计算机专业小学期实训全栈开发与实践 (Computer Science Summer Term Projects)#

---

🌟 项目简介#

本项目汇集了计算机专业小学期实训的完整工程源码、数据集、模型配置与技术文档。项目按照现代软件工程与人工智能全栈落地标准构建，涵盖数据采集与清洗 -> 计算机视觉目标检测 -> 知识库检索增强 (RAG) -> 多模态 AIGC 工业化生成四个核心阶段。

graph TD
    subgraph 01_数据采集 ["模块一：网络数据采集 (2026_0705)"]
        Spider[Requests / XPath / BS4 爬虫]
        Spider --> Data1[豆瓣电影 Top 榜单 CSV]
        Spider --> Data2[明星正面人脸图像集]
    end

    subgraph 02_视觉感知 ["模块二：YOLOv5 目标检测 (2026_0706)"]
        Data2 --> AutoLabel[OpenCV Haar Cascade 自动标注]
        AutoLabel --> Dataset[8:2 划分 Train / Val]
        Dataset --> YOLO_Train[YOLOv5 迁移学习训练]
        YOLO_Train --> YOLO_Model[人脸目标检测模型 best.pt]
    end

    subgraph 03_知识检索 ["模块三：跨境电商 RAG 智能体 (2026_0707)"]
        FAQ[568 条跨境电商 FAQ 数据] --> CozeRAG[Coze 知识库构建]
        UserQuery[用户输入] --> Intent[Python 意图识别插件]
        Intent -->|分流过滤| CozeRAG
        CozeRAG --> PreciseAnswer[高保真低幻觉问答]
    end

    subgraph 04_生成式AI ["模块四：AI 漫剧自动化生产 (2026_0708)"]
        StoryTheme[故事主题 + BGM] --> Screenwriter[TT1-Pro 四幕高光编剧]
        Screenwriter --> BatchGen[批处理生图与视频模型]
        BatchGen --> Timeline[音频对齐与字幕打点]
        Timeline --> CapCutDraft[剪映/CapCut 本地全轨工程草稿]
    end

---

📂 项目结构全景树#

Small_Term/
├── .gitignore                          # Git 忽略配置
├── LICENSE                             # CC BY-NC-SA 4.0 许可证
├── AGENT.md                            # 工程规范与架构约束
├── README.md                           # 仓库全景文档
├── PROJECT_SUMMARY.md                  # 实训成果汇总与技术报告
├── 实训项目总结与汇报.pptx              # 成果汇报演示幻灯片
├── 2025-2026学年小学期教学工作安排.xlsx # 小学期教学工作安排表
│
├── 2026_0705_Crawler/                  # 模块一：网络爬虫与多源数据采集
│   ├── README.md                       # 模块开发与技术文档
│   ├── paqu_mingxing.py                # 明星人脸分类多页爬虫
│   ├── paqu_renlian.py                 # 人脸图片批量抓取
│   ├── requirements.txt                # 依赖清单
│   ├── renlian/                        # 抓取的人脸图片集
│   └── mingxing_tupian/                # 明星分类人脸图集
│
├── 2026_0706_yolov5/                   # 模块二：YOLOv5 目标检测与模型训练
│   ├── README.md                       # 模块开发与技术文档
│   ├── zidong_biaozhu.py               # Haar Cascade 自动标注与 8:2 划分
│   ├── datasets/                       # 划分后的 train/val 图像与标注
│   └── yolov5-train/                   # YOLOv5 框架与训练权重
│
├── 2026_0707_CBEC/                     # 模块三：跨境电商 RAG 智能体
│   ├── README.md                       # 模块开发与技术文档
│   ├── 跨境电商数据.xlsx               # 568 条跨境电商 FAQ 知识库
│   ├── CBEC_workflow.png               # 工作流全景架构图
│   └── coze运行成功截图.png            # 智能体运行效果截图
│
└── 2026_0708_AI_Anime/                 # 模块四：AI 漫剧一键生成工作流
    ├── README.md                       # 模块开发与技术文档
    ├── prompt.md                       # BGM 资源与测试用例
    ├── AI_Anime_workflow.png           # 漫剧工作流架构图
    ├── capcut截图.png                  # 剪映本地草稿分轨截图
    └── coze运行截图.png                # Coze 批处理节点运行截图

---

🚀 各模块核心亮点#

1. 网络爬虫与数据采集 (2026_0705_Crawler)#

• 技术要点：Requests 请求头伪装、XPath DOM 节点抽取、BeautifulSoup4 CSS 选择器、正则表达式提纯。
• 产出成果：
  • 豆瓣电影 Top 榜单结构化数据清洗与 CSV 存储。
  • 明星正面人脸图片自动化批量采集（为 YOLO 目标检测提供原始样本）。

2. YOLOv5 人脸目标检测 (2026_0706_yolov5)#

• 技术要点：OpenCV Haar Cascade 自动人脸初筛定位、自适应边界扩增、8:2 数据集自动化切分、YOLOv5 迁移学习。
• 产出成果：
  • 全自动生成 YOLO 归一化格式数据集，替代耗时耗力的手工标注。
  • 训练获得高精度人脸检测权重 best.pt。

3. 跨境电商 RAG 智能客服 (2026_0707_CBEC)#

• 技术要点：Coze 工作流编排、Python 自定义意图分类器、向量化知识库检索。
• 产出成果：
  • 问候与转人工前置拦截，节约 60%+ LLM Token 成本。
  • 基于 568 条专业 FAQ 知识库，实现低幻觉、高准确度的跨境电商业务问答。

4. AI 漫剧工业化工作流 (2026_0708_AI_Anime)#

• 技术要点：三幕剧四高光时刻提示词工程、批处理多模态视频生成、音视频时序与字幕对齐、CapCut 本地草稿 JSON 自动化生成。
• 产出成果：
  • 一键将故事主题转化为剪映/CapCut 本地工程草稿。
  • 音频轨、视频轨、字幕轨全分轨输出，赋予创作者便捷二次剪辑能力。

---

🛠️ 环境准备与快速上手#

1. 克隆仓库#

git clone <your-repository-url>
cd Small_Term

2. 创建并激活虚拟环境#

python -m venv .venv
# Windows PowerShell
.venv\Scripts\Activate.ps1
# Linux / macOS
source .venv/bin/activate

3. 安装各模块依赖#

# 爬虫模块
pip install -r 2026_0705_Crawler/requirements.txt

# YOLOv5 目标检测模块
pip install -r 2026_0706_yolov5/yolov5-train/requirements.txt

---

📄 开源许可证 (License)#

本项目采用 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0) 许可证发布。

• 署名 (Attribution)：必须给出适当的署名，提供指向本许可证的链接，并注明是否进行了更改。
• 非商业性使用 (NonCommercial)：不得将本作品用于商业目的。
• 相同方式共享 (ShareAlike)：如果对本作品进行修改、转换或在其基础上进行创作，必须基于相同的许可协议分发修改后的作品。

实训汇报材料下载#

实训项目总结与汇报 PPTX 演示文稿已移至 archive-2026 Release：

• cs-small-term-project-summary.pptx：全周期项目总结与答辩演示文稿（41.94 MiB）。