企业官网建设流程全解析

很多计算机专业的同学做毕设，都会遇到一个尴尬的循环：选题太大做不完，选题太小没亮点，做完系统却讲不清技术含量。今天要拆解的这套“基于 Spring Boot 与内容推荐算法的手工编织非遗平台”，恰好踩中了当前毕设评审最看重的几个点：前后端分离架构、推荐算法落地、完整业务闭环。它不是那种只堆 CRUD 的“管理系统”，而是把非遗展示、用户互动、个性化推荐串成了一个可运行、可讲解、可扩展的真实项目。

这篇文章会从选题价值、系统设计、核心代码、推荐算法实现、部署排错几个角度完整展开。如果你正在准备毕设，或者想把这类项目改造成自己的课设/求职项目，这篇内容值得你认真看完。

1. 这个项目真正值得做的原因

手工编织非遗平台的难点不在于“增删改查”，而在于“内容怎么触达用户”。一个普通的管理系统，用户只能靠分类目录一页页翻找作品。但非遗平台的内容分类往往比较主观——用户可能喜欢的是“粗棒针织的复古风毛衣”，而不是“分类编号 03 下的围巾”。

内容推荐算法解决的就是这个问题：根据用户的历史浏览、收藏、点赞行为，推测他可能喜欢哪一类编织作品，然后把对应的内容推到他面前。这在毕设答辩里是一个非常好的技术亮点，因为评审老师能看到“你的系统不只是数据库的壳子，而是真的有算法逻辑在里面”。

同时，从工程角度看，这个项目使用了 Spring Boot + Vue 的前后端分离模式。这类架构的好处是：

• 前端独立开发、独立部署，可以使用 Node 生态的构建工具；
• 后端只提供 RESTful API，便于后期接小程序、App 或第三方系统；
• 分工清晰，便于写进简历和答辩文档。

从源码资料的完整性看，这类项目通常附带数据库脚本、接口文档、前端页面源码和部署说明，对于需要快速跑通并二次开发的同学来说，是非常友好的起点。

2. 核心概念与前置知识

在做这个项目之前，有几个概念必须先理清。否则即使代码跑通了，答辩或面试时也很容易被追问到答不上来。

2.1 Spring Boot 在项目中扮演什么角色

Spring Boot 是这套系统的后端基础框架。它简化了 Spring 项目的配置，内置 Tomcat，支持自动装配。在这个项目中，Spring Boot 负责：

• 提供 RESTful API 接口；
• 管理业务逻辑层的依赖注入；
• 整合 MyBatis/JPA 操作数据库；
• 处理全局异常与统一返回结构。

2.2 前后端分离到底“分”在哪

传统单体项目里，前端页面模板和后端代码在同一个工程内。前后端分离后，前端是独立的 Vue 工程，通过 HTTP 请求调用后端接口。

两者的约定通常在接口文档中体现。后端返回统一的 JSON 格式，前端拿到数据后渲染页面，状态由前端管理。

一个典型的分离架构如下：

Vue Frontend (端口: 8080) | | axios / fetch (RESTful API) v Spring Boot Backend (端口: 8081) | | MyBatis / JPA v MySQL Database (端口: 3306)

2.3 内容推荐算法在非遗平台中的应用方式

内容推荐算法广义上可分为三类：

• 基于内容的推荐（Content-based）：分析用户曾经喜欢的物品的特征，推荐具有相似特征的物品；
• 协同过滤推荐（Collaborative Filtering）：利用“相似用户”或“相似物品”的历史行为做推荐；
• 混合推荐：融合多种策略，提升推荐质量和覆盖率。

在手工编织平台中，基于内容的推荐更容易落地。原因在于，编织作品可以被结构化打标：技法类型（钩针、棒针、梭编）、材质（羊毛、棉线、混纺）、适用场景（家居、服饰、配饰）、难度等级。有了标签体系，就可以构建“用户兴趣画像”，再通过画像进行推荐。

3. 系统功能模块与数据库设计

3.1 功能模块拆解

一个完整的非遗平台，从角色角度看主要分为管理员和普通用户。

用户端：

• 注册登录；
• 浏览编织作品列表与详情；
• 按分类筛选、关键词搜索；
• 收藏作品、点赞作品、评论作品；
• 查看个人收藏列表与浏览历史；
• 接收首页推荐内容。

管理员端：

• 作品管理：新增、编辑、下架编织作品；
• 分类管理：维护技法、风格、材质等分类标签；
• 用户管理：封禁 / 启用用户账号；
• 推荐管理：配置算法开关或查看推荐数据统计；
• 数据看板：展示访问量、点赞量、收藏量等基础统计。

从“增删改查”的角度看，作品管理、分类管理、用户管理是核心。从“算法落地”的角度看，用户行为记录表（浏览、收藏、点赞、评论）是关键。

3.2 核心数据表设计

编写数据库脚本时，建议至少包含以下表。表结构设计的好坏会直接影响推荐算法的实现难度。

-- 用户表 CREATE TABLE `t_user` ( `id` bigint(20) NOT NULL AUTO_INCREMENT, `username` varchar(50) NOT NULL COMMENT '用户名', `password` varchar(255) NOT NULL COMMENT '加密密码', `nickname` varchar(50) DEFAULT NULL, `avatar` varchar(255) DEFAULT NULL, `role` tinyint(4) DEFAULT '0' COMMENT '0-用户，1-管理员', `status` tinyint(4) DEFAULT '1' COMMENT '1-正常，0-禁用', `create_time` datetime DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; -- 作品分类表 CREATE TABLE `t_category` ( `id` bigint(20) NOT NULL AUTO_INCREMENT, `name` varchar(100) NOT NULL COMMENT '分类名称', `code` varchar(50) DEFAULT NULL COMMENT '分类编码', `parent_id` bigint(20) DEFAULT '0', `sort` int(11) DEFAULT '0', PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; -- 编织作品表 CREATE TABLE `t_craft` ( `id` bigint(20) NOT NULL AUTO_INCREMENT, `title` varchar(200) NOT NULL COMMENT '作品标题', `cover_image` varchar(255) DEFAULT NULL COMMENT '封面图', `images` text COMMENT '多图，逗号分隔', `category_id` bigint(20) DEFAULT NULL, `technique` varchar(50) DEFAULT NULL COMMENT '技法：钩针、棒针等', `material` varchar(50) DEFAULT NULL COMMENT '材质：羊毛、棉线等', `difficulty` tinyint(4) DEFAULT '1' COMMENT '难度：1-简单，2-中等，3-困难', `description` text COMMENT '作品描述', `view_count` int(11) DEFAULT '0', `like_count` int(11) DEFAULT '0', `favorite_count` int(11) DEFAULT '0', `status` tinyint(4) DEFAULT '1' COMMENT '1-上架，0-下架', `create_time` datetime DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; -- 收藏表 CREATE TABLE `t_favorite` ( `id` bigint(20) NOT NULL AUTO_INCREMENT, `user_id` bigint(20) NOT NULL, `craft_id` bigint(20) NOT NULL, `create_time` datetime DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (`id`), KEY `idx_user_id` (`user_id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; -- 浏览历史表 CREATE TABLE `t_view_history` ( `id` bigint(20) NOT NULL AUTO_INCREMENT, `user_id` bigint(20) NOT NULL, `craft_id` bigint(20) NOT NULL, `view_time` datetime DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (`id`), KEY `idx_user_craft` (`user_id`, `craft_id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

这套表结构将“用户-作品-行为”三张核心关系拆开，后续推荐模块需要查询某个用户的喜好标签时，可以直接从收藏表和浏览历史表关联作品表聚合得出。

4. 环境准备与项目初始化

4.1 环境要求

版本请以你手中源码资料里的实际要求为准。本文重点演示通用思路，不绑定死版本。

4.2 后端工程初始目录结构

一个清晰的 Spring Boot 工程应当按职责分包，推荐结构如下：

src/main/java/com/example/craft/ ├── CraftApplication.java # 启动类 ├── common/ │ ├── Result.java # 统一返回结构 │ ├── ResultCode.java │ └── GlobalExceptionHandler.java ├── config/ │ ├── CorsConfig.java # 跨域配置 │ ├── WebMvcConfig.java │ └── MybatisPlusConfig.java # 分页插件配置 ├── controller/ │ ├── UserController.java │ ├── CraftController.java │ ├── CategoryController.java │ ├── FavoriteController.java │ ├── CommentController.java │ └── RecommendController.java ├── service/ │ ├── UserService.java │ ├── CraftService.java │ ├── FavoriteService.java │ ├── ViewHistoryService.java │ └── RecommendService.java ├── mapper/ │ ├── UserMapper.java │ ├── CraftMapper.java │ ├── FavoriteMapper.java │ └── ViewHistoryMapper.java ├── entity/ │ ├── User.java │ ├── Craft.java │ ├── Category.java │ ├── Favorite.java │ └── ViewHistory.java └── dto/ ├── CraftQueryDTO.java └── RecommendResultDTO.java

4.3 后端核心配置文件

application.yml是 Spring Boot 项目的核心配置文件。你需要根据本地数据库信息调整用户名密码。

server: port: 8081 spring: datasource: driver-class-name: com.mysql.cj.jdbc.Driver url: jdbc:mysql://localhost:3306/craft_platform?useUnicode=true&characterEncoding=utf8&useSSL=false&serverTimezone=Asia/Shanghai username: root password: your_password jackson: date-format: yyyy-MM-dd HH:mm:ss time-zone: GMT+8 mybatis-plus: mapper-locations: classpath:mapper/*.xml configuration: log-impl: org.apache.ibatis.logging.stdout.StdOutImpl map-underscore-to-camel-case: true global-config: db-config: id-type: auto

这里的关键字段是数据库连接串中的serverTimezone=Asia/Shanghai。如果缺少这个配置，在部分 MySQL 版本下会出现 8 小时时差或连接报错。

5. 后端核心代码实现

5.1 统一返回结果封装

前后端分离项目中，统一返回结构能让前端处理数据更简单。后端所有接口都返回这个 Result 对象。

// 文件路径：src/main/java/com/example/craft/common/Result.java package com.example.craft.common; public class Result<T> { private Integer code; private String message; private T data; public Result(Integer code, String message, T data) { this.code = code; this.message = message; this.data = data; } public static <T> Result<T> success(T data) { return new Result<>(200, "success", data); } public static <T> Result<T> success() { return new Result<>(200, "success", null); } public static <T> Result<T> error(Integer code, String message) { return new Result<>(code, message, null); } public Integer getCode() { return code; } public void setCode(Integer code) { this.code = code; } public String getMessage() { return message; } public void setMessage(String message) { this.message = message; } public T getData() { return data; } public void setData(T data) { this.data = data; } }

前端只需要判断code是否为 200，就可以决定是渲染数据还是弹出错误提示。

5.2 作品分页查询接口

作品列表是平台最核心的接口，也是“增删改查”中最常被考察的部分。这里使用 MyBatis Plus 的分页插件实现。

// 文件路径：src/main/java/com/example/craft/controller/CraftController.java package com.example.craft.controller; import com.baomidou.mybatisplus.core.conditions.query.QueryWrapper; import com.baomidou.mybatisplus.extension.plugins.pagination.Page; import com.example.craft.common.Result; import com.example.craft.entity.Craft; import com.example.craft.service.CraftService; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.web.bind.annotation.*; @RestController @RequestMapping("/api/craft") public class CraftController { @Autowired private CraftService craftService; /** * 分页查询编织作品列表 * @param pageNum 页码，从1开始 * @param pageSize 每页条数 * @param title 标题模糊搜索（可选） * @param categoryId 分类筛选（可选） */ @GetMapping("/list") public Result<Page<Craft>> list( @RequestParam(defaultValue = "1") Integer pageNum, @RequestParam(defaultValue = "10") Integer pageSize, @RequestParam(required = false) String title, @RequestParam(required = false) Long categoryId) { Page<Craft> page = new Page<>(pageNum, pageSize); QueryWrapper<Craft> wrapper = new QueryWrapper<>(); wrapper.eq("status", 1); if (title != null && !title.isEmpty()) { wrapper.like("title", title); } if (categoryId != null) { wrapper.eq("category_id", categoryId); } wrapper.orderByDesc("create_time"); Page<Craft> result = craftService.page(page, wrapper); return Result.success(result); } /** * 查询作品详情 */ @GetMapping("/detail/{id}") public Result<Craft> detail(@PathVariable Long id) { Craft craft = craftService.getById(id); if (craft == null) { return Result.error(404, "作品不存在"); } // 浏览量加1 craftService.increaseViewCount(id); return Result.success(craft); } }

这个接口同时支持分页、搜索、分类筛选和状态过滤。在设计时需要注意：查询列表时不要返回 description 等大字段，否则数据量大时响应会变慢。可以用 DTO 或 QueryWrapper 的 select 方法做字段裁剪。

5.3 收藏与浏览记录接口

推荐算法依赖用户行为数据。收藏和浏览记录是两条最重要的数据来源。

// 文件路径：src/main/java/com/example/craft/controller/FavoriteController.java package com.example.craft.controller; import com.example.craft.common.Result; import com.example.craft.entity.Favorite; import com.example.craft.service.FavoriteService; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.web.bind.annotation.*; @RestController @RequestMapping("/api/favorite") public class FavoriteController { @Autowired private FavoriteService favoriteService; /** * 收藏作品 */ @PostMapping("/add") public Result<Void> add(@RequestParam Long userId, @RequestParam Long craftId) { boolean success = favoriteService.addFavorite(userId, craftId); return success ? Result.success() : Result.error(500, "收藏失败"); } /** * 取消收藏 */ @DeleteMapping("/cancel") public Result<Void> cancel(@RequestParam Long userId, @RequestParam Long craftId) { boolean success = favoriteService.cancelFavorite(userId, craftId); return success ? Result.success() : Result.error(500, "取消收藏失败"); } /** * 当前用户是否已收藏该作品 */ @GetMapping("/check") public Result<Boolean> check(@RequestParam Long userId, @RequestParam Long craftId) { return Result.success(favoriteService.isFavorite(userId, craftId)); } }

这里有一个非常容易忽略的细节：收藏接口一定需要做“重复收藏”校验。如果用户连续点击两次收藏按钮，数据库里出现重复记录，推荐算法在统计行为权重时就会出错。

5.4 推荐算法核心实现

5.4.1 基于标签聚合的用户兴趣画像

对于非遗手工艺平台，比较实用的推荐策略是先构建“用户-标签”矩阵，通过用户历史行为累计标签权重。

标签可以是技法（钩针/棒针/绳编）、材质（羊毛/棉线/麻线）、风格（复古/简约/民族风）。一个作品如果有多个标签，可以在标签表中以多条记录存储，也可以用 string 类型字段存储后按分隔符拆解。

以下是一个简化版推荐服务实现思路：

// 文件路径：src/main/java/com/example/craft/service/impl/RecommendServiceImpl.java package com.example.craft.service.impl; import com.baomidou.mybatisplus.core.conditions.query.QueryWrapper; import com.example.craft.entity.Craft; import com.example.craft.entity.Favorite; import com.example.craft.entity.ViewHistory; import com.example.craft.mapper.CraftMapper; import com.example.craft.mapper.FavoriteMapper; import com.example.craft.mapper.ViewHistoryMapper; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Service; import java.util.*; import java.util.stream.Collectors; @Service public class RecommendServiceImpl { @Autowired private FavoriteMapper favoriteMapper; @Autowired private ViewHistoryMapper viewHistoryMapper; @Autowired private CraftMapper craftMapper; /** * 基于用户行为的推荐 * 简化策略：根据用户收藏作品的分类标签统计偏好，推荐同标签下其他作品 */ public List<Craft> recommendForUser(Long userId, int limit) { // 1. 查询用户收藏的作品 QueryWrapper<Favorite> favWrapper = new QueryWrapper<>(); favWrapper.eq("user_id", userId); List<Favorite> favorites = favoriteMapper.selectList(favWrapper); // 2. 查询用户浏览历史 QueryWrapper<ViewHistory> historyWrapper = new QueryWrapper<>(); historyWrapper.eq("user_id", userId); List<ViewHistory> histories = viewHistoryMapper.selectList(historyWrapper); // 3. 汇总用户感兴趣的作品ID集合（收藏权重 > 浏览权重，这里简单做去重合并） Set<Long> interactedCraftIds = new HashSet<>(); favorites.forEach(f -> interactedCraftIds.add(f.getCraftId())); histories.forEach(h -> interactedCraftIds.add(h.getCraftId())); if (interactedCraftIds.isEmpty()) { // 新用户无行为数据，返回最新上架作品 QueryWrapper<Craft> newWrapper = new QueryWrapper<>(); newWrapper.eq("status", 1).orderByDesc("create_time").last("limit " + limit); return craftMapper.selectList(newWrapper); } // 4. 统计用户最感兴趣的分类 Map<Long, Integer> categoryScore = new HashMap<>(); for (Long craftId : interactedCraftIds) { Craft craft = craftMapper.selectById(craftId); if (craft != null && craft.getCategoryId() != null) { categoryScore.merge(craft.getCategoryId(), 1, Integer::sum); } } List<Map.Entry<Long, Integer>> sortedCategories = categoryScore.entrySet().stream() .sorted((e1, e2) -> e2.getValue().compareTo(e1.getValue())) .collect(Collectors.toList()); if (sortedCategories.isEmpty()) { return new ArrayList<>(); } // 5. 从偏好分类中取热度较高的作品返回，排除已交互的 List<Craft> recommendList = new ArrayList<>(); for (Map.Entry<Long, Integer> entry : sortedCategories) { if (recommendList.size() >= limit) break; QueryWrapper<Craft> craftWrapper = new QueryWrapper<>(); craftWrapper.eq("status", 1) .eq("category_id", entry.getKey()) .notIn("id", interactedCraftIds) .orderByDesc("view_count") .last("limit " + (limit - recommendList.size())); recommendList.addAll(craftMapper.selectList(craftWrapper)); } return recommendList; } }

这段代码的逻辑可以总结为三步：

1. 收集用户行为数据；
2. 统计用户偏好的分类；
3. 在偏好分类下筛选热度高且用户未交互过的作品。

这种实现比简单的“随机推荐”或“最新推荐”更有说服力。而且它不依赖复杂的外部组件，直接在项目里就能跑通。如果想要更强的推荐效果，可以引入 Redis 做缓存、用定时任务计算离线推荐结果，但毕设阶段用这个方案已经能清楚展示推荐思路。

5.4.2 协同过滤思路扩展

如果项目要求“内容推荐算法”更深入，可以在这一版基础上增加基于用户的协同过滤：

• 找到与当前用户兴趣最相似的其他用户；
• 把那些用户收藏过、但当前用户没看过的高热度作品推荐出来。

相似度计算可以使用余弦相似度。用“用户-作品收藏矩阵”的每一行代表用户的兴趣向量，然后计算余弦相似度。

// 简化版余弦相似度计算 public double cosineSimilarity(Map<Long, Integer> userA, Map<Long, Integer> userB) { Set<Long> commonKeys = new HashSet<>(userA.keySet()); commonKeys.retainAll(userB.keySet()); double dotProduct = 0; double normA = 0; double normB = 0; for (Long key : commonKeys) { dotProduct += userA.get(key) * userB.get(key); } for (Integer value : userA.values()) { normA += Math.pow(value, 2); } for (Integer value : userB.values()) { normB += Math.pow(value, 2); } if (normA == 0 || normB == 0) { return 0; } return dotProduct / (Math.sqrt(normA) * Math.sqrt(normB)); }

需要说明的是，当前用户数量少时，协同过滤可能找不到“相似用户”，所以实践中通常会把基于内容的推荐作为主推荐策略，协同过滤作为补充。这种组合策略在项目文档里也更容易写出层次感。

6. 前端功能与接口联调

6.1 前端页面结构

前端工程建议基于 Vue 2 或 Vue 3 + Element UI。核心页面包括：

• 首页：Banner 轮播、热门作品、个性化推荐列表；
• 作品列表页：分类筛选、搜索、分页；
• 作品详情页：多图展示、标签信息、收藏 / 点赞 / 评论；
• 个人中心：收藏列表、浏览历史、修改资料。

6.2 前端调用接口示例

以作品列表页为例，使用 axios 调用后端接口：

// 文件路径：src/api/craft.js import axios from 'axios' const request = axios.create({ baseURL: 'http://localhost:8081/api', timeout: 10000, headers: { 'Content-Type': 'application/json' } }) // 分页获取作品列表 export function getCraftList(params) { return request.get('/craft/list', { params }) } // 获取作品详情 export function getCraftDetail(id) { return request.get(`/craft/detail/${id}`) } // 收藏作品 export function addFavorite(userId, craftId) { return request.post('/favorite/add', null, { params: { userId, craftId } }) } // 获取推荐列表 export function getRecommendList(userId, limit) { return request.get('/recommend/list', { params: { userId, limit } }) }

前端调用时需要注意接口的返回结构，统一从res.data.code判断请求是否成功。

// 页面中调用 import { getCraftList } from '@/api/craft' export default { data() { return { craftList: [], total: 0, pageNum: 1, pageSize: 12 } }, methods: { async fetchList() { const res = await getCraftList({ pageNum: this.pageNum, pageSize: this.pageSize, title: this.keyword, categoryId: this.currentCategoryId }) if (res.data.code === 200) { this.craftList = res.data.data.records this.total = res.data.data.total } else { this.$message.error(res.data.message) } } } }

6.3 跨域问题处理

前后端分离开发中，跨域是第一个会遇到的问题。后端可以通过 CorsConfig 统一解决。

// 文件路径：src/main/java/com/example/craft/config/CorsConfig.java package com.example.craft.config; import org.springframework.context.annotation.Configuration; import org.springframework.web.servlet.config.annotation.CorsRegistry; import org.springframework.web.servlet.config.annotation.WebMvcConfigurer; @Configuration public class CorsConfig implements WebMvcConfigurer { @Override public void addCorsMappings(CorsRegistry registry) { registry.addMapping("/**") .allowedOriginPatterns("*") .allowedMethods("GET", "POST", "PUT", "DELETE", "OPTIONS") .allowedHeaders("*") .allowCredentials(true) .maxAge(3600); } }

注意，如果开启了allowCredentials(true)并设置了具体的前端地址，建议把allowedOriginPatterns配置为你的前端实际地址，而不是*。这样更安全，也符合生产环境规范。

7. 运行验证与效果检查

7.1 后端启动

在 IDEA 中打开后端工程，等待 Maven 依赖下载完成后，运行CraftApplication.java。启动成功后，控制台会显示 Spring Boot 的启动日志和 Tomcat 端口。

验证接口是否可用，可以直接在浏览器访问：

http://localhost:8081/api/craft/list?pageNum=1&pageSize=5

如果返回 JSON 数据，说明接口正常。

7.2 前端启动

在 VS Code 中打开前端工程，执行：

npm install npm run serve

启动后访问http://localhost:8080，即可看到前端首页。

建议先测试以下用户路径：

1. 注册一个普通用户并登录；
2. 浏览几个作品，点击详情并收藏；
3. 查看个人中心的收藏列表是否更新；
4. 回到首页刷新“推荐内容”区域，确认推荐列表基于刚才的浏览行为发生了变化。

7.3 推荐效果判断方法

手工编织平台上，如果用户收藏了一个“钩针编织包”的作品，推荐区域应优先出现同分类或同标签（钩针、编织包）的其他作品，而不是随机出现棒针毛衣。这是验证推荐算法是否生效的最直观方法。

8. 常见问题与排查方法

每一条问题都有明确的修复路径，实际操作中优先看日志。Spring Boot 项目的日志会直接打印 SQL 语句，排查数据库问题时非常有用。

9. 最佳实践与工程建议

9.1 代码层面

• 统一异常处理：建议在全局异常处理器中捕获业务异常、参数校验异常和兜底异常，避免接口偶发异常时向前端透出堆栈信息。
• 接口加注释：每个 Controller 接口都加 Swagger 注解或 JavaDoc 注释。答辩时可以直接展示 API 文档，也能提升代码评审的通过率。
• 密码加密存储：用户密码不要明文存储，使用 BCrypt 或其他哈希算法。这是安全底线，不是可选优化。

9.2 数据库层面

• 所有业务表建议加create_time和update_time字段，审计问题时会非常方便。
• 收藏表、浏览历史表的数据量增长快，建议加索引。查询推荐数据时会用到user_id和category_id两个维度的聚合，索引能显著提升响应速度。
• 手工艺作品的图片不要直接存 base64 到数据库，建议存图片 URL，图片文件上传到本地目录或对象存储。

9.3 毕设文档与答辩建议

毕设如果需要写论文或设计文档，可以按下面结构组织：

1. 绪论：非遗文化数字化保护背景、意义；
2. 相关技术综述：Spring Boot、Vue、推荐算法；
3. 需求分析：包括功能需求和非功能需求；
4. 系统设计：架构图、功能模块图、数据库表设计；
5. 系统实现：展示核心代码和页面截图；
6. 系统测试：功能测试、推荐效果分析；
7. 总结与展望。

答辩时有一个技巧：不要从头到尾念 PPT。重点展示“遇到的问题”和“如何解决”。比如跨域问题、重复收藏问题、推荐兜底逻辑，这些细节比“我实现了增删改查”更能让老师记住你的项目深度。

10. 总结与后续学习方向

这个项目真正的价值在于，它用一套常见的 Spring Boot + Vue 技术栈，把“非遗平台”这个业务场景和“内容推荐算法”这个技术亮点结合了起来。对毕设而言，既能满足系统功能完整度，又能体现算法设计能力，是一个性价比很高的选题方向。

如果你已经拿到了源码，建议先别急着改功能，按顺序做这几件事：

1. 把项目完整跑通一遍，记录每一步的启动过程和端口；
2. 对照数据库表结构，梳理“用户-作品-行为”三条核心链路；
3. 阅读推荐模块代码，理解算法流程；
4. 找一个可以扩展的点进行二次开发，比如增加评论热度排序、加入相似作品推荐、增加热门榜单等。

从就业角度看，前后端分离项目的经验可以直接迁移到日常业务开发中。内容推荐算法的设计思路也可以延伸到商品推荐、资讯推荐、短视频推荐等场景。后续如果想深入，可以学习 Elasticsearch 做内容检索、Redis 做热门榜单缓存、RabbitMQ 做行为异步上报，这些都是从“毕设作品”走向“工业级项目”的必经之路。