概述
本实战项目要求你围绕一份真实的 PRD，使用 Spring Boot 完成一个带推荐能力的电影网站。这个项目的核心挑战在于：它不是简单的增删改查，而是需要你思考"用户行为如何影响推荐结果"以及"推荐如何可解释"。
这是 Stage 2 的综合实战环节。你将第一次接触"内容 + 行为 + 推荐"型产品的开发模式，这种模式在电商、内容平台、个性化 Feed 等场景中非常常见。
前置知识
在开始本项目之前，你应该已经掌握以下内容：
前端页面设计与组件库使用（UI 设计、现代组件库）
后端接口设计与开发（接口代码编写）
数据库基础与 Supabase（从数据库到 Supabase）
Git 工作流与部署（Git 和 GitHub、部署 Web 应用）
学习目标
完成本实战后，你将能够：
阅读 PRD 并从中提取推荐系统的开发任务清单
使用 Spring Boot 搭建后端项目并实现 RESTful API
设计"用户行为 → 推荐"的完整数据链路
实现可解释的推荐逻辑
完成端到端联调，交付可演示的产品原型
项目简介
你要构建的产品是一个带推荐能力的电影网站：
| 功能 | 描述 |
| 浏览与搜索 | 用户可以浏览和搜索电影 |
| 评分与收藏 | 用户可以给电影评分、添加收藏 |
| 个性化推荐 | 系统根据用户行为给出推荐结果 |
| 管理后台 | 管理员维护电影数据、查看推荐效果 |
第一部分：需求分析
1.1 阅读 PRD
打开 PRD 文档，重点回答以下问题：
推荐策略是什么？第一版是否使用可解释版本（如基于评分相似度）？
用户行为数据要存哪些？（评分、收藏、浏览记录等）
管理员需要看哪些推荐效果指标？
页面清单是否完整？
::: warning 如果以上问题没有明确答案，不要开始写代码。需求理解不清楚是导致返工的最常见原因。 :::
1.2 确认系统架构
flowchart TD
prd["PRD"] --> web["前端页面"]
web --> auth["用户鉴权"]
web --> movie["电影列表 / 详情"]
web --> behavior["评分 / 收藏"]
behavior --> reco["推荐逻辑"]
reco --> db["数据库"]
admin["后台管理"] --> db第二部分：搭建项目骨架
2.1 生成前端页面
提示词参考：
请基于当前 PRD，帮我生成一个 Spring Boot 电影推荐系统的前端骨架。
要求：
1. 页面包括：首页、电影列表、电影详情、推荐页、个人中心、后台管理
2. 先只生成页面结构和假数据，不接真实接口
3. 风格要像真实内容产品，而不是课堂 demo2.2 验证页面结构
逐项检查：
[ ] 电影列表页支持搜索和筛选
[ ] 电影详情页包含评分和收藏按钮
[ ] 推荐页能展示推荐结果和推荐理由
[ ] 管理后台能展示电影数据和推荐效果
第三部分：迭代开发
3.1 按模块推进
Spring Boot 项目搭建：项目结构、数据库配置、基础 CRUD
电影数据管理：电影列表、详情、搜索接口
用户行为：评分、收藏接口，行为数据写入
推荐逻辑：基于用户行为的推荐算法实现
推荐展示：推荐结果展示，包含推荐理由
管理后台：电影数据维护、推荐效果查看
3.2 模块自检
| 检查项 | 验证方法 |
| 基础功能 | 列表、详情、评分、收藏是否闭环 |
| 推荐联动 | 用户行为是否影响推荐结果 |
| 推荐可解释性 | 用户能理解为什么被推荐这些电影 |
| 后台数据 | 管理员能查看电影数据和推荐效果 |
第四部分：联调与上线
4.1 端到端测试
至少验证以下场景：
浏览电影 → 评分 → 收藏 → 查看推荐页，确认推荐结果发生变化
管理员登录 → 添加电影 → 查看推荐效果统计
交付物
完成本项目后，你需要提交以下内容：
[ ] 可访问的线上演示链接
[ ] 源码仓库链接（含 README）
[ ] PRD 文档
[ ] 核心页面截图（电影列表、电影详情、推荐页、管理后台）
[ ] 60 秒演示视频
评分标准
| 维度 | 基本要求 | 进阶要求 |
| PRD 对齐 | 页面、功能、数据结构基本符合 PRD | 能清晰说明设计决策 |
| 产品闭环 | 浏览 → 评分 → 收藏 → 推荐可跑通 | 评分行为明显影响推荐结果 |
| 推荐质量 | 推荐结果合理、推荐理由可解释 | 支持多种推荐策略 |
| 后台能力 | 电影数据和推荐效果可查看 | 有推荐准确率等统计指标 |
| 工程完整度 | 前端、Spring Boot 后端、数据库链路已接通 | 推荐接口有缓存或性能优化 |