只做第一步也可以
提交仓库/压缩包：README、pyproject/lock、src 或 app、tests、data card、AI log
保留真实输出或卡点，带到课堂；不要求一次完成全部。W17 · AGENT & CAPSTONE
现场答辩：把能力封装成作品Capstone · Reproduction · Oral Defense
最终验收不是 PPT 汇报，而是在本人笔记本上从干净入口运行、现场修改、解释底层概念，并诚实陈述数据、模型和 AI 的边界。
0 / 0 已完成
01
知识范围 · 交互图谱
Know the map before details学完后大致能做到
交付可运行仓库、数据说明、报告与演示入口
在限定时间完成冷启动与现场修改
回答跨层随机问题并能定位失败
用模型卡/数据卡/威胁模型陈述边界与责任
02
零基础起步
Start small · bring real progress不要等到「全部学会」才开始
先完成最小动作。哪怕没有成功复现，也请保留报错、截图和尝试过程；课堂可以展示卡点、旁听提问，并继续获得积分。
做出核心结果
四选一赛道完成端到端作品：量化与风险 / 数字经济实证 / 金融科技风控 / 财务自动化与 Agent。所有赛道使用同一最低交付标准。
成功复现可获得「复现 +1」，并具备展示资格。想多做再继续
在合规前提下部署只读演示版
有拓展 +1，多拓展 +2；不影响零基础起步。完整复现步骤
提交仓库/压缩包：README、pyproject/lock、src 或 app、tests、data card、AI log
从新终端按一条命令启动；现场展示输入 → 处理 → 模型/计算 → 图表/输出
教师随机改变一个参数、字段或样本范围，学生现场定位并修改
抽取 2–3 个跨层问题：系统/代码/数据/统计或 ML/安全
提交 1 页项目摘要与 1 页限制/威胁模型；敏感数据和密钥不得进入仓库
验收命令 · 项目应做到类似的一键入口
git clone <your-repository> fpc-capstone cd fpc-capstone uv sync --frozen uv run pytest -q uv run marimo run app.py # 或：uv run python -m your_project --config config.toml
展示时可拿出的证据
- 冷启动成功与运行时长
- 端到端结果及至少两个自动测试
- 现场变更成功或有证据的故障定位
- 数据卡、模型/方法卡、AI 使用记录与威胁模型
本机自查清单
03
让 AI 一步一步带你做
Copy this starter prompt循环方式
- 告诉 AI：我是零基础、使用什么系统、当前做到哪一步
- 一次只要一个步骤，先看预期结果再执行
- 把真实输出或报错贴回 AI，不要只说「不行」
- 把验证过的步骤整理回飞书实验报告
- 重复：问 → 做 → 报错 → 修正 → 再做
给 AI 的起步提示词
我是金融学院硕士生，计算机零基础。我正在学习《金融编程与计算》W17，本周目标是：实验 15 · Capstone 最终验收。 请把我当作第一次接触这些工具的人，并遵守： 1. 一次只给我一个步骤，不要一次倾倒完整答案。 2. 每一步先用日常语言解释目的，再给可复制的命令或代码。 3. 告诉我正常情况下应该看到什么，以及最常见的一个错误。 4. 如果不知道我的操作系统、目录或安装状态，先问我，不要假设。 5. 等我贴回真实输出或报错后，再判断下一步。 现在只带我完成第一步：提交仓库/压缩包：README、pyproject/lock、src 或 app、tests、data card、AI log
04
问题驱动
这些问题不是课前考试。遇到不懂就问 AI；最后只需能结合自己的操作，说清其中一部分。
如果换一台电脑，你的项目最可能在哪一步失败？
现场改一个字段名，哪些层会受影响？
你的结论对哪些样本、时期和假设成立？
AI 在项目中做了什么，人做了哪些不可委托判断？
上线后出现数据漂移、接口失败或提示注入，系统如何降级？
05
只交一份实验报告
The learning process is the deliverable建议结构
- 本周目标：我想完成什么，以及最后做到哪一步
- 环境：操作系统、软件版本、安装方式与必要依赖
- 操作步骤：按真实执行顺序写出可复制的命令或代码
- 结果：关键输出、截图及我如何判断它是否正确
- 踩坑与克服：现象 → 可能原因 → 实际排查 → 解决办法
- 结论：本周学会了什么，仍有什么没有解决
- 诚实标注：哪些来自 AI 建议，哪些已由本人亲自验证
本周常见坑
- 演示依赖提前打开的内核或手工改过的文件
- README 漏写数据位置和启动命令
- 用真实敏感数据或泄露密钥
- 只说模型优势，不说禁用场景与失败模式
不另交 AI 使用记录
只需在实验报告中诚实标注：哪些步骤来自 AI 建议，哪些已经本人验证，哪些仍未验证。学习过程写好，报告就自然产生。
06
课堂时间全部用于验收
No new lecture · public verification两次考勤
上课提前 5 分钟点名，下课前 5 分钟再次点名。
自愿共享屏幕
用本人笔记本打开实验报告，展示真实操作、结果或卡点。
现场复现与双分
作者现场运行；同学也可仅凭该文档复现，作者与复现者都加分。
随机拷问与好问题
教师判断掌握程度；旁听同学可提出被采纳的好问题。
本周可能被问
- 从命令到结果经历哪些层？
- 你的输入数据粒度和主键是什么？
- 哪个结论是描述性、预测性或因果性的？
- 哪里最可能发生泄漏？
- 如果 AI 完全不可用，项目核心部分还能否运行？
07
本周课堂积分
Same rules every week考勤
上课提前 5 分钟点名，下课前 5 分钟再点名
出勤 +3迟到 +2早退 +2请假 +1旷课 +0
复现
使用 AI 自学，按照教学大纲完成了每周实验任务
成功复现 +1未能复现 +0
拓展
按照教学大纲完成一项或多项拓展任务
多拓展 +2有拓展 +1无拓展 +0
展示
主动共享屏幕展示复现过程，接受核验与拷问
课堂自愿共享屏幕展示 +3无课堂展示 +0
首讲
每节课堂最先自愿开讲的前 3 人
前 3 人 +1
提问
认真旁听并提出被采纳的好问题
被采纳 +0.5
拷问
面对面随机拷问 · 反空心化闸门
空心代工 −1一知半解 +1融会贯通 +2
双分
仅凭文档课堂现场复现
作者与复现者 都 +1
精选
本周最佳文档
知识库 + 席位 + 署名 + 积分 +3
做一点，也算一点
没有完成全部实验，也可以凭考勤、展示卡点、认真提问和真实回答获得积分；做得越扎实，展示、拓展、拷问、双分和精选带来的激励越多。飞书应用展示过去 30 天积分榜与总积分榜。
08
自由拓展与参考资源
拓展挑战
- 在合规前提下部署只读演示版
- 录制 3 分钟可复现演示并配字幕
- 把一个高质量踩坑条目沉淀到班级知识库