Day 5
团队协同开发 / 综合案例复盘 / OpenCV（可选自学）
C++/Qt 方向实训 · 第 5 / 5 天 · 最后一天课堂内容
- 模块 A（3 课时）：团队协同开发（概念讲解）
- 模块 B（3 课时）：综合案例复盘 + OpenCV/AI（可选，自学指针）
今天结束后 Day6–10 是纯项目实作（学员编码 + 教员指导 + 成果展示）， 不再有课堂讲授——今天的分组结论会直接带到项目实作阶段。
模块 A · 讲授 35min
团队协同开发 讲
质量保证：四平台一标准（复习） 讲
出处：docs/TRAINING_PLAN_2026.md 「七、质量保证 (二) Git」
Git 提交习惯：核心概念 讲
核心概念
- 接下来 Day6–10 项目实作，每人每完成一个任务都要提交代码到 Git 并写清任务描述—— 提交粒度对应 Jira 任务粒度，commit 信息就是"这次提交做了什么、为什么"的可追溯记录。
常见误区
- 攒了几天代码一次性提交、commit 信息写"update"：历史记录失去可追溯性，出问题时无法 定位是哪次改动引入的。
标准化考核标准 讲
出处：docs/TRAINING_PLAN_2026.md 「七、(五) 标准化的考核标准」
考核标准：核心概念 讲
核心概念
- 项目管理评估(40%) + 项目技术评估(30%) + 职业素养评估(30%)——技术实现只占三成， Day6–10 项目实作最终按这三个维度综合打分，不是"代码能跑就满分"。
常见误区
- 只顾埋头写代码、忽略项目管理和职业素养维度（如任务跟踪是否及时更新、沟通是否 到位）：技术分再高，另外 70% 的权重会明显拉低总评。
模块 A · 讨论 95min
动手：分工复盘 议
任务卡 1 · 分工复盘 议
- 目标
- 结合考核标准图（项目管理评估/项目技术评估/职业素养评估三大块），对照 Day1 任务卡 1 定下的分工，检查执行情况
- 验收标准
- 每组能说出至少 1 项做得好的、1 项需要改进的
- 基础知识 · 参考
- 上一节"标准化考核标准"图 · Day1 任务卡 1 的分工结论
模块 B · 讲授 35min
综合案例复盘 + OpenCV/AI（可选） 讲
Day2–4 案例回顾 讲
请 1–2 组现场展示计算器 / 本地数据存储 / 动画状态机小游戏，其他组观摩提问。
核心概念
- 代码走查（code review）是团队协作的常规环节——展示时讲清"为什么这么设计"比"功能能跑" 更能体现对 Day2–4 核心概念（对象树/信号槽/Model-View/线程亲和性……）的理解程度。
常见误区
- 只演示"能跑"不讲"为什么"：观摩组提不出有效问题，复盘就失去了巩固概念的作用。
OpenCV 与 AI 机器学习（可选，自学指针） 讲
核心概念
- OpenCV 是独立于 Qt 的计算机视觉库，Qt 负责界面/交互，OpenCV 负责图像算法——两者通过
"内存里的图像数据格式转换"（
cv::Mat↔QImage）配合，是很多 桌面视觉类项目的典型组合方式。
缺口说明
方案书原文对本项标注"可选择"，属于非必修拓展。引入 OpenCV 会新增一条完整的
三方库工具链，本仓库暂不提供可运行示例。如果感兴趣，自学方向是
cv::CascadeClassifier 人脸检测入门。
OpenCV 官方教程（doc.opencv.org，选读·需联网）
模块 B · 练习 95min（综合演练）
动手：三选一深化 练
任务卡 1 · 三选一深化 练
- 目标
- 从计算器 / 本地数据存储 / 动画状态机小游戏中选一个继续深化（加一个新功能）
- 验收标准
- 现场演示新增功能正常工作，编译无报错
- 基础知识 · 参考
- 回顾 Day2–4 对应的教学补充示例与 README： qss_styling · json_io · property_animation · state_machine
当日产出验证 · Day1–5 阶段总验收
现场演示
每组现场演示深化后的案例，教师按考核标准图三大块给出反馈，为 Day6–10 的正式项目实作分组定方向。
延伸阅读 · Day6–10 项目实作支撑知识体系
16 个可选项目，除 C++/Qt 之外还需要哪些知识？
系统梳理了实现这 16 个项目所需的 12 个辅助专业领域——数据结构与算法、 2D 游戏与碰撞、计算机图形学、数字图像处理、计算机视觉与机器学习（OpenCV/Haar/LBPH）、 编译原理与状态机、编码理论、计算机网络、并发编程、文件系统与增量同步、软件设计模式等， 每个核心知识点附 2–3 个已验证可用的网络课程链接（中英文兼顾）。
全文（serve.py 下本地一点即开）：docs/teaching/SUPPORTING_KNOWLEDGE.md → qt-course-projs/docs/supporting-knowledge.md