北京
毕业设计是大学四年里唯一一次，学校给你几个月时间做东西，还有一群评委必须听你讲完。但大多数学生把它做成了一个没有用户的聊天机器人，加一份没有数据的报告。我审过不少毕业设计，也亲手做过几个帮我拿到offer的项目。这篇聊聊我的选择逻辑。
先选用户，再选技术
起点应该是一个你能触达的、有真实问题的人：某个系、学校旁边的商店、一家NGO、一个诊所。如果你不知道选什么，做一个针对学院文档的RAG（检索增强生成）项目是个稳妥的默认选项——因为用户就在同一栋楼里。一个拥有十个真实用户的项目，能扛住答辩时任何关于"这东西有什么用"的追问。
只挑一个硬骨头啃
检索质量、确定性信息抽取、端侧推理、区域语言的评估——挑一个你真正会解决的难题，剩下的部分用常规工程手段做扎实就行。评委和面试官都在找那个"硬的部分"，这也是多模态大模型相关学生项目创意里最值得参考的思路。
第一个月就把评估方案定下来
在系统还没跑通之前，先建好带已知答案的测试集。指标要匹配任务：检索看召回率和忠实度，抽取看字段准确率，识别类任务按组统计错误率。还要有一个对比基线——要么是朴素版本，要么是用户现在正在用的工具。
为演示留一条路
准备一条能现场跑的演示路径，评委输入什么，系统就实时响应什么。报告里其余部分全部写成"未来工作"。一个窄但能跑、有数据的系统，在答辩和面试中永远赢过一张宏大的架构图。
边做边记录
写一份面试官三分钟能读完的README，每周记录决策和失败过程——这些笔记会成为报告里最精彩的一章。再录一段短视频，给那些没法亲手跑代码的人看。
按这个思路做，毕业设计会成为你简历上的第一项，也是你每场面试都在讲的故事。按常规思路做，它只是一份再也没人打开的PDF。差别在第一个月就定下来了。
本文作者Pranjul Rathour是来自印度坎普尔的GenAI工程师，现任SCULT INDIA的CTO，正在交付生产级RAG、微调和智能体AI系统，通过TechVerse Enclave指导200多名学生，并在印度各地的学生黑客松中担任评委和演讲嘉宾。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
