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 📝 本次课程设计以“成语接龙互动系统”为主题，核心出发点是解决 “青年群体成语积累薄弱” 与 “传统成语游戏趣味性不足” 两大问题。我们希望借助互动形式传承传统文化，同时通过 AI 辅助功能 降低参与门槛，让用户在轻量化游戏中熟悉并掌握成语。

🤖 AI 协作体验 初次借助 AI 辅助开发时，其快速落地能力令人印象深刻：

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，大幅缩短基础功能开发周期。

最有效的 Prompt 示例：

“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（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。

⚠️ 遇到的问题与优化 在 AI 协作过程中，我们也遇到一些实际问题：

成语重复问题

初始 Prompt 未限定 “过滤已使用成语”，导致 AI 返回结果频繁重复。

解决方案：补充 “排除历史成语列表” 约束条件后得以修复。

成语库匹配问题

AI 生成的新成语与本地成语库不匹配。

解决方案：通过 “自动将有效新成语补充至本地库” 逻辑进行修复。

这些经历让我意识到：AI 输出的内容仍需结合实际场景进行针对性校验与调整。

💡 核心感悟 若完全脱离 AI 辅助，我们虽可独立完成基础接龙逻辑，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。

这让我更加明确：

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，我们主动增设了 “提示按钮”，这正是从用户需求出发的设计。

✅ 总结 本次开发让我们清晰了 AI 时代的开发思路： 以用户需求为核心 → 拆解功能模块与体验细节 → 借助 AI 实现代码落地 → 自身聚焦于需求合理性与流程完整性的把控。

🌟 让传统文化在趣味互动中传承，让技术为体验赋能。

项目状态

• ✅ 代码修复完成
• ✅ 应用运行正常
• ✅ 敏感信息已保护