大作业评分细则

本细则配套课程大作业。总分 100 分，其中选题与启动、阶段检查点、项目报告、同伴互评共 60 分，使用共同标准；功能实现 30 分、代码质量 10 分，按项目主要类别评分。

跨类别项目选用一套主要类别细则。类别之外的选题，请提前联系助教确认项目范围和评分重点，总分及各项比例相同。

共同评分项（60 分）

分项	分值	评价内容
问题与目标	4	使用场景或改进对象具体，主要目标清楚，范围适合独立完成
技术栈与工具选择	2	说明语言、框架和 AI 工具，选择理由与任务相符
环境与首次实践	3	完成环境配置与首次 AI 编程实践，记录实际任务、操作和结果
仓库启动	1	建立仓库并完成首次提交

检查点 1 的仓库初始化和首次提交在本地完成，在报告中简述完成情况即可，无需提交代码仓库。含版本历史的仓库从检查点 2 起提交。本次也不要求详细任务分解、里程碑或完整系统设计，这些内容在检查点 4 提交。

材料要求与提交自查见检查点 1：选题与启动。

检查点 2、3、4 各 5 分，按对应阶段的要求评价。

分项	每次分值	评价内容
按期提交与材料完整性	1	按时提交，仓库和材料可访问，提交版本与材料位置清楚
阶段成果	2	完成该阶段的主要内容，成果可以运行、复现或核对
方法与过程记录	2	提示、调试、任务分解或自查与阶段任务相符，AI 记录和版本历史能说明实际过程

分项	分值	评价内容
项目说明与个人贡献	4	说明目标、实现方案和完成情况，区分已有基础、复用内容与个人工作
AI 使用方法	6	结合具体记录，解释提示、上下文、任务分工与迭代方法，以及关键决策
审查与验证反思	6	分析 AI 建议的正确与不足之处，说明接受或拒绝的原因，并用运行或测试结果支持判断
记录组织	4	交互记录、版本历史、测试与报告能够相互对应，说明已知问题与局限

报告重在解释方法与判断，不按提示词篇数、对话长度或工具数量评分。失败尝试也可以分析，需说明如何发现问题、怎样调整以及结果如何。

分项	分值	评价内容
参与和材料完整性	5	按要求完成课堂展示项目的评分与评论
评分依据	5	结合功能、演示和 AI 使用方法给出评分，判断有依据、前后一致
评论与建议	5	指出具体优点、问题或可执行的改进方向

本项评价本人参与互评的质量。展示项目收到的同伴评分用于荣誉评选，不直接改变展示者的课程成绩。

评分项	分项	分值	评价内容与验证材料
功能实现	核心流程	10	主要功能形成完整流程并能实际使用；提供主要场景的演示、输入输出与功能对照
功能实现	正确性与异常处理	10	核心规则正确，常见边界和错误输入有合理处理；提供已知答案样例、边界测试与错误反馈
功能实现	实用性与使用体验	10	能解决选题中的问题，操作或命令清楚，必要的数据保存与结果反馈可用；展示实际使用和保存、导出结果
代码质量	结构与可维护性	5	模块职责清楚，命名与接口一致，关键逻辑便于理解和修改
代码质量	测试与回归	5	测试覆盖主要风险，断言有效，修改后检查已有功能；提供可执行测试与运行结果

命令行工具按命令设计、说明、输出和错误反馈评价使用体验。界面复杂度和页面数量不单独计分。

评分项	分项	分值	评价内容与验证材料
功能实现	任务完成效果	10	在预先说明的代表性任务中完成主要目标，结果可核实；提供固定任务样例、执行记录和结果核对
功能实现	场景适配与工具设计	10	数据、上下文、工具和流程适合具体场景，能解释设计选择；提供工具接口、输入输出约束及效果分析
功能实现	执行控制与失败处理	10	对无结果、工具失败和超出范围的任务有处理；改变数据的操作有适当控制，异常时能停止或反馈；提供失败样例和执行记录
代码质量	模块结构	5	模型访问、工具执行和任务状态职责清楚，便于替换模块和定位问题
代码质量	评估与测试	5	有可重复的任务集与工具测试，记录模型配置和测试条件，能解释结果波动与失败

只读型 Agent 可以通过停止条件、出处核对和失败反馈体现执行控制，无需增加写操作。模型价格、Agent 数量和调用工具数量不单独计分。

评分项	分项	分值	评价内容与验证材料
功能实现	问题界定与基线	10	原问题具体，能复现或测量，起始版本和个人目标清楚；提供原仓库、起始提交、复现步骤和基线结果
功能实现	改进效果	10	个人改动解决所选问题或达到预期改进；提供前后对比、同条件性能测量、新功能演示或测试发现
功能实现	完整性与兼容性	10	改动覆盖目标范围，原有主要功能可用，副作用与限制明确；提供相关功能回归与兼容性检查
代码质量	补丁质量	5	改动聚焦、便于审阅，遵守原项目结构与风格，不夹带无关修改
代码质量	回归与复现材料	5	有能防止问题重现的检查，他人能按说明复现主要结论；提供测试、基准脚本、环境与依赖说明

只评价个人贡献，不将原项目的全部功能计入成果，不要求 PR 被上游合并。性能比较应使用一致的输入和环境，报告重复测量结果；重构项目可以用行为一致性、结构变化和维护难度说明改进效果。

评分项	分项	分值	评价内容与验证材料
功能实现	数据与计算正确性	10	数据来源与口径清楚，解析、单位、清洗和主要计算正确；提供标准样例、人工核对或可信实现对照
功能实现	处理流程完整性	10	从输入到结果能连续运行，关键步骤与必要交互完整；提供运行过程、参数和输入输出样例
功能实现	结果解释与展示	10	结果回答选题问题，图表和标注准确，结论与数据对应；提供结果解释、交互演示及适用范围
代码质量	结构与可复现性	5	处理、分析和展示职责清楚，依赖、参数与数据准备步骤明确，他人能重复运行
代码质量	测试与交叉验证	5	对关键计算与转换有有效检查，能发现口径错误与功能退化；提供测试、人工可验数据或不同实现的对照

算法可视化重点核对每一步状态和最终结果。数据量、图表数量和视觉复杂度不单独计分。

各分项根据实际完成程度和验证结果给分：要求完成、结果可靠且主要边界有验证，可获得该项高分；核心功能可用但有局部缺口或验证不足，会相应扣分；仅有部分实现、关键结果不可用或无法核实，则按已完成的内容给分。

验证方式可根据项目选择自动测试、人工可核对样例、交互演示或测量。功能项评价实际效果，测试项评价检查是否有效、可重复、能够发现问题。请确保自己能结合代码、记录和演示解释关键工作。