项目页交付标准

课程里的项目页不应该只告诉学习者“做什么功能”，还应该告诉他们“交付什么证据”。一个项目如果没有运行方式、示例输入输出、评估方式和失败样本，就很难从练习变成作品集。

项目页推荐结构

模块	要回答的问题	最低要求
项目目标	这个项目解决什么问题	说明用户输入、系统输出和使用场景
运行方式	别人如何复现	给出安装依赖、运行命令和环境变量说明
示例输入输出	项目实际长什么样	至少展示一个真实输入和对应输出
项目结构	文件如何组织	列出核心源码、数据、日志和报告目录
方法说明	为什么这样做	说明数据、模型、Prompt、RAG、Agent 或工具选择
评估方式	怎么判断效果	写清指标、baseline、测试集或人工检查标准
失败样本	哪里还不稳定	至少记录 1～3 个失败案例和可能原因
下一步计划	如何迭代	给出下一版准备改什么，以及为什么

项目越接近课程后半段，就越应该强调工程闭环。RAG 项目要有检索日志和引用检查，Agent 项目要有 trace 和权限边界，多模态项目要有素材来源和审核清单。

每个阶段项目的 README 至少应该能让另一个人回答：这个项目是做什么的，怎么运行，输入输出是什么，当前效果怎样，哪里会失败，下一步准备怎么改。

# 项目名称

## 项目目标

## 运行方式

## 示例输入输出

## 项目结构

## 方法说明

## 评估方式

## 失败样本

## 下一步计划

如果项目涉及 LLM、RAG 或 Agent，还应该额外说明 Prompt 版本、模型调用配置、检索配置、工具 schema、日志字段和安全边界。

项目类型	额外证据	常见不合格信号
Python 小工具	命令行参数、文件读写样例、异常处理	只能在作者电脑上跑，没有示例输入
数据分析项目	数据字典、清洗记录、图表结论、局限性	只有图，没有解释和数据质量说明
机器学习项目	baseline、指标、数据划分、错误分析	只报告最高分，不说明评估方式
深度学习项目	训练曲线、配置、checkpoint、失败样本	loss 截图存在，但无法复现实验
Prompt 项目	Prompt 版本、固定测试样本、结构化校验	只展示一次成功输出
RAG 项目	chunks、retrieval logs、eval questions、citation check	答案看似正确但引用不支持
Agent 项目	tools schema、agent traces、max_steps、人工确认	Agent 做了什么无法回放
多模态项目	素材来源、Prompt 版本、审核清单、导出结果	只展示生成图，不说明来源和使用边界

提交阶段项目之前，建议逐项检查：README 是否能独立阅读，运行命令是否可复制，示例输入输出是否真实，评估方式是否明确，失败样本是否记录，项目限制是否写清，下一步计划是否具体。

如果一个项目暂时还不完整，也可以先按“最小闭环”提交。重要的是每次迭代都留下证据：本次新增什么、验证了什么、失败在哪里、下一步为什么这样改。