21 lines
3.3 KiB
Markdown
21 lines
3.3 KiB
Markdown
| 姓名 | 学号 | 角色 | 职责 |
|
||
|--------|------------|----------|--------------------------|
|
||
| 周诗晗 | 2411020112 | 组长 | 代码测试与 Bug、文档撰写 |
|
||
| 肖舒妍 | 2411020206 | 组员 | 界面设计、Prompt 编写 |
|
||
|
||
2.2 项目简介 & 运行指南
|
||
# 简介
|
||
本成语接龙互动系统聚焦青年群体成语积累薄弱、传统成语接龙游戏参与门槛高且趣味性不足的痛点，通过 AI 辅助谐音匹配、实时提示及轻量化交互设计，以游戏化形式降低成语学习门槛，实现传统文化的趣味传承。
|
||
# 如何运行
|
||
安装依赖: uv sync
|
||
配置 Key: 复制项目根目录下的.env.example文件并重命名为.env，在文件内填入 DeepSeek API Key（用于 AI 成语生成功能）
|
||
启动项目: uv run streamlit run app.py
|
||
访问游戏：启动成功后，在浏览器打开终端输出的本地链接（默认：http://localhost:8501）即可进入成语接龙界面
|
||
|
||
《成语接龙》课程设计开发心得
|
||
本次Python程序设计课程设计我们小组以“成语接龙互动系统”为主题，核心出发点在于解决“青年群体成语积累薄弱、传统成语游戏趣味性不足”的问题——既希望借助互动形式传承传统文化，也试图通过AI辅助功能降低成语接龙的参与门槛，让更多人在轻量化的游戏体验中熟悉成语、掌握成语。
|
||
在AI协作方面，初次借助AI辅助开发时，其对需求的快速落地能力让我们印象深刻：仅通过描述“实现基于汉字谐音的成语匹配逻辑”，AI即可生成拼音映射表与同音校验函数，大幅缩短了基础功能的开发周期。其中，效果最显著的Prompt为“结合Streamlit框架，实现包含中国风界面、游戏状态管理、AI成语生成的完整交互系统”——该指令不仅覆盖了前端样式的视觉设计（如渐变卡片、动画效果），还嵌入了游戏计时器、历史记录管理等核心逻辑，直接实现了“功能完整性”与“用户体验”的结合。
|
||
但协作过程中也存在实际问题：在调用DeepSeek API生成成语的环节，初始Prompt未限定“过滤已使用成语”，导致AI返回结果频繁重复，后续补充“排除历史成语列表”的约束条件后才解决该问题；此外，AI生成的新成语与本地成语库不匹配的Bug，通过“自动将有效新成语补充至本地库”的逻辑得以修复——这也让我意识到，AI输出的内容仍需结合实际场景进行针对性校验与调整。
|
||
若脱离AI辅助，我们虽然可以独立完成基础接龙逻辑的编写，但Streamlit前端美化、API接口对接等环节的开发周期将显著延长，且界面交互的精细化程度会大打折扣。这也让我明确：AI是提升开发效率的工具，但开发者的核心竞争力仍在于“需求拆解能力”与“场景化决策能力”——例如AI不会主动考虑“用户卡壳时需要提示功能”，但结合实际使用场景，我增设了“提示按钮”，这正是从用户需求出发的主动设计。
|
||
本次开发让我们清晰了AI时代的开发思路：需以“用户需求”为核心，先完成功能模块与体验细节的拆解，再借助AI实现具体代码的落地，自身则聚焦于需求合理性、流程完整性的把控。
|