繁體中文

简体中文
English
日本語
한국어
Español
Français
Deutsch
العربية
Tiếng Việt

繁體中文

简体中文
English
日本語
한국어
Español
Français
Deutsch
العربية
Tiếng Việt

Appearance

Spring Boot 電影推薦系統開發實戰 ​

概述 ​

本實戰項目要求你圍繞一份真實的 PRD，使用 Spring Boot 完成一個帶推薦能力的電影網站。這個項目的核心挑戰在於：它不是簡單的增刪改查，而是需要你思考"用戶行為如何影響推薦結果"以及"推薦如何可解釋"。

這是 Stage 2 的綜合實戰環節。你將第一次接觸"內容 + 行為 + 推薦"型產品的開發模式，這種模式在電商、內容平臺、個性化 Feed 等場景中非常常見。

前置知識 ​

在開始本項目之前，你應該已經掌握以下內容：

學習目標 ​

完成本實戰後，你將能夠：

  1. 閱讀 PRD 並從中提取推薦系統的開發任務清單
  2. 使用 Spring Boot 搭建後端項目並實現 RESTful API
  3. 設計"用戶行為 → 推薦"的完整資料鏈路
  4. 實現可解釋的推薦邏輯
  5. 完成端到端聯調，交付可演示的產品原型

項目簡介 ​

你要構建的產品是一個帶推薦能力的電影網站：

功能描述
瀏覽與搜索用戶可以瀏覽和搜索電影
評分與收藏用戶可以給電影評分、添加收藏
個性化推薦系統根據用戶行為給出推薦結果
管理後臺管理員維護電影資料、查看推薦效果

PRD 入口

本項目的需求文檔在 GitHub： 查看 PRD

第一部分：需求分析 ​

1.1 閱讀 PRD ​

打開 PRD 文檔，重點回答以下問題：

  • 推薦策略是什麼？第一版是否使用可解釋版本（如基於評分相似度）？
  • 用戶行為資料要存哪些？（評分、收藏、瀏覽記錄等）
  • 管理員需要看哪些推薦效果指標？
  • 頁面清單是否完整？

WARNING

如果以上問題沒有明確答案，不要開始寫程式碼。需求理解不清楚是導致返工的最常見原因。

1.2 確認系統架構 ​

mermaid
flowchart TD
  prd["PRD"] --> web["前端頁面"]
  web --> auth["用戶鑑權"]
  web --> movie["電影列表 / 詳情"]
  web --> behavior["評分 / 收藏"]
  behavior --> reco["推薦邏輯"]
  reco --> db["資料庫"]
  admin["後臺管理"] --> db

第二部分：搭建項目骨架 ​

2.1 生成前端頁面 ​

提示詞參考：

text
請基於當前 PRD，幫我生成一個 Spring Boot 電影推薦系統的前端骨架。

要求：
1. 頁面包括：首頁、電影列表、電影詳情、推薦頁、個人中心、後臺管理
2. 先只生成頁面結構和假資料，不接真實接口
3. 風格要像真實內容產品，而不是課堂 demo

2.2 驗證頁面結構 ​

逐項檢查：

  • [ ] 電影列表頁支持搜索和篩選
  • [ ] 電影詳情頁包含評分和收藏按鈕
  • [ ] 推薦頁能展示推薦結果和推薦理由
  • [ ] 管理後臺能展示電影資料和推薦效果

第三部分：迭代開發 ​

3.1 按模塊推進 ​

  1. Spring Boot 項目搭建：項目結構、資料庫配置、基礎 CRUD
  2. 電影資料管理：電影列表、詳情、搜索接口
  3. 用戶行為：評分、收藏接口，行為資料寫入
  4. 推薦邏輯：基於用戶行為的推薦算法實現
  5. 推薦展示：推薦結果展示，包含推薦理由
  6. 管理後臺：電影資料維護、推薦效果查看

3.2 模塊自檢 ​

檢查項驗證方法
基礎功能列表、詳情、評分、收藏是否閉環
推薦聯動用戶行為是否影響推薦結果
推薦可解釋性用戶能理解為什麼被推薦這些電影
後臺資料管理員能查看電影資料和推薦效果

第四部分：聯調與上線 ​

4.1 端到端測試 ​

至少驗證以下場景：

  • 瀏覽電影 → 評分 → 收藏 → 查看推薦頁，確認推薦結果發生變化
  • 管理員登錄 → 添加電影 → 查看推薦效果統計

交付物 ​

完成本項目後，你需要提交以下內容：

  • [ ] 可訪問的線上演示鏈接
  • [ ] 源碼倉庫鏈接（含 README）
  • [ ] PRD 文檔
  • [ ] 核心頁面截圖（電影列表、電影詳情、推薦頁、管理後臺）
  • [ ] 60 秒演示影片

評分標準 ​

維度基本要求進階要求
PRD 對齊頁面、功能、資料結構基本符合 PRD能清晰說明設計決策
產品閉環瀏覽 → 評分 → 收藏 → 推薦可跑通評分行為明顯影響推薦結果
推薦質量推薦結果合理、推薦理由可解釋支持多種推薦策略
後臺能力電影資料和推薦效果可查看有推薦準確率等統計指標
工程完整度前端、Spring Boot 後端、資料庫鏈路已接通推薦接口有緩存或性能優化

參考資料 ​