作业要求¶
本文是本次 AI Agent 大作业的规格说明，包括作业要做什么、有哪些硬性要求、交什么、怎么评分。想了解作业为什么这样设计，先看作业背景；想知道一步步怎么完成，看快速入门。
一、作业目标¶
你要从自己的真实生活或学习场景出发，找到一个具体的、适合用 AI Agent 自动化、但现有通用 Agent 解决不好的痛点，然后为它设计并实现一个高度场景定制化的 AI Agent 工具。不能拿一个通用 Agent 凑数：方案必须针对某一个具体实际的场景，并且包含至少两项针对该场景的专门优化或定制逻辑，让它在这个场景下明显好于通用 Agent，或者做到通用 Agent 做不到的事。
二、场景选题参考¶
下面四类选题仅供参考，鼓励原创。
学习科研辅助¶
- 数学证明辅助 Agent：输入高等数学或线性代数题目，自动求解，可调用 Lean 或 Mathematica 等工具，对推理过程做形式化验证，最终生成带逐步解释的 LaTeX 解题文档。也可以扩展成命题探索：针对某个猜想自动搜索反例（比如近期备受关注的 Jacobian 猜想），或者辅助特定定理的证明。
- 论文梳理与复现 Agent：针对你关心的具体课题（比如“基于扩散模型的图像编辑”），自动爬取 arXiv 或顶会/顶刊论文，提取核心创新点和性能数据，生成综述和对比表格；还能自动克隆官方代码、配置隔离环境、运行验证，把复现结果和论文宣称的数值交叉比对，输出复现可信度评估报告，并基于研究空白提出潜在方向。
- 模拟答辩 Agent：根据你的论文或课题内容，收集往届答辩常见问题，生成模拟答辩；扮演答辩委员会提问、追问，根据你的回答点评并指出薄弱点，答辩前自动生成准备清单。
生活资料管理¶
- 相册管理 Agent：对本地图片和视频建立多维索引（EXIF 信息、人脸识别与聚类、CLIP 语义向量），支持自然语言精确检索（比如“找出 2024 年暑假在清华拍的所有有树的照片”），还能按事件或时间线自动生成精选相册，或生成表情包。
- 记账 Agent：自动从邮箱或 App 里识别提取账单和银行流水（支持 PDF/CSV/XLSX 等格式），按你自定义的规则分类（如“餐饮”“交通”“游戏”），生成结构化账本（比如 Beancount 格式），提供可视化报表和理财建议。支持自然语言对话式查询，比如“我上个月在游戏上花了多少钱？”。
- 旅行行程 Agent：输入目的地和时间，自动抓取天气、景点开放时间、门票、交通等信息，收集各平台攻略提炼口碑，按偏好和预算生成分日行程并同步日历；出发前提醒需要准备什么，遇到临时闭园还能给出替代方案，生成带配图的攻略。
特定领域工作流¶
- 代码迁移和重构 Agent：受 Bun 启发，针对特定语言或框架间的迁移（比如 C++/Zig -> Rust、React -> Vue），自动解析源项目 AST，做语义级别的代码转换，并生成配套单元测试验证迁移正确性，大幅降低人工重构的风险和工作量。
- 智能运维 Agent：把运维需求（如安全漏洞修复、软件版本升级、服务异常排查等）自动转化为能在服务器上安全执行的命令序列，带执行监控和回滚机制，实现常见运维问题的自动诊断与修复，同时保证可靠性。
- 价格监控 Agent：定时抓取关注的商品、机票、游戏折扣等价格，记录历史走势，跌破心理价位时自动提醒；结合大促规律和评测口碑判断“现在是不是真的便宜”，给出购买建议，定期生成降价报告。
娱乐体验增强¶
- 游戏助手 Agent：针对竞技类游戏，自动分析对局回放和玩家操作数据，识别失误和决策瓶颈，生成个性化的提升建议报告；对抽卡类游戏，结合抽卡历史与卡池概率模型，为资源分配提供数据驱动的参考；对比赛观赛，自动生成赛况总结和评价。
- 追剧 Agent：基于你的观影偏好画像，从网络资源中检索推荐新旧影视作品，支持资源获取、整理与内容摘要，生成二创视频，还能梳理剧里的人物关系帮你磕 CP；也可以让 Agent 自动拉片，分析影片的故事背景和镜头细节。
- 音乐口味 Agent：根据听歌记录分析口味偏好，推荐新歌、生成歌单并解释理由，支持跨平台导入记录；还能按场景（通勤、自习、运动）生成歌单，为歌单生成封面配图。
三、固定功能要求（必选项，占基础分）¶
无论选什么场景，下面六个模块都需要完整实现。
R1. 核心逻辑用 Rust 实现¶
核心业务逻辑（数据处理、算法流程、API 调用编排）必须用 Rust 写。允许调用其他语言的库（比如 Python 的 PyTorch），但主控流程必须在 Rust 里。
R2. 用户交互界面¶
至少提供以下之一：Web 界面、CLI 交互式终端、桌面 App、手机 App。界面必须能触发 Agent 任务，并展示结果。
R3. 可自定义模型配置¶
Agent 的用户必须能自由修改大模型的 API Endpoint 和 API Key（比如在 OpenAI 和本地模型之间切换），既可以通过配置文件（.env 或 config.toml），也可以通过 UI/CLI 设置页这类用户友好的界面。此外还要能配置上下文长度、思考模式、API 价格等。
R4. 实时进度渲染和打断功能¶
执行时间超过 3 秒的任务，UI/CLI 必须实时渲染进度，并且允许用户打断。比如处理照片时显示“已处理 45/120 张”，数学证明时显示“正在尝试证明引理...”。Web 端可以用 SSE/WebSocket 等技术，CLI 端可以用进度条库。
R5. 上下文历史管理¶
Agent 必须能管理多轮对话或任务状态的历史记录。用户能查看历史任务，也能保存/加载某次会话的完整上下文（比如存成 JSON 文件）。也就是说，用户能看到 Agent 任务背后实际的工作流程（如 DeepSeek Harness 的轨迹显示），而不是把它当成一个黑盒。
R6. Token 用量与价格统计¶
系统必须精确统计每次 API 调用的输入 token 数和输出 token 数（这两个数字在 API 响应里就能拿到），并根据你配置的模型价格（或预设价格表）实时换算成本。统计信息必须在界面上清晰展示。允许设置 token 预算，用量到预算时自动中断，免得月底看着账单流泪。
四、提交物清单¶
除源代码提交到清华 Git 外，其余内容提交到网络学堂对应作业：
- 完整设计文档（PDF），包含四部分：
- 痛点分析：为什么这是痛点？现有工具为什么解决不好？举一些具体例子。
- 场景定制方案：你为这个场景做了哪些专门优化和定制？（至少 2 点，解释技术实现）
- 系统架构图：模块划分、数据流、关键数据结构。
- 技术选型：各个模块用了哪些关键 crate，为什么这么选？
- 项目源代码：提交到清华 Git，需包含 README，说明怎么编译、怎么配置（Endpoint/Key）、怎么运行，附演示用例。
- AI 对话历史（完整原始记录）：开发过程中和 AI 助手的全部对话，格式为 Markdown/JSON/PDF。
- AI 开发开销明细表（Excel）：按阶段（需求分析、架构设计、Rust 核心逻辑编写、UI 开发、测试调试等）统计：
- 该阶段消耗的人时（小时）
- 该阶段的 API 调用次数、总 Token 数、总花费（USD/CNY）
- 使用的模型名称
- 使用的 AI 开发工具
统计 AI 开发开销，是为了让你对 AI 开发成本心里有数：将来拿它做项目、接私活或打比赛，如果自费的大模型调用费用比收入还高，那就得不偿失了。
五、时间节点与评审流程¶
作业分三个阶段：选题确认与互相评论、公开展示与互相试用、分课堂展示与互相评分。
第一阶段：选题确认与互相评论¶
第一阶段，在网络学堂“Agent 大作业选题”讨论区发布你的选题，简要描述场景和痛点，同时至少给其他 3 位同学的选题写评论，比如这个选题是不是也解决了你的痛点、你期待它有什么功能。助教和老师也会在网络学堂评论，帮你确认选题。发布以后，依然可以修改选题，所以发布得越早，获得反馈也越早，调整的空间就越大。选题允许“撞车”，但实现不许雷同。
时间安排：
- 8.30 23:59:59 之前，在网络学堂“Agent选题确认”讨论区发布选题
- 9.1 23:59:59 之前，给至少其他 3 位同学的选题发布评论，只评论不打分
第二阶段：公开展示与互相试用¶
实现基本功能后，在网络学堂“Agent 大作业展示”讨论区发布你的设计文档摘要和项目链接（需开放访问）。你需要至少试用 3 位其他同学的作品，并在对应帖子下提交反馈。收到反馈后，再根据反馈改进。试用的过程，也是互相学习的过程。
时间安排：
- 9.6 23:59:59 之前，在网络学堂“Agent公开展示”讨论区发布设计文档摘要和项目链接
- 9.8 23:59:59 之前，至少试用 3 位其他同学的作品，并提交反馈，不打分
第三阶段：分课堂展示与互相评分¶
所有选课同学会被随机分到不同的分课堂。每人有 5 分钟展示，介绍自己的 Agent 并做功能演示；之后有 2 分钟左右的提问时间，助教和老师会针对作业提问。同学之间互相评分，最终分数综合互评和助教、老师的打分评定。
时间安排：9.10 上午第二大节，随机分配到四个分课堂
六、评分标准（总分 100 分）¶
| 评分项 | 分值 | 考察内容 |
|---|---|---|
| 场景独特性与痛点分析 | 10 分 | 场景是否真实、具体？痛点分析是否深刻？是否避免了“通用型 Agent”？ |
| 场景定制化设计 | 10 分 | 是否为该场景做出了明确、有技术挑战的定制优化？ |
| Rust 核心逻辑实现 | 10 分 | Rust 代码的质量、安全性、模块化程度。 |
| 功能完整性 | 30 分 | R1–R6 每项 5 分，按实现完整度和用户体验给分。 |
| 设计文档质量 | 10 分 | 逻辑清晰度、图表规范性、技术描述深度，经过人手。 |
| 评论与试用参与度 | 5 分 | 是否按时完成对其他 3 位同学选题的评论，以及作品的试用和反馈。 |
| 课堂展示表现 | 25 分 | 由同学互评和助教、老师共同打分，评价标准为 Agent 能否解决实际问题，现场展示的效果，问答环节回答效果，Agent 功能和完成度，技术方案合理性 |
七、作弊与学术诚信¶
- 严禁直接复制他人的代码或设计。引用开源库必须在文档里注明。
- AI 辅助编程被鼓励，但你必须理解提交的每一行 Rust 代码。分课堂展示时，如果助教或同学深入询问实现细节，你解释不清楚，将按抄袭处理。
- 提交的“AI 对话历史”必须是真实原始记录，不得伪造或篡改时间戳和内容。
违反以上要求，按课程抄袭与查重相关规定处理。
八、Q&A 常见问题¶
Q1：必须完全用 Rust 写 Web UI 吗？¶
不用。Web UI 可以用 TypeScript/React 等成熟前端技术栈，但 Agent 核心逻辑（任务调度、状态管理、API 调用编排）必须由 Rust 实现，可以编译为 WASM 供前端调用，也可以作为独立后端服务。
Q2：Token 统计只针对 LLM 调用吗？如果还调用了其他 AI 模型怎么办？¶
所有外部 AI API 调用都要统计用量和费用，包括 Embedding、语音识别与合成、文生图、文生视频等模型，按 Token 或 Credit 计费的（如有）都算上。
Q3：一定要用 API 调用 AI 吗？本地推理是否可行？¶
本地推理是可行的，但得先想清楚一个问题：你的 Agent 要在别的同学设备上跑，人家的机器不一定有 GPU，可能根本跑不起来。如果模型比较小（比如体积不到 1GB），又能靠 CPU 完成推理，那对用户环境的要求就低很多。最稳妥的做法，是让用户在配置里自由选择：本地推理，还是调用 API。
Q4：我没有任何 AI 基础怎么办？¶
这正是这次大作业的训练目标之一。鼓励你结合 AI 工具边学边写，先从简单的 CLI 版本开始，再迭代加 UI。完整流程见快速入门。
Q5：我想到的需求已经有现有 Agent 实现了怎么办？¶
可以先试用该 Agent 并且找到它做的不够好的地方，然后在你的设计文档里分析它的不足，提出改进方案。只要能证明你的 Agent 在这个场景下明显好于现有 Agent，或者做了现有 Agent 做不到的事，就可以作为选题。此外，请从零开始构建 Agent 而非二次开发。
Q6：怎么判断一个场景已经足够具体？¶
一个场景足够具体，指的是它“只做这一件事情”：你的 Agent 只服务这一个场景，而不是像通用 Coding Agent 那样什么都能做。当然，这个场景也可以允许用户做一些定制，比如改改提示词、换换模型。如果你发现自己的“场景”本质上就是一个通用 Agent 换了一层皮，那说明它还不够具体。
Q7：需要和现有软件或通用 Agent 做正式的对比实验吗？¶
不需要。在写痛点分析时，你要讲清楚现有软件或通用 Agent 在这件事上有哪些体验或功能上的不足，以此说明你做的东西有价值，但这些只是背景，是什么启发你去做这件事。这不是发论文，不用跑对比实验，也不用给出现有的量化指标，当然你要做也不拦着。你可以先试用一下现有的 Agent，找到它做得不够好的地方，把那些“做不到/做不好”的点写进设计文档。
Q8：“至少两项专门优化或定制逻辑”有最低实现标准吗？¶
没有统一的技术门槛或标准答案。考察点在于：在标准 Agent Loop（见Agent 架构）的基础上，你是否真的为这个场景引入了专属设计。比如针对数据源设计的工具调用、为场景设计的 Skills 或知识库、引入工作流、结构化输出校验、定制提示词工程等。简单说，就是体现“专用”：通用 Agent 需要用户一步步把话讲清楚，而你的 Agent 把这些步骤固化成了针对该场景的代码和配置。
Q9：本地模型、图片/语音模型，或不返回 Usage 字段的第三方服务，Token 和费用怎么统计？¶
有啥统计啥，至少可以统计调用次数。能拿到 Token 就统计 Token，能拿到 Credit 就统计 Credit；拿不到具体数值的，就在文档里标明该服务的计费方式。重点是“有统计、有记录”，而不是每个服务都非得还原成精确的 Token 数。
Q10：使用 ChatGPT Plus/Pro 这类订阅套餐（不按 API 单价计价），开发开销表怎么填？¶
订阅版工具的 Usage 字段依然会返回 Token 数，所以照常统计总共用了多少 Token。开销表里，因为你是套餐订阅、没有按 API 单价扣费，可以说明：一共用了多少 Token，由于是套餐制，实际花费表现为占用了多少套餐额度（比如用了套餐额度的百分之几），给个大致的开销即可。这一项的目的是让你对 AI 开发成本形成概念：如果做一件事，AI 投入的成本已经超过收益（比如拿 1000 元奖金却花 5000 元调用费），就该改进你的 AI 开发流程了。
Q11：交互式 CLI 可以满足界面要求吗？¶
可以。R2 中“界面”这一项允许 CLI 交互式终端。不过，如果项目天然需要图形化呈现（比如图片处理、可视化报表），那么 GUI 或 Web 界面会更有意义，CLI 画图会比较受限。选哪种界面，以能最好地呈现你的 Agent 结果为标准。
Q12：会提供测试用例或参考实现，帮助判断 R1-R6 是否达标吗？¶
不会提供参考实现，因为大家的代码都是自己从零开始与 AI 协同写出来的。判断 R1–R6 是否达标，是助教对照代码和实际运行来核对的；这些基本要求本身不难判断。它们更多是保证大家确实写的是一个 Agent。
Q13：评分标准很主观，不同项目也难以横向比较，有没有更详细的说明？¶
评分的几个角度已经写在评分标准的表格里，但每一项具体高低的判定是主观的。事实上，往年大作业的评分也包含主观部分，只是今年主观比例有所上升。随着 AI 的发展，过去那种靠自动化测试就能一锤定音的客观评分方式已经不太适用，现实中往往也是如此，不同项目之间因此确实难以直接横向比较。在 AI 时代，竞争的不只是技术本身，你的展示、你的表达、你的 idea 能否吸引别人，会越来越重要。你也可以把这当作一次锻炼表达与展示能力的机会。