配置文件。在src/main/java/com/zhiqitong/contract/admin/目录下又可以继续分成两部分common公共模块modules业务模块3common 公共模块common目录主要用于存放项目中可复用的通用代码。目前生成的内容包括api/ApiResponse.java统一接口返回格式方便前后端交互时保持数据结构一致。config/CorsConfig.java跨域配置类用来解决前后端分离开发中常见的跨域访问问题。虽然目前公共层内容还不多但它已经为后续封装统一异常处理、统一响应码、拦截器等功能预留了位置。4modules 业务模块modules目录是整个后端骨架中最核心的一部分它按照业务功能进行拆分。当前已经生成的模块有auth登录认证模块contract合同管理模块template模板管理模块risk风险审查模块summary摘要生成模块compare合同对比模块polish合同润色模块user用户管理模块version版本管理模块从这里可以看出AI 已经根据前期文档内容把系统主要业务方向基本拆解出来了。其中每个模块下又进一步包含了不同职责的类例如controller负责接收前端请求、返回接口数据dto用于接收前端传入的数据vo用于返回给前端展示的数据这种分层方式说明生成结果已经初步具备了规范化开发的思路不再是把所有代码都堆在一起而是按照职责进行了划分。5resources 配置目录在src/main/resources目录下目前主要有application.yml项目配置文件当前配置中已经设置了服务端口和 Swagger 文档路径说明后端骨架已经考虑到了接口调试和后续联调的问题。6sql 数据库脚本在backend/sql/init.sql中已经生成了几个基础数据表例如sys_user用户表contract_template合同模板表contract_info合同信息表contract_version合同版本表这说明项目骨架并不只是停留在代码目录层面而是已经把数据库基础结构同步搭建出来了为后续功能开发节省了不少时间。4.2 前端骨架分析前端部分位于frontend目录下使用的是Vue 3 Vite TypeScript技术栈。整体结构比较清晰符合当前主流前端项目的组织方式。1frontend 根目录前端根目录下主要包括package.json项目依赖和脚本配置文件vite.config.tsVite 构建配置文件tsconfig.jsonTypeScript 配置文件src/前端核心源码目录从依赖配置来看项目中已经集成了vuevue-routerpiniaaxioselement-plus这说明前端基础开发环境已经搭建完成后续可以直接在这个基础上继续开发页面和功能。2src 核心目录前端的核心代码集中在src目录下主要可以分为以下几个部分api/接口请求封装layouts/页面布局router/路由配置stores/状态管理views/业务页面main.ts项目入口文件App.vue根组件styles.css全局样式文件这种目录划分非常典型也比较适合中后台项目开发。3api 接口层src/api/http.ts主要用于统一封装请求逻辑。这样做的好处是后续所有页面在调用后端接口时都可以复用同一套请求配置减少重复代码。4layouts 布局层src/layouts/MainLayout.vue是后台系统的主布局文件通常用于统一管理头部、侧边栏、菜单和内容区域。对于中后台管理系统来说这一层非常重要它决定了整个页面的整体结构。5router 路由层src/router/index.ts中已经配置了项目的主要路由包括登录页首页仪表盘模板管理页合同管理页风险审查页摘要生成页合同比对页系统管理页这说明前端骨架不仅生成了目录还已经把主要业务页面入口都准备好了。6stores 状态管理层src/stores/app.ts是全局状态管理模块使用的是Pinia。这部分虽然目前代码可能还比较简单但它为后续共享用户信息、菜单状态、系统配置等内容提供了基础支持。7views 页面层views目录下按功能拆分出了多个页面目录例如logindashboardtemplatecontractrisksummarycomparesystem每一个目录下都对应一个页面组件这样的组织方式使页面结构更加清晰也更方便后续逐个模块进行功能完善。4.3 项目骨架的整体特点从本次 AI 生成的结果来看这个项目骨架有几个比较明显的特点前后端分层清晰整体目录结构比较规范。后端已经按照业务功能完成了初步模块拆分具有一定的扩展性。前端具备完整的页面结构、路由结构和基础开发环境。数据库脚本、接口骨架和页面骨架是同步生成的说明 AI 在生成时能够结合多份文档信息进行整体组织。当前生成的内容更偏向“项目基础框架”适合作为后续详细开发的起点。4.4 小结整体来看这次 AI 生成的项目骨架完成度还是比较高的。它不仅搭建了前后端项目的基本目录也提前划分了主要业务模块并生成了数据库初始化脚本和页面入口。虽然很多具体业务逻辑还需要后续继续补充但作为项目初期的骨架来说已经能够较好地支撑后续开发工作。通过这一步我也更加直观地感受到AI 在项目初期的框架搭建、目录设计和基础代码生成方面确实能够显著提升开发效率。不过AI 生成的代码仍然需要结合项目实际需求进行分析、调整和优化才能真正满足后续开发使用。5. 项目效果展示

相关文章:

2026山东大学软件学院创新项目实训博客(三)

2026.4.15-2026.4.20 1. 工作内容 本周依据项目总体架构设计、数据库设计、开发文档设计、项目流程图设计、接口文档,使用Codex完成了项目骨架搭建,并对AI生成代码进行了分析和拆解,便于其他小组成员快速理解项目骨架,进行其他功…...

WarcraftHelper:3步搞定魔兽争霸III终极优化方案

WarcraftHelper:3步搞定魔兽争霸III终极优化方案 【免费下载链接】WarcraftHelper Warcraft III Helper , support 1.20e, 1.24e, 1.26a, 1.27a, 1.27b 项目地址: https://gitcode.com/gh_mirrors/wa/WarcraftHelper 还在为魔兽争霸III在现代Windows系统上的…...

SCI 论文 Abstract 中 100 + 学术句式(1)

前序系列我们已经完整拆解了 SCI 论文 Methods 部分的 130 学术句式,搞定了论文的核心实验部分。但很多同学反馈,写完论文,最头疼的是 Abstract 摘要:写短了说不清楚创新点,写长了像流水账,开头空洞无物&a…...

大模型分类全景图:文本、视觉、视频、多模态——区别在哪?怎么选?能跨界干活吗?

大模型不是“越大越好”,而是像不同工种的特种兵:文本模型是笔杆子秘书,视觉模型是火眼金睛质检员,视频模型是剪辑导演二合一,而多模态模型是能边看边说、边听边写的全能翻译官。下面用真实能力对比表 可运行代码示例…...

卡梅德生物技术快报|SPR 技术应用|基于 SPR 亲和力的中药活性成分筛选系统实现与数据分析

摘要表面等离子共振(SPR)是生物分子互作分析的核心技术,本文以连翘活性成分筛选为案例,详细讲解SPR 亲和力筛选的实验搭建、芯片偶联、垂钓富集、液质鉴定、分子模拟、动力学拟合全流程,给出可工程化复现的技术方案&am…...

3步搞定Windows系统优化:WinUtil终极解决方案

3步搞定Windows系统优化:WinUtil终极解决方案 【免费下载链接】winutil Chris Titus Techs Windows Utility - Install Programs, Tweaks, Fixes, and Updates 项目地址: https://gitcode.com/GitHub_Trending/wi/winutil 你是否厌倦了每次重装系统后要手动安…...

精准控制每一像素:WindowResizer 让Windows窗口管理更自由

精准控制每一像素:WindowResizer 让Windows窗口管理更自由 【免费下载链接】WindowResizer 一个可以强制调整应用程序窗口大小的工具 项目地址: https://gitcode.com/gh_mirrors/wi/WindowResizer 还在为Windows窗口尺寸限制而烦恼吗?当老旧软件窗…...

从零到一:我用 Nexent 打造了一个“旅行规划师“智能体,让行程安排自动化

前言 作为一个每年至少出去旅行两三次的人,每次做攻略都是一场"修行"——查景点、看天气、找酒店、比机票……信息分散在十几个 App 里,往往花一整天也理不出个清晰的行程。一直想有个 AI 助手能帮我把这些事一次性搞定,但要么不够…...

qmc-decoder完整指南:3分钟快速解密QQ音乐加密音频文件

qmc-decoder完整指南:3分钟快速解密QQ音乐加密音频文件 【免费下载链接】qmc-decoder Fastest & best convert qmc 2 mp3 | flac tools 项目地址: https://gitcode.com/gh_mirrors/qm/qmc-decoder qmc-decoder是一款专业高效的QQ音乐加密音频文件解密工具…...

AI Agent 开发的工业化道路:Harness 架构深度解析

1. 引言:从提示词工程到系统工程的范式转移在 AI Agent 迈向生产环境的过程中,开发者往往会陷入“提示词迷思”,试图通过无限堆砌 Prompt 来覆盖业务边界。然而,由于大模型本质上的概率性,纯粹的提示词工程在面对长链条…...

数字IC面试必刷题:用Verilog实现序列检测器的两种经典方法(状态机 vs. 移位寄存器)

数字IC面试进阶指南:序列检测器的双方案深度对比与工程实践 在数字IC设计岗位的面试中,序列检测器几乎是必考题。面试官不仅期待候选人能实现基础功能,更希望看到对不同实现方案的深入理解和工程权衡。本文将聚焦状态机(FSM&#…...

使用 Keepalived 实现高可用

在当今互联网服务中,高可用性是保障业务连续性的关键。无论是电商平台、金融系统还是在线服务,任何短暂的中断都可能造成巨大损失。Keepalived作为一款轻量级的高可用解决方案,通过虚拟IP(VIP)和健康检查机制&#xff…...

回归显见:在亚马逊,为何“最简单、最本质”的价值是抵御复杂化陷阱的终极武器

天主教会从“律法教师”到“福音教师”的定位回归,揭示了一个对抗“内部复杂化”的战略真理:当组织因扩张或竞争陷入角色混乱时,最有效的解法不是创造更复杂的新定义,而是回到那个最简单、最本质、最显见、且具有永恒价值的核心身…...

避坑指南:大华海康SDK回调流如何用JavaCV稳定推流到ZLMediaKit?

工业级视频流处理:JavaCV与ZLMediaKit的高效集成实践 当企业级监控系统需要处理数百路摄像头并发推流时,开发者往往会遇到视频卡顿、内存泄漏和连接不稳定等技术难题。本文将分享一套经过生产环境验证的解决方案,重点解决大华/海康SDK回调流处…...

广州GEO优化多少钱?2026本地报价+真实行情,避开低价陷阱

对于广州做GEO优化(生成式引擎优化)的企业来说,最纠结的就是“花多少钱合适”“报价虚不虚”。结合2026年广州本地实测行情,不玩虚的,直接说真实报价:小型企业基础优化,季度大概6000-8000元&…...

HTML函数开发用防眩光屏幕更舒适吗_显示面板类型选择【指南】

防眩光(雾面)屏能显著降低前端开发者视觉疲劳——通过散射环境光消除反光,提升长时间编码可读性,虽轻微降低对比度与色彩饱和度,但对写代码无害且更护眼。HTML 函数开发本身和屏幕防眩光无关,但长时间写代码…...

自然语言处理词向量:WordVec与BERT预训练模型对比

自然语言处理(NLP)中,词向量技术是理解语义的核心工具。从早期的Word2Vec到如今的BERT预训练模型,词向量的发展推动了机器对语言的理解能力。本文将对比这两种代表性技术,分析其差异与应用场景,帮助读者理解…...

互联网大厂Java求职者面试全流程解析(含技术点详解)

互联网大厂Java求职者面试全流程解析(含技术点详解) 文章标签 Java,Spring Boot,面试,互联网大厂,技术详解,微服务,缓存,消息队列 文章简述 本文模拟了互联网大厂Java岗位的面试过程,采用严肃面试官与搞笑程序员谢飞机的故事方式展开。文章涵…...

传感器非线性飘移解析

传感器非线性飘移是指传感器输出信号与输入物理量之间的映射关系随时间或环境条件发生非线性的、缓慢的、不可预测的变化。这种飘移会直接导致测量精度下降,是精密测量系统(如无人机、机器人、高精度仪器)中常见且棘手的问题。 传感器非线性…...

**链路追踪实战:用Go语言打造分布式系统的“心跳图谱”**在微服务架构日益普及的今天,一个请求可能跨越多个服务节点,调用链变得异常

链路追踪实战:用Go语言打造分布式系统的“心跳图谱” 在微服务架构日益普及的今天,一个请求可能跨越多个服务节点,调用链变得异常复杂。如何快速定位性能瓶颈、识别异常调用路径?链路追踪(Distributed Tracing&#xf…...

终极GMod修复工具:5分钟解决Garry‘s Mod浏览器乱码与启动故障

终极GMod修复工具:5分钟解决Garrys Mod浏览器乱码与启动故障 【免费下载链接】GModPatchTool 🇬🩹🛠 Patches for Garrys Mod. Updates/Improves CEF and Fixes common launch/performance issues (esp. on Linux/Proton/macOS). …...

如何深度配置LAV Filters:进阶用户的完整实战指南

如何深度配置LAV Filters:进阶用户的完整实战指南 【免费下载链接】LAVFilters LAV Filters - Open-Source DirectShow Media Splitter and Decoders 项目地址: https://gitcode.com/gh_mirrors/la/LAVFilters 你是否厌倦了在不同媒体格式之间切换解码器的繁…...

Anthropic新品频发致传统软件股暴跌,AI与SaaS融合能否成未来趋势?

Anthropic新品频发引发行业震荡:传统软件股暴跌,AI与SaaS融合成未来趋势?又一家明星公司,被Anthropic无情“斩杀”。4月18日,Anthropic发布新产品Claude Design。用户能通过它创建网页或App设计方案,涵盖交…...

AlixLabs APS技术:绕过EUV实现图形化,有望降低晶圆每层掩模成本40%!

AlixLabs APS技术:绕过EUV实现图形化,有望降低晶圆成本40%!在过去几十年的半导体演进里,每一次微缩都离不开光刻能力的支持。从DUV到EUV,从193nm到13.5nm,再到High - NA EUV,整个产业链围绕一个…...

【2025企业级部署红线预警】:C# 14 原生 AOT 下 Dify 插件动态加载失效的4种静默崩溃场景及热修复补丁

第一章:C# 14 原生 AOT 部署 Dify 客户端插件下载与安装概览C# 14 引入了对原生 AOT(Ahead-of-Time)编译的深度集成支持,使 .NET 应用可直接编译为无运行时依赖的独立二进制文件。在部署 Dify 官方客户端插件(如用于本…...

固态硬盘取证与数据恢复的技术壁垒与2026年实战全指南

引言:电子取证的"固态革命"危机 2026年第一季度,全球固态硬盘(SSD)出货量首次突破1.2亿块,在消费级市场占比达到92%,企业级市场占比突破78%。这场存储介质的革命,正在彻底改写电子取证和数据恢复行业的游戏规…...

YOLO26安全背心穿戴检测系统:从数据集构建到工业场景部署的全流程实现(项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署)

摘要 安全背心穿戴检测是保障工业作业场所安全的重要技术手段。本文基于YOLO26目标检测算法,构建了一个面向两类目标(no-vest、vest)的穿戴识别系统。系统训练使用2728张图像,验证集779张,测试集390张。实验结果表明&…...

YOLO26落石滑坡识别检测系统:从数据集构建到地质灾害自动定位的全流程实现(项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署)

摘要 落石与滑坡是我国山区常见的地质灾害类型,具有突发性强、破坏性大、监测预警困难等特点,严重威胁山区公路、铁路及居民点安全。针对传统人工巡查效率低、传感器监测成本高等问题,本文提出了一种基于改进YOLO26的目标检测方法&#xff0…...

基于YOLO26的六类犬种识别检测系统:mAP50达到0.895,推理速度2.4ms/张(项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署)

摘要 本系统基于YOLO26目标检测算法,构建了一个面向六类常见犬种的智能识别检测模型。研究涵盖Beagle、bullDog、corgi、goldenRetriever、husky和pomeranian六个犬种类别,总数据集规模为1257张标注图像,其中训练集880张、验证集251张、测试…...

golang如何实现审计日志记录_golang审计日志记录实现教程

审计日志应按环境选择输出目标:本地开发用os.Stdout,K8s走stdout/stderr由sidecar采集,生产物理机/虚拟机对接syslog;避免直接写文件引发并发、rotate和路径问题。审计日志该往哪里写:文件、stdout 还是 syslog&#x…...