毕业项目设计指南

毕业项目不是再做一个更大的练习，而是把整套课程中学到的开发工具、Python、数据处理、机器学习、深度学习、LLM 应用、RAG、Agent、部署与评估串成一个完整作品。它的目标不是证明你“看过很多章节”，而是证明你能独立把一个真实问题拆成需求、数据、模型、系统、评估和迭代计划。

如果你不知道选什么题，优先选择贯穿课程的“AI 学习助手”。因为这个项目天然覆盖知识库处理、检索、问答、引用、学习计划、工具调用、日志、评估和部署，既能体现 AI 应用能力，也能体现工程化思维。

毕业项目应该解决什么问题

一个合格的毕业项目需要先说明用户是谁、问题是什么、为什么需要 AI、没有 AI 时怎么做、AI 加入后希望提升什么。不要一开始就写“我要做一个 RAG 系统”或“我要做一个 Agent”，因为 RAG 和 Agent 只是实现手段，不是项目目标。

更好的描述方式是：学习者在阅读课程时经常不知道先学哪一章、某个概念和前后章节有什么关系、遇到报错时应该查哪里，因此项目要提供一个课程问答与学习规划助手。它可以读取课程文档，回答问题时给出来源，按学习目标推荐路径，并在用户遇到卡点时生成排障步骤。

推荐项目方向

方向	适合人群	核心能力	最终成果
AI 学习助手	想走 AI 应用工程路线	RAG、Agent、评估、日志、部署	可查询课程、生成学习计划、记录执行轨迹的助手
企业知识库问答	想做 ToB/企业应用	文档解析、检索、权限、引用、反馈	支持多文档问答和答案溯源的知识库系统
数据分析 Agent	想结合数据分析与 AI	Pandas、可视化、工具调用、代码执行安全	能读取数据、生成分析报告和图表的 Agent
垂直领域助手	已有行业背景的人	需求抽象、领域知识、评估集设计	面向法律、教育、运营、客服等场景的 AI 助手
多模态创作工作流	想做 AIGC 方向	文本、图像、视频、提示词、工作流	从文案到素材生成再到发布计划的创作系统

选择方向时，不要只看技术是否高级。更重要的是你能否拿到测试材料、能否定义好坏标准、能否做出可演示的闭环。一个有清晰评估和复盘的小项目，通常比一个堆满框架但无法解释效果的大项目更有价值。

最小可交付版本

毕业项目的第一版应该控制范围，只做一条最短路径。以 AI 学习助手为例，最小版本只需要完成：读取一批 Markdown 课程文档，切分并建立索引，接收一个学习问题，返回答案和来源，保存一次问答日志，并提供 10 个固定测试问题。

这个版本不需要复杂 UI，不需要多 Agent，不需要长期记忆，也不需要自动规划所有学习任务。先让系统可运行、可观察、可评估，然后再扩展功能。毕业项目最常见的问题不是技术不够，而是范围太大，导致最后没有任何一个闭环真正可用。

标准版本结构

标准版本建议包含六个模块：数据接入、核心能力、交互入口、评估体系、可观测性和部署说明。

数据接入负责说明数据从哪里来、如何清洗、如何切分、如何更新。核心能力负责说明使用了哪些模型、检索策略、提示词、工具或 Agent 流程。交互入口可以是命令行、Notebook、Web 页面或 API。评估体系需要包含固定问题集、预期答案要点、引用检查和失败样本分析。可观测性需要记录请求、检索片段、模型输出、工具调用、耗时和错误。部署说明需要让别人能在新环境里复现运行。

挑战版本方向

当标准版本稳定后，可以选择一个挑战方向深入。不要同时做太多挑战项，否则容易失控。适合的挑战包括：加入用户学习画像和个性化路径，加入多轮对话记忆，加入工具调用来生成复习计划或练习题，加入权限与敏感内容过滤，加入自动评估面板，加入前端页面，或者把项目部署到云服务器。

挑战版本的价值不在于“功能更多”，而在于你能解释为什么增加这个功能、它解决了什么问题、带来了什么代价、如何评估它是否真的更好。

README 必备内容

毕业项目的 README 应该让评审者不用问你也能理解项目。至少包含项目背景、目标用户、功能清单、架构图、运行方式、示例输入输出、评估方式、关键技术选择、失败样本、已知限制和下一步计划。

其中最容易被忽略的是失败样本和已知限制。作品集项目不需要假装完美。相反，能清楚说明系统在哪些问题上失败、为什么失败、下一步如何修复，往往更能体现工程能力。

评估与复盘标准

毕业项目至少准备 20 到 50 个测试问题或任务。对于 RAG 类项目，评估检索是否命中、答案是否引用来源、引用是否支持结论、回答是否出现幻觉。对于 Agent 类项目，评估任务是否完成、工具是否调用正确、步骤是否可追踪、失败后是否能恢复。对于多模态项目，评估输出质量、一致性、可控性和人工审核流程。

复盘时不要只写“效果不错”。更好的复盘方式是把成功样本、失败样本、边界样本分开，说明每类样本暴露了什么问题。比如检索没命中可能是切分策略问题，答案不准确可能是提示词约束不足，工具调用错误可能是工具描述不清，成本过高可能是模型选择或上下文策略不合理。

毕业项目通关标准

层级	标准	说明
最低通关	能跑通完整流程	有输入、处理、输出、日志和示例
推荐通关	能解释技术选择	能说明为什么用这个模型、框架、检索方式或工具设计
作品集通关	能评估和复盘	有测试集、指标、失败样本、改进计划和可复现 README
面试通关	能回答取舍问题	能解释成本、延迟、安全、扩展性和替代方案

完成毕业项目后，你应该能用 3 分钟讲清楚项目背景，用 5 分钟演示核心流程，用 10 分钟解释技术架构，用 15 分钟讨论评估结果和改进方向。达到这个程度，项目就不只是课程作业，而是可以进入作品集的 AI 全栈项目。