《hello-world》第八次团队作业：Alpha冲刺-Scrum Meeting 3

最新推荐文章于 2025-05-07 12:58:49 发布
最新推荐文章于 2025-05-07 12:58:49 发布
阅读量101 收藏
点赞数
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/dudi/p/11029033.html
本文记录了2016级计算机科学与工程学院软件工程专业学生在西北师范大学的团队作业，介绍了软件测试基础技术和迭代式增量软件开发过程（Scrum）。团队成员包括杨天超、孙锦喆、王小倩和杜娣，他们分别负责环境配置、代码编写、框架学习和代码优化等任务。文章还分享了任务分配、燃尽图和成员贡献时间。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

项目内容
这个作业属于哪个课程2016级计算机科学与工程学院软件工程（西北师范大学）
这个作业的要求在哪里实验十二 团队作业8：软件测试与Alpha冲刺
团队名称《hello--world团队》
作业学习目标（1）掌握软件测试基础技术。（2）学习迭代式增量软件开发过程（Scrum）

Part0.简要目录

  • 前言
  • 任务分配
  • 燃尽图
  • 会议照片
  • 成员贡献时间
  • 困难

Part1.前言

第三天----第3次会议
时间：6月16日
地点：10A104
任务：小组内开始代码的编写，实现基本页面的布局。

Part2.任务分配

任务进度安排表
姓名当前任务下一阶段任务
杨天超熟悉并配置项目所需运行环境，eclipse，jdk，tomcat，mysql等总结6.17的会议内容。实现数据库表的建立并确认准确无误。
孙锦喆详细设计每个模块应实现的目标功能，以及页面的布局开始编写代码，实现所需的前台页面
王小倩熟悉项目结构和框架，并重点学习MVC框架，运用到代码编写中实现基本框架的构建，并对后台所需页面进行相应规划
杜娣熟悉代码以及配置环境，负责配置组员的所有电脑运行环境，以便项目运行运行小组成员代码，并和成员之间互相讨论优化代码

Part3.燃尽图

1658463-20190616191630753-484026848.jpg

Part4.会议照片

1658463-20190617212541875-16805849.jpg

Part5.成员贡献时间

姓名贡献时间（小时）
杨天超3
孙锦喆3.5
王小倩3.5
杜娣2

Part6.困难

对语言熟练程度掌握不够，导致编写代码的效率过低，也极大的影响了优化代码的过程，目前正在努力克服当中。

转载于:https://www.cnblogs.com/dudi/p/11029033.html

大模型微调部署实战及类GPT工具的高效使用
herosunly的博客
07-24 21万+
本文主要介绍了专栏《大模型微调部署实战及类GPT工具的高效使用》的核心内容，希望对使用大语言模型的同学们有所帮助。 文章目录 1. 前言 2. 专栏亮点 3. 你的收获 4. 详细目录
把李继刚老师的Claude Prompt：逻辑之刃改成了ChatGPT可用的格式原创 安安说 AI使用技巧 2024年11月03日 23:26 湖南在上一篇文章中，把李继刚老师的[Claude
强化学习曾小健
11-09 1481
磁性笔由多个磁力小部件组成，依靠强大的磁性可任意变换出不同的造型，颇具娱乐性。磁性笔商家称，磁性笔能开发智力，寓教于乐，让孩子爱上写字，学龄以上孩子都可以安全使用。LoT方法通过将逻辑推理的步骤明确地融入模型的思考过程中，使其在解答复杂问题时更接近人类的思维方式。这项研究表明，通过引入更接近人类思维的逻辑推理方式，人工智能模型在处理复杂问题时的能力得到了显著增强，为未来的智能应用带来了新的可能性。多试试，你就会发现好玩的地方了。B：某调查发现，初三的大部分学生认为磁性笔很无聊，是给小孩子玩的。
‌System Prompt VS User Prompt
cancer_s的博客
12-09 3438
用户提示词是用户与AI互动的直接方式，通过提问、请求或命令来引导对话的方向，确保AI能够理解并生成合适的回复‌。内容可以非常具体，如指定AI应该遵守的规则，也可以较为宽泛，如定义AI的性格特质‌1。它通常在对话开始前设置，对整个对话过程都有效，但不会直接与用户互动‌。：系统提示词是指向AI提供的一组初始指令或背景信息，用于指导AI的行为方式和响应模式。，内容多样，可以是询问、陈述、命令等形式。它是触发AI产生回复或执行操作的直接原因‌。等，确保AI能够按照预期的方式与用户互动‌。
你敢信，我用一句话就套出了Kimi官方所有智能体的提示词！(附提示词)
zzling2024的博客
11-04 2118
我用一句话就套出了Kimi官方所有智能体的提示词！(附提示词)
GLM4 开源了！！！
东方佑
06-05 1286
GLM-4的All Tools能力（即Agent智能体能力）也是全新发布的，这使得GLM-4能够根据用户意图自动理解、规划复杂指令，并自由调用网页浏览器、Code Interpreter代码解释器和多模态文生图大模型CogView3以完成复杂任务。智谱AI还将发起一个大模型开源基金，这个计划包括三个“1000”：为开源社区提供1000张卡助力开源开发，提供1000万元现金支持与大模型相关的开源项目，以及为优秀开源开发者提供1000亿免费API tokens。
【劲爆消息】GLM4 开源了！！！人工智能大模型又一大进步
AI大模型的博客
06-05 2019
在人工智能领域，开源项目总是能够激发社区的创新活力。今天，我们要分享一个令人震撼的消息：智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源版本——GLM-4-9B，现已全面开源！GLM-4-9B 不仅仅是一个模型，它是智谱 AI 对深度学习和自然语言处理能力的一次全新探索。在语义理解、数学推理、代码执行等多个领域，GLM-4-9B 展现出了超越 Llama-3-8B 的卓越性能。
智谱AI发布国产最强大模型GLM4，理解评测与数学能力仅次于Gemini Ultra和GPT-4，编程能力超过Gemini-pro，还有对标GPTs商店的GLMs
DataLearnerAI
01-16 8146
这是在智谱AI开发者大会上推出的新一代基座大语言模型，GLM4相比较此前最大的特点是三个变化：性能全面提升、上下文长度更长、支持更强的多模态能力。GLM4（GLM4）详细信息 | 名称、简介、使用方法，开源情况，商用授权信息 | 数据学习 (DataLearner)
最新LangChain+GLM4开发AI应用程序系列（一）：快速入门篇
悠杨的专栏
02-18 1万+
本文是最新版LangChain使用智谱AI的GLM-4大模型开发AI应用程序系列的第一篇文章-快速入门篇。 首先对LangChain做了介绍，LangChain是哈里森·蔡斯 (Harrison Chase) 于2022年10月创建的，对于AI应用程序开发来说，它的地位就相当于Java界的Spring。LangChain的整体架构分为六层，它的核心概念就是链，链接外部一切能链接的东西赋予LLM力量。 然后从零基础开始介绍了LangChain环境的安装和配置，包括Conda、Jupyter Noteboo
使用 Ollama 本地运行各种 LLM
python123456_的博客
05-31 1266
今天看看另外一个产品Ollama。Ollama 的安装非常简单，只需从官网（https://ollama.com/download）下载后解压缩，并在 Terminal 中运行脚本即可完成环境设置。我尝试运行 Llama3，虽然在运行时占用了大量电脑资源，使得其他应用运行变慢，但整体体验尚可。Ollama 支持多种大型语言模型（https://ollama.com/library）。
ChatGLM4重磅开源! 连忙实操测试一波，效果惊艳，真的好用！
2401_84206094的博客
06-24 1801
GLM-4-9B是智谱AI在24年6月5日推出的开源预训练模型，属于GLM-4系列。之前已开源chatglm1~chatglm3等多个版本。GLM4在语义理解、数学、推理、编程和知识等领域的测试中表现优异。GLM-4-9B-Chat是其人类偏好对齐版本，支持多轮对话、网页浏览、代码执行、自定义工具调用(function call)以及长文本推理（最大128K上下文）。该系列模型还支持26种语言，包括日语、韩语和德语，并推出了支持1M上下文长度（约200万中文字符）的版本。GLM-4-9B 系列模型主要包含:
大模型提问中包括时间的实战方案
热门推荐
herosunly的博客
07-04 21万+
本文主要介绍了大模型提问中包括时间的实战方案，希望对学习大语言模型的同学们有所帮助。 文章目录 1. 前言 2. 实战方案
不同大模型对提示词和问题的符号标识
ZJQ的博客
05-07 172
花括号{}的定位：是编程和数据格式的通用符号，非大模型提示词的标准分隔符。核心建议简单任务：用自然语言+换行即可。复杂任务：根据模型特性选择符号（Claude用XML，GPT用###动态填充：用{}作为模板变量，但需在代码中预先格式化。通过合理选择符号并结合模型特性，可显著提升提示词的清晰度和模型响应的准确性。不存在绝对通用的格式，但可通过以下策略实现跨模型兼容基础结构：系统提示+用户输入，用分隔符（如###）分段。动态填充：代码中使用{}模板变量，预先格式化。示例引导。
智谱AI GLM4开源！快速上手体验
IT大头的博客
06-05 3738
GLM-4-9B 是智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源版本。在语义、数学、推理、代码和知识等多方面的数据集测评中，GLM-4-9B 及其人类偏好对齐的版本 GLM-4-9B-Chat 均表现出较高的性能。GLM-4-9B 模型具备了更强大的推理性能、更长的上下文处理能力、多语言、多模态和 All Tools 等突出能力。
LLM试用-让Kimi、智谱、阿里通义、腾讯元宝、字节豆包、讯飞星火输出system prompt
Jamence的博客
10-10 1327
做一个简单小实验，让一些商用的LLM输出自己的system prompt
GLM4实践-GLM4智能体的本地化实现及部署
YELLOWAUG的博客
04-03 7799
实现GLM4智能体的本地化部署及调用，本文较长，涉及的技术点也较多
LLMs之GLM-4：GLM-4的简介(全覆盖【对话版即ChatGLM4的+工具调用+多模态文生图】能力→Agent)、安装和使用方法、案例应用之详细攻略
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
01-16 1万+
​ LLMs之GLM-4：GLM-4的简介(全覆盖【对话版即ChatGLM4的+工具调用+多模态文生图】能力→Agent)、安装和使用方法、案例应用之详细攻略 目录 GLM-4的简介 GLM-4的安装和使用方法 GLM-4的案例应用 GLM-4的简介 2024年01月16日，智谱AI在「智谱AI技术开放日(Zhipu DevDay)」推出新一代基座大模型GLM-4。智谱AI发布 All Tools、GLMs、MaaS API、大模型
探索ChatGLM4Tools：一款高效且灵活的聊天工具开发框架
gitblog_00010的博客
04-22 507
探索ChatGLM4Tools：一款高效且灵活的聊天工具开发框架 项目简介 是一个基于WebRTC和WebSocket技术的实时通信框架，专为构建高质量、可扩展的聊天应用而设计。该项目提供了一套完整的解决方案，涵盖了从基础的文本消息传输到音视频通话的多种功能，旨在帮助开发者快速搭建自己的在线聊天平台。 技术分析 核心技术栈： WebRTC: ChatGLM4Tools 使用WebRTC进行音频...
最新LangChain+GLM4开发AI应用程序系列（二）：Agent智能体篇
悠杨的专栏
02-24 7811
这篇文章是LangChain开发系列第二篇，Agent智能体篇。首先介绍了Agent是什么，以及Agent的核心思想。如果说LLM是大脑，那么Agent就是给大脑装上了手脚眼睛后的智能体。Agent的核心思想是使用LLM作为推理引擎，来动态的确定要采取哪些操作，使用哪些工具以及按什么顺序执行。然后通过一个使用六个工具的Agent智能体实战案例，分析了Agent的实现原理。希望能给大家起到一定的参考作用，同时也欢迎共同探讨。
prompt设计-创新实训
lionjumpma的博客
05-29 1236
prompt的出现当然是用于解决人机交互之间的缺陷的，它强依赖于llm本身的功能，假如llm本身的性能就很弱，即使你prompt设计的再好，也不如直接去问功能更强的llm模型，因此prompt工程的前提是llm本身已经足够好，用户限于资源或者其他因素不愿对于llm进行本地部署或是进一步微调，在这种情况下prompt可以明显提升模型回答的结果和水准。在进行提示词工程时，可以采用不同类型的提示词来服务于不同的目标，例如： 直接提示（Zero-shot）是最简单的提示类型，它不提供任何示例给模型，只提供指令。
system prompt 和 user prompt 怎样编写
最新发布
08-01
### **System Prompt 与 User Prompt 编写指南** #### **1. System Prompt（系统提示）** **作用**：定义AI的**角色、能力边界和响应规则**，确保生成内容符合预期。 **编写要点**： - **明确角色**：指定AI的身份（如客服、编程助手等）。 - **约束行为**：限制回答范围或格式（如“仅用中文回答”）。 - **流程控制**：定义多轮对话的逻辑（如“先确认用户需求再回答”）。 **示例**： ``` 你是一名专业的技术支持助手，负责解决用户IT系统问题。请遵守以下规则： 1. 仅回答与系统故障相关的问题，拒绝无关请求。 2. 先询问用户的操作系统和浏览器版本。 3. 输出格式为Markdown，包含步骤和代码块（如适用）。 ``` --- #### **2. User Prompt（用户提示）** **作用**：向AI提交**具体任务或问题**，引导生成目标响应。 **编写要点**： - **具体性**：避免模糊表述（如“帮我写代码” → “用Python生成快速排序函数”）。 - **上下文**：提供必要背景（如输入数据格式、预期输出）。 - **分步指令**：复杂任务需拆解步骤（如“1. 加载数据；2. 清洗空值”）。 **示例**： ``` 你是一个数据分析师，请完成以下任务： 1. 加载附件中的CSV文件（列：日期、销售额）。 2. 计算2023年每季度的平均销售额。 3. 输出结果为JSON格式：{"Q1": xxx, "Q2": xxx...} ``` --- ### **对比与协作** | 维度 | System Prompt | User Prompt | |---------------|----------------------------------------|--------------------------------------| | **目标** | 设定AI的长期行为模式 | 提出单次任务需求 | | **修改频率** | 低频（如角色变更时） | 高频（每次交互可调整） | | **示例** | “你是一个医学顾问，回答需引用权威文献” | “解释糖尿病患者的饮食建议，列出3条” | --- ### **最佳实践** 1. **System Prompt** 应简短且稳定，避免过度约束（如“仅回答是/否”会限制实用性）。 2. **User Prompt** 需迭代优化，通过测试调整表述（如添加示例减少歧义）。 3. **组合使用**： - System Prompt定义角色 → User Prompt指定任务细节。 - 例：System设定“你是一个律师”，User提问“起草一份租房合同，重点包含违约责任条款”。 --- ### **常见错误与修复** - **问题**：AI偏离主题。 **修复**：在System中强化约束，如“若问题超出范围，回答‘此问题不在服务范围内’”。 - **问题**：输出格式混乱。 **修复**：User Prompt明确要求，如“用表格对比A和B的优缺点”。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值