企业官网建设流程全解析

“揭秘假闺蜜！5大好友挑战测出谁是真朋友”，听起来是一个偏娱乐向的视频选题。但如果把它当作一个开发需求，其实很有意思：你需要做一个“好友挑战测试”线上小应用，让用户创建问卷、邀请好友参与、收集评分数据，然后通过算法判断谁更符合“真朋友”特征。

这次我们不依赖现成的第三方平台，直接用 Python + Flask + SQLite 从零搭一个可本地运行的“好友挑战测试”小项目。它麻雀虽小，但包含了 Web 后端、问卷逻辑、数据存储、接口 API、批量邀请链接生成、结果聚合统计这些常见工程点。跑通之后，你可以继续扩展到小程序、公众号或企业内部团建工具。

1. 核心能力速览

先看整个项目的功能边界和运行门槛。

这个项目不需要 GPU，不需要模型文件，只要你电脑上有 Python 3.8 以上环境就能跑。它更适合用来练习 Web 后端、问卷系统设计和接口封装，也可以作为二次开发的起点。

2. 适用场景与使用边界

2.1 适合谁

• 刚学完 Python 基础，想做一个完整 Web 项目的开发者。
• 需要给社群、班级、公司团建做“好友默契/信任测试”活动的运营同学。
• 想把玩具项目从小程序、公众号等载体扩展的前端或全栈开发者。

2.2 能解决什么问题

• 省去手工统计问卷结果的麻烦。
• 把“5大好友挑战”这类玩法变成一个可复用、可配置的线上工具。
• 通过接口批量生成邀请链接，方便在群里分发。
• 通过结果聚合页，快速看到谁的平均分最高、谁被标记为“需要观察”。

2.3 不适合什么场景

• 不适合真正用于情感判断、人品鉴定或人际关系决策，它本质上是一个趣味游戏。
• 不适合大规模高并发场景，SQLite 在小流量下可用，高并发场景需要切换 PostgreSQL/MySQL。
• 不适合完全不懂 Python 的用户，因为本文给出的是源码级别的搭建方案，不是一键安装包。

2.4 合规与边界提醒

这个应用涉及人际关系测试，必须注意以下几点：

• 邀请好友参与前，需要明确告知这是趣味测试，不采集身份证号、住址、银行卡等敏感信息。
• 如果设置为实名模式，默认只能保存昵称；如果设置为匿名模式，不要允许填写真名。
• 不要让测试结果成为公开嘲讽、攻击他人的素材。
• 如果后续接入人脸识别、声纹识别、聊天记录分析等能力，需要取得明确授权，并遵守相关法律法规。

3. 环境准备与部署前检查

这是一个标准 Flask 项目，环境准备非常简单。下面是通用检查清单，按顺序执行即可。

3.1 安装 Python

建议使用 Python 3.8 至 3.11 之间的版本，过低或过高版本都可能导致依赖解析问题。安装完成后，在终端确认版本：

python --version pip --version

如果电脑里同时存在 Python 2，可能需要使用python3和pip3。

3.2 创建项目目录

建议把项目隔离在独立目录中，方便管理和后续打包。

mkdir friend-challenge cd friend-challenge

3.3 准备虚拟环境（可选但推荐）

虚拟环境可以避免把 Flask 等依赖装到全局 Python 中。

python -m venv venv

Windows 激活方式：

venv\Scripts\activate

macOS / Linux 激活方式：

source venv/bin/activate

激活后，终端提示符前会出现(venv)。

3.4 编写依赖文件

在项目根目录创建requirements.txt，内容如下：

flask>=2.3.0,<3.0

这个项目只用 Flask，不需要其他重量级框架。后续如果要用 MySQL、Redis、大模型 API，可以再按需添加。

3.5 安装依赖

pip install -r requirements.txt

安装完成后，可以查看 Flask 版本确认成功：

pip show flask

3.6 检查端口占用

Flask 默认使用 5000 端口。启动前建议检查端口是否被占用。

Windows：

netstat -ano | findstr :5000

macOS / Linux：

lsof -i :5000

如果端口被占用，可以在启动命令中指定其他端口，例如--port 8000。

4. 项目结构设计

在动手写代码前，先规划好目录结构。推荐使用下面的组织结构：

friend-challenge/ ├── app.py # Flask 主应用，包含路由和 API ├── models.py # 数据库模型初始化与查询函数 ├── templates/ │ ├── create.html # 创建挑战页面 │ ├── fill.html # 好友作答页面 │ └── result.html # 结果展示页面 ├── static/ │ ├── style.css # 简单样式 │ └── app.js # 前端交互 ├── requirements.txt └── data/ └── challenge.db # SQLite 数据库文件，自动生成

对于小项目来说，这样拆分已经足够清晰。如果后续功能增多，可以把路由拆成blueprints，把数据库操作拆成repository层。

5. 数据库设计与核心逻辑

5.1 数据表设计

这个应用需要存储三类数据：挑战问卷、挑战题目、作答记录。

challenge表：存储一次挑战的基本信息。

question表：存储“5大好友挑战”中的具体题目和分值。

answer表：存储每个好友对其他人的评价。

这里的关键逻辑是：每个参与者既是评价者，也是被评价者。好友 A 给好友 B 打分，同时也会收到其他好友的打分。最终“真朋友指数”通过平均分聚合计算得出。

5.2 Flask 应用核心代码

创建app.py，先写基础框架，包括数据库初始化和首页路由。

import os import sqlite3 from flask import Flask, render_template, request, jsonify, redirect, url_for, g BASE_DIR = os.path.dirname(os.path.abspath(__file__)) DB_PATH = os.path.join(BASE_DIR, "data", "challenge.db") app = Flask(__name__) def get_db(): """获取数据库连接，每个请求独立连接""" if "db" not in g: os.makedirs(os.path.dirname(DB_PATH), exist_ok=True) g.db = sqlite3.connect(DB_PATH) g.db.row_factory = sqlite3.Row return g.db @app.teardown_appcontext def close_db(exception): db = g.pop("db", None) if db is not None: db.close() def init_db(): """初始化数据库表结构""" db = sqlite3.connect(DB_PATH) db.executescript( """ CREATE TABLE IF NOT EXISTS challenge ( id INTEGER PRIMARY KEY AUTOINCREMENT, creator TEXT NOT NULL, title TEXT NOT NULL, created_at TEXT DEFAULT CURRENT_TIMESTAMP, status INTEGER DEFAULT 0 ); CREATE TABLE IF NOT EXISTS question ( id INTEGER PRIMARY KEY AUTOINCREMENT, challenge_id INTEGER NOT NULL, content TEXT NOT NULL, score INTEGER DEFAULT 10 ); CREATE TABLE IF NOT EXISTS answer ( id INTEGER PRIMARY KEY AUTOINCREMENT, challenge_id INTEGER NOT NULL, voter TEXT NOT NULL, target TEXT NOT NULL, question_id INTEGER NOT NULL, score INTEGER NOT NULL ); """ ) db.commit() db.close() @app.route("/") def index(): return render_template("create.html") if __name__ == "__main__": init_db() app.run(host="0.0.0.0", port=5000, debug=True)

这个基础版本已经可以启动，但还没有业务路由。接下来我们补齐创建挑战、提交答案、查看结果三个核心功能。

6. 功能测试与效果验证

6.1 创建好友挑战

创建挑战的页面需要填写创建者昵称、挑战标题，以及 5 道题目。这里把 5 道题作为默认模板，用户可以自行修改。

在后端增加一个创建挑战的接口，接收创建者信息、标题和题目列表，写入数据库后跳转到邀请页面。

@app.route("/challenge/create", methods=["POST"]) def create_challenge(): creator = request.form.get("creator", "").strip() title = request.form.get("title", "").strip() if not creator or not title: return "创建者昵称和挑战标题不能为空", 400 question_contents = request.form.getlist("questions") question_clean = [q.strip() for q in question_contents if q.strip()] if len(question_clean) < 1: return "至少需要 1 道题目", 400 db = get_db() cursor = db.execute( "INSERT INTO challenge (creator, title) VALUES (?, ?)", (creator, title), ) challenge_id = cursor.lastrowid for q in question_clean[:5]: db.execute( "INSERT INTO question (challenge_id, content, score) VALUES (?, ?, 10)", (challenge_id, q), ) db.commit() return redirect(url_for("detail", challenge_id=challenge_id))

创建成功后，需要展示一个带链接的邀约页面。邀请链接就是/challenge/<id>的访问地址，任何人打开后都可以填写。

6.2 好友作答页面

作答页面的核心设计是：每个参与者先填自己的昵称，然后选择“给谁打分”，再逐题打分。

前端表单可以一次性展示所有好友名单，让参与者依次为每个人打分。更轻量的做法是：参与者先选目标好友，再显示 5 道题。

后端接收作答数据的接口如下：

@app.route("/challenge/<int:challenge_id>/submit", methods=["POST"]) def submit_answer(challenge_id): voter = request.form.get("voter", "").strip() target = request.form.get("target", "").strip() if not voter or not target: return "评价者和被评价者昵称不能为空", 400 db = get_db() questions = db.execute( "SELECT id FROM question WHERE challenge_id = ?", (challenge_id,) ).fetchall() for q in questions: score_key = f"q_{q['id']}" score_str = request.form.get(score_key, "0") try: score = max(0, min(10, int(score_str))) except ValueError: score = 0 db.execute( "INSERT INTO answer (challenge_id, voter, target, question_id, score) VALUES (?, ?, ?, ?, ?)", (challenge_id, voter, target, q["id"], score), ) db.commit() return "提交成功"

前台页面在提交成功后，提示参与者继续为下一位好友打分，或者返回到挑战首页。

6.3 结果聚合与真朋友指数

当所有好友都完成打分后，需要聚合每个人被其他好友评价的平均分。

@app.route("/challenge/<int:challenge_id>/result") def result(challenge_id): db = get_db() rows = db.execute( """ SELECT target, COUNT(*) as answer_count, SUM(score) as score_sum, AVG(score) as score_avg FROM answer WHERE challenge_id = ? GROUP BY target ORDER BY score_avg DESC """, (challenge_id,), ).fetchall() results = [] for r in rows: avg_score = round(r["score_avg"], 2) if r["score_avg"] else 0 level = "真朋友倾向明显" if avg_score >= 8 else "表现不错，继续观察" if avg_score >= 6 else "这次挑战得分偏低，建议聊一聊" results.append( { "target": r["target"], "answer_count": r["answer_count"], "score_avg": avg_score, "level": level, } ) return render_template("result.html", results=results)

这里用平均分作为“真朋友指数”的简化计算方式。实际使用中，可以给每题设置不同的权重，或者加入“极端评分去除”的防刷机制。

6.4 测试用例示例

需要特别说明的是，这个示例项目没有做“同一用户只能提交一次”的身份校验，生产环境建议引入微信群昵称绑定、邀请码一次性使用等机制，避免刷分。

7. 接口 API 与批量任务设计

如果不想在浏览器上点击，而是把邀请链接批量分发给好友，或者把统计数据接到已有的运营后台，就需要提供一套简单的 JSON API。

7.1 API 接口说明

这些接口和页面路由共用同一个数据库，所以接入成本很低。

7.2 创建挑战接口示例

使用curl调用创建接口：

curl -X POST http://127.0.0.1:5000/api/challenge \ -H "Content-Type: application/json" \ -d '{ "creator": "小明", "title": "谁是真正的朋友", "questions": ["经常主动联系我", "愿意在我困难时帮忙", "聊天时认真听我讲", "不会背后说我", "愿意陪我一起做无聊的事"] }'

为了让这个接口生效，需要修改创建逻辑，同时支持 JSON 输入：

@app.route("/api/challenge", methods=["POST"]) def api_create_challenge(): data = request.get_json(force=True) creator = data.get("creator", "").strip() title = data.get("title", "").strip() questions = data.get("questions", []) if not creator or not title or not questions: return jsonify({"error": "参数不完整"}), 400 db = get_db() cursor = db.execute( "INSERT INTO challenge (creator, title) VALUES (?, ?)", (creator, title), ) challenge_id = cursor.lastrowid for q in questions: db.execute( "INSERT INTO question (challenge_id, content, score) VALUES (?, ?, 10)", (challenge_id, q), ) db.commit() invite_link = f"http://127.0.0.1:5000/challenge/{challenge_id}" return jsonify({"challenge_id": challenge_id, "invite_link": invite_link}), 200

7.3 批量导入好友名单

批量任务的核心是：避免人工一条一条发送链接，而是提供一个名单文件，程序自动为每位好友生成唯一的问候链接。

这里做一种简化设计：批量导入好友昵称列表，为每个昵称生成一条带参数voter=昵称的邀请链接，并在结果页通过target参数自动定位到对应好友的数据。

示例接口逻辑如下：

• 接收一个names数组。
• 遍历每个昵称，生成邀请链接http://127.0.0.1:5000/challenge/<id>?voter=<昵称>。
• 将链接列表返回，方便运营人员批量复制。

Python 调用示例：

import requests url = "http://127.0.0.1:5000/api/import" payload = { "challenge_id": 1, "names": ["阿花", "小绿", "大熊"] } res = requests.post(url, json=payload, timeout=10) print(res.json())

如果接口返回每个好友对应的专属链接，就可以直接粘贴到聊天群中，并告之每位好友点击自己的专属链接作答。这样可以避免数据串号。

7.4 API 调用注意事项

• 生产环境必须给 API 加身份验证，最简单的方案是请求头带一个静态 Token。
• 批量导入接口要控制单次数量，建议每次不超过 50 个昵称。
• 接口返回的邀请链接要使用真实域名，不能写死为127.0.0.1。

8. 资源占用与性能观察

这个项目是纯 CPU 应用，不涉及 GPU 和显存。启动后可以通过任务管理器或top命令观察内存占用。

8.1 本地资源占用参考

• 空闲状态：Flask 进程内存约 30MB 到 80MB。
• 有并发请求时：内存小幅上升，SQLite 读写成为主要性能瓶颈。
• 磁盘占用：项目本身不到 5MB，数据库文件根据参与人数增长，1000 条作答记录大概占用不到 2MB。

需要注意，不同操作系统和 Python 版本下资源占用会有差异，以上仅是参考范围。

8.2 性能瓶颈在哪里

• SQLite 的写入锁：同时大量提交作答时，可能会出现database is locked错误。
• 结果页的AVG聚合查询：数据量在几万条以内通常没有问题，超过后需要加索引。
• 模板渲染：如果参与人数很多，结果页一次性展示所有好友会比较慢，建议分批加载或只展示前 20 名。

8.3 降低占用与优化方向

• 给answer表添加联合索引，例如(challenge_id, target)。
• 把 SQLite 连接的超时时间调高。
• 如果是在服务器部署，建议增加threaded=True参数。
• 后续如果人数增长，可以把数据库切换为 MySQL，或者使用 Redis 缓存结果页。

9. 常见问题与排查方法

10. 最佳实践与使用建议

10.1 第一次先小范围测试

建议不要直接发给全部好友。先自己创建一个挑战，打开无痕浏览器窗口，用两个虚拟昵称各提交一次，确认结果页正常后再分享。

10.2 保持最小可运行配置

这个项目的核心依赖只有 Flask，不要在一开始就加入大型前端框架、数据库中间件和大模型 API。先把基础流程跑通，再逐步扩展。

10.3 目录与数据管理

建议把data/challenge.db加入.gitignore，避免把测试数据提交到代码仓库。如果要在服务器部署，定时备份数据库文件即可。

10.4 批量任务必须加日志

批量导入接口建议打印日志，记录每次导入的挑战ID、数量、生成链接数。这样出了问题可以快速定位。

10.5 权限与安全

如果部署到公网，一定要做访问控制。最简单的做法是在app.py中增加一个请求前置检查，只有带正确 Token 的请求才能访问 API 接口。

10.6 合规提醒

• 只收集昵称和打分数据，不收集手机号、身份证号、通讯录等个人敏感信息。
• 参与测试前，明确告知这是趣味互动。
• 不把测试结果用于公开排名、恶意嘲讽或任何商业决策。
• 如果接入任何 AI 情感分析、人脸识别、声音识别能力，必须取得参与者明确授权。

11. 可以继续扩展的方向

这个骨架项目可以继续往上加东西：

• 接入大模型 API，对好友提交的开放性问题进行情绪倾向分析。
• 做成小程序：前端用微信小程序，后端仍用 Flask API。
• 增加可视化图表：用 ECharts 展示所有好友的得分雷达图。
• 加入邀请码机制：每个挑战生成唯一码，好友凭码参与。
• 改成匿名模式：系统随机生成代号，保护参与者隐私。
• 增加定时关闭：超过设定时间自动停止收集答案。

对你来说，最快验证整个功能的方式是：先跑通app.py，创建一个包含 5 个经典题目的挑战，然后自己提交几组答案，最后打开结果页看排名是否正确。这个流程只要能顺利走通，剩下的事情就是按自己的具体场景去改界面和逻辑了。