第8章综合项目与创新

📢 本章语音导览

🖼️ 查看课件 →

第8章综合项目与创新：课程实践与竞赛指南

项目选题指南

选题原则

综合项目是本课程的”收官之作”，选题质量直接决定项目的成败。好的选题应满足四个原则：

可行性（Feasibility）：项目必须在4周内、2—4人团队、使用课程所学工具可完成。避免选择需要海量数据、复杂硬件或超长开发周期的项目。判断标准：能否在1周内搭建出最小可用原型（MVP）。

创新性（Novelty）：项目应在某个维度上有所创新------可以是技术上的新组合（如LLM+知识图谱用于银行问答）、业务上的新场景（如ESG评级工具）、或方法上的新尝试（如BMAD方法论用于金融系统设计）。但创新不等于”从零发明”，“已有技术的跨界应用”同样是创新。

金融相关性（Finance Relevance）：项目必须与金融/银行领域紧密相关。纯技术项目（如”通用聊天机器人”）不符合课程定位。好的选题应能回答”这个项目解决了什么金融问题”。

技术适配性（Tech Fit）：项目应能充分发挥AI IDE + MCP + Skill的技术栈优势。如果项目完全不需要AI参与，说明没有用上课程核心能力。

::: notebox 在确定选题前，请逐项检查：

4周内能否完成MVP？
是否有至少一个创新点？
解决了什么金融问题？
是否需要AI参与？如何参与？
数据从哪里来？
技术难点是什么？能否克服？ :::

可选项目方向

以下提供12个可选项目方向，每个方向附带难度评级和简要介绍：

1. 银行智能网点导航系统（）

基于银行网点信息，构建一个智能导航系统，用户输入位置和需求（如”办理信用卡”），系统推荐最近的网点并显示等候时间估算。技术栈：HTML+JS+地图API，可使用Playwright MCP抓取网点信息。适合2人团队，2周可完成MVP。

2. 个人财务健康诊断助手（）

用户输入月收入、支出、负债等数据，系统从储蓄率、负债率、流动性等维度评估财务健康状况，生成诊断报告和改善建议。技术栈：HTML+JS+图表库（ECharts），AI辅助生成评估逻辑和理财建议。适合2人团队，2周可完成。

3. 银行反欺诈交易检测系统（）

基于模拟的信用卡交易数据，使用规则引擎+机器学习模型检测异常交易（大额异地消费、频繁小额试探等）。技术栈：Python+scikit-learn+Flask前端，需构造模拟数据集。适合3人团队，3周可完成。

4. 智能贷款计算器与方案比较（）

支持等额本息、等额本金、先息后本等多种还款方式计算，可比较不同银行、不同期限的贷款方案，生成可视化对比报告。技术栈：HTML+JS+ECharts，AI辅助编写计算逻辑和交互设计。适合2人团队，2周可完成。

5. 银行客户流失预警系统（）

基于模拟的客户行为数据（交易频率下降、余额持续走低、投诉增加等），构建客户流失预警模型，识别高流失风险客户并推荐挽留策略。技术栈：Python+scikit-learn+Flask，需构造特征工程。适合3人团队，3周可完成。

6. 数字人民币模拟交易系统（）

模拟数字人民币（e-CNY）的开通、充值、转账、消费全流程，包含双离线支付的基本逻辑演示。技术栈：HTML+JS+localStorage，重点在于业务流程的正确模拟。适合3人团队，3周可完成。

7. 银行ESG评级分析工具（）

基于公开ESG数据，为银行客户提供ESG评级查询和对比分析功能。包含环境（E）、社会（S）、治理（G）三个维度的评分展示。技术栈：Python+Flask+ECharts，数据来源为模拟或公开ESG报告。适合3人团队，3周可完成。

8. 跨境汇款路径优化系统（）

根据汇率、手续费、到账时间等维度，为用户推荐最优的跨境汇款方案。需对接多个汇款渠道的数据（可模拟），并考虑外汇管制因素。技术栈：Python+Flask+汇率API，逻辑复杂度高。适合4人团队，4周可完成。

9. 银行知识图谱构建与问答（）

基于银行产品、业务流程、监管法规等知识构建知识图谱，实现基于图谱的智能问答。技术栈：Python+Neo4j（或JSON模拟）+LLM，需设计本体和实体关系。适合4人团队，4周可完成。

10. 中小银行数字化转型评估工具（）

参考银保监会的数字化转型监管要求，设计一套评估指标体系，用户输入银行各项能力数据后自动生成转型成熟度评估报告。技术栈：HTML+JS+ECharts，重点在于指标体系设计。适合3人团队，3周可完成。

11. 供应链金融平台原型（）

模拟核心企业---供应商---银行三方参与的供应链金融平台，包含应收账款融资、订单融资等场景。需实现多角色登录和业务流程串联。技术栈：HTML+JS+localStorage+Flask，业务逻辑复杂。适合4人团队，4周可完成。

12. 银行合规检查自动化系统（）

将银行常见合规检查项（反洗钱、投资者适当性、信息披露等）结构化为检查清单，AI辅助自动审查文档合规性，生成合规报告。技术栈：HTML+JS+AI对话，需设计检查规则库。适合3人团队，3周可完成。

::: notebox

初学者推荐选择项目，2人团队即可完成
有编程基础的同学可选择项目，更具挑战性
项目适合有全栈开发经验的4人团队
也欢迎自行设计选题，但需经教师审批
无论选择哪个方向，务必在第一周完成MVP :::

项目管理与团队协作

团队角色分工

2—4人团队建议按以下角色分工（可兼任）：

角色人数职责

项目经理 1人需求分析、任务分解、进度跟踪、最终答辩主讲前端开发 1—2人界面设计、交互实现、用户体验优化后端/数据 1人数据处理、算法实现、API开发文档/测试 1人（可兼任）需求文档、测试用例、实验报告撰写

: 团队角色分工

2人团队建议：一人兼项目经理+前端，一人兼后端+文档。3人团队建议：项目经理兼前端，一人后端，一人文档测试。4人团队可完整覆盖四个角色。

4周项目时间线

周次阶段 关键任务

第1周    规划           选题确认、需求分析、MVP定义、技术选型、Git仓库初始化、AI协作计划
第2周    开发（核心）   MVP开发、核心功能实现、每日站会（5分钟）、AI辅助编码
第3周    开发（完善）   功能完善、边界处理、UI美化、性能优化、Bug修复、内部测试
第4周    答辩           演示视频录制、答辩PPT制作、实验报告撰写、代码整理、最终提交

: 4周项目时间线

第1周详细计划：

Day 1—2：选题讨论与确认，完成项目立项书（1页）
Day 3：需求分析与功能列表，用AI生成WBS
Day 4：技术选型与架构设计，确定技术栈
Day 5：Git仓库初始化，创建项目脚手架
Day 6—7：MVP核心功能开发

关键里程碑：

Day 3：选题锁定，不得再更换
Day 7：MVP可用，能演示核心流程
Day 14：功能完整，基本无Bug
Day 21：全部功能就绪，开始准备答辩
Day 28：最终提交

Git协作工作流

团队项目必须使用Git进行版本控制和协作。推荐采用Feature Branch工作流：

# 初始化仓库
git init
git remote add origin https://cnb.cool/team/project.git

# 创建主分支
git checkout -b main

# 每个功能在独立分支开发
git checkout -b feature/login-page
# ... 开发 ...
git add .
git commit -m "feat: 完成登录页面"
git push origin feature/login-page

# 合并到main（通过Pull Request）
# 在CNB平台上创建PR，AI辅助代码审查后合并

分支命名规范：

分支类型 命名示例

功能分支 feature/login-page, feature/faq-search 修复分支 fix/chat-scroll-bug 文档分支 docs/api-reference 发布分支 release/v1.0

: Git分支命名规范

提交信息规范（Conventional Commits）：

feat: 新增FAQ知识库检索功能
fix: 修复聊天窗口滚动不到底的问题
docs: 更新API接口文档
style: 调整按钮间距和颜色
refactor: 重构对话流引擎
test: 添加检索引擎单元测试

AI在项目管理中的应用

AI不仅能辅助编码，还能在项目管理全流程中发挥作用：

任务分解：用AI生成WBS（工作分解结构）。

::: practicebox 提示词：

我要开发一个[项目名称]，团队2--4人，4周时间。
请帮我生成WBS工作分解结构，要求：
1. 按周分解（4周），每周列出具体任务
2. 每个任务标注：任务名、负责人角色、预计工时、依赖关系
3. 标注关键路径上的任务
4. 输出为Markdown表格格式

:::

进度跟踪：用AI自动生成日报/周报。

请根据以下Git提交记录，生成本周项目进展报告：
- feat: 完成FAQ知识库50条数据录入
- feat: 实现关键词检索引擎
- fix: 修复消息气泡显示错位问题
- docs: 编写API接口文档

报告格式：本周完成、下周计划、风险与阻塞

代码审查：AI辅助Review Pull Request。

在CNB平台上创建PR后，可使用AI辅助审查代码质量、安全问题和规范一致性。审查要点包括：变量命名是否规范、是否有硬编码的敏感信息、错误处理是否完善、代码逻辑是否清晰。

成果展示与答辩规范

演示文稿结构

答辩演示应遵循”问题→方案→演示→技术→总结”五段式结构：

环节时间内容

 问题    30秒       我们要解决什么金融问题？为什么重要？
 方案    1分钟      我们的解决方案是什么？创新点在哪？
 演示    2分钟      现场演示系统核心功能（最震撼的部分）
 技术    1分钟      技术架构、AI协作方式、关键技术决策
 总结    30秒       成果亮点、不足与改进方向、团队分工

: 5分钟答辩时间分配

Demo演示技巧

Demo演示是答辩的核心环节，以下是关键技巧：

提前录制备用视频。现场Demo可能因网络、设备等原因失败，务必提前录制完整的演示视频作为备选方案。录制时确保画面清晰、操作流畅、讲解同步。

从用户视角出发。不要先展示技术架构，而是先展示用户能体验到的功能。“让评委先看到效果，再了解技术”------这比”先讲原理再展示”更吸引人。

准备多个演示场景。主场景用于正式演示，备选场景用于回答评委提问时的即时展示。例如主场景演示正常流程，备选场景演示异常处理。

预填充数据。确保演示系统中有足够的预填充数据，避免”空壳”展示。例如贷款计算器应预设多种贷款方案，客服系统应有完整的FAQ和对话记录。

答辩常见问题准备

根据往届答辩经验，评委常问的问题包括：

你们的创新点是什么？与市面上已有的产品有什么区别？
AI在你的项目中扮演什么角色？如果没有AI会怎样？
你们的系统如何保证数据安全和合规性？
如果给你更多时间，你会做哪些改进？
项目的最大技术难点是什么？如何解决的？
用户体验上有什么考量？如何收集用户反馈？
你们的模型准确率是多少？如何评估？

::: notebox

不会的问题诚实回答”这是一个很好的问题，我们目前还没有深入考虑，后续会重点关注”
不要与评委争论，可以委婉表达不同观点
团队成员都应参与回答，展示团队协作
控制时间，超时比内容少更影响评分 :::

从实验到论文：学术成果转化

实验报告与学术论文的区别

课程实验报告和学术论文在目标、读者和结构上有显著差异：

维度 实验报告 学术论文

目标证明完成了实验贡献新知识或新方法读者任课教师学术同行结构按实验步骤组织引言→文献→方法→实验→结论创新要求不要求必须有创新点文献引用可选必须充分引用数据要求可用模拟数据需要真实数据或严谨实验篇幅 3000—5000字 6000—15000字

: 实验报告与学术论文对比

将实验成果转化为学术论文，关键在于找到”新”的角度------新技术在老场景中的应用、新方法对老问题的解决、新工具对教学效果的改善等。

论文选题方向

结合本课程内容，推荐以下三类论文选题方向：

技术应用类：聚焦AI技术在金融场景中的具体应用。典型选题：

「基于LLM Agent的银行CRM系统设计与实现」
「MCP协议在银行智能客服系统中的应用研究」
「基于Skill体系的金融数据分析工作流构建」
「大语言模型驱动的银行FAQ知识库自动构建方法」
「AI辅助的银行合规检查自动化方案设计」

实证研究类：通过实验数据验证AI工具的效果。典型选题：

「AI辅助编程工具对金融专业学生编程能力的影响------基于XX实验的实证研究」
「大语言模型在银行FAQ检索中的准确率评估」
「BMAD方法论对金融信息系统开发效率的影响研究」
「AI IDE对不同编程水平学生的差异化影响分析」
「对话式AI与图形界面在银行业务办理中的用户体验比较」

方法论类：提出新的方法框架或改进方案。典型选题：

「BMAD方法论在金融信息系统开发中的应用与改进」
「银行智能客服的多轮对话流设计方法研究」
「基于MCP协议的金融工具集成框架设计」
「面向金融专业学生的AI协作能力培养路径研究」
「银行合规话术的自动生成与过滤方法」

论文结构指导

一篇完整的学术论文应包含以下结构：

引言（Introduction）：阐述研究背景、问题描述、研究意义和文章结构。引言要回答三个问题：为什么要研究这个？别人做到了什么程度？我要做什么？

文献综述（Literature Review）：系统梳理相关领域的研究现状，指出现有研究的不足，从而引出本文的创新点。文献引用不少于15篇，其中近3年文献不少于50%。

方法（Methodology）：详细描述所采用的方法、技术架构和实现方案。可包含系统架构图、算法伪代码、对话流设计图等。方法是论文的”贡献”部分，必须写得足够详细，使他人可以复现。

实验（Experiments）：描述实验设置、数据集、评估指标和实验结果。实验应包含对照组或基线方法，以证明方法的有效性。结果应以表格或图表形式清晰展示。

讨论（Discussion）：分析实验结果，讨论方法的优势和局限性，与已有方法进行比较，提出改进方向。

结论（Conclusion）：总结研究贡献，明确创新点，指出局限性和未来工作方向。

投稿目标

根据论文类型和质量，推荐以下投稿目标：

论文类型 推荐目标 说明

技术应用类《计算机工程与应用》《计算机科学》中文核心期刊，接收系统设计类论文实证研究类《实验技术与管理》《实验室研究与探索》教育类核心期刊，接收教学实验研究方法论类《金融科技时代》《金融电子化》金融科技行业期刊，接收方法论创新高质量论文《软件学报》《计算机学报》 CCF推荐期刊，要求高但影响力大会议论文各类金融科技/人工智能学术会议审稿周期短，适合快速发表

: 投稿目标参考

金融科技竞赛指南

国内主要竞赛

金融科技领域有以下主要竞赛可供参与：

1. “挑战杯”大学生课外学术科技作品竞赛

“挑战杯”是全国最具影响力的大学生学术科技竞赛，每两年举办一次（奇数年国赛）。竞赛分为自然科学类学术论文、哲学社会科学类调查报告、科技发明制作三大类别。金融科技项目通常归入科技发明制作类或哲学社会科学类。

参赛要求：作品需有完整的学术报告和实物/软件展示，团队不超过8人，需有指导教师。

2. 全国大学生金融科技创新大赛

由中国金融教育发展基金会等主办，聚焦金融科技领域的创新应用。竞赛设置银行数字化转型、智能风控、普惠金融、绿色金融等赛道。作品形式为可运行的软件系统+完整的商业计划书。

参赛要求：团队3—5人，需提交作品演示视频和技术文档。

3. “互联网+“大学生创新创业大赛（金融赛道）

由教育部主办，是目前规模最大的大学生创新创业竞赛。竞赛设置高教主赛道（创意组/初创组/成长组）和产业命题赛道。金融科技类项目通常参加高教主赛道或产业命题赛道的金融命题。

参赛要求：团队3—15人，需提交商业计划书和路演视频。

4. 各省”金融科技”创新应用大赛

各省金融监管局或金融学会主办，面向金融机构和高校团队。竞赛内容通常围绕金融科技在普惠金融、风险防控、监管科技等领域的创新应用。部分省份设有高校专项赛道。

5. 中国大学生计算机设计大赛

由教育部高校计算机类专业教指委主办，设有大数据、人工智能、信息可视化等类别。金融数据分析、智能客服等项目适合参加人工智能或大数据赛道。

6. 全国大学生数学建模竞赛

每年9月举办，金融类题目（如贷款优化、投资组合、风险评估）是常见命题。适合有数学建模基础的团队参赛。

参赛策略

从选题到路演，竞赛准备通常分为五个阶段：

第一阶段：选题（2周）。选择有竞争力的选题是成功的第一步。竞赛选题应满足”三有”标准：有社会价值（解决真实痛点）、有技术亮点（有辨识度的创新）、有展示效果（能直观呈现）。建议从课程项目中提取最有竞争力的方向进行深化。

第二阶段：组队（1周）。竞赛团队需要”技术+业务+表达”三类人才。技术负责实现，业务负责行业洞察和需求分析，表达负责PPT和路演。最佳团队配置是2人技术+1人业务+1人表达。

第三阶段：开发（3—4周）。在课程项目基础上进行竞赛级升级：（1）增加数据量（真实数据优于模拟数据）；（2）完善功能（覆盖完整业务流程）；（3）优化体验（界面美观、操作流畅）；（4）增加亮点（可视化大屏、实时数据流等）。

第四阶段：包装（1周）。竞赛作品的”包装”极为重要：（1）商业计划书------从痛点分析、市场规模、解决方案、竞争优势、商业模式到团队介绍；（2）演示视频------3分钟，配解说，突出核心功能和创新点；（3）技术白皮书------详细的架构设计和技术决策说明。

第五阶段：路演（准备+实战）。路演是竞赛的决胜环节。准备要点：（1）反复演练，确保5分钟内完整展示；（2）准备3—5个评委可能追问的”坑”的应对方案；（3）团队配合演练，主答+补充配合默契；（4）路演时保持自信、简洁、有节奏感。

从课程项目到竞赛作品

课程项目和竞赛作品之间有一段”升级距离”，以下是关键的升级路径：

维度 课程项目 竞赛作品

数据模拟数据真实/半真实数据功能 MVP可用功能完整+亮点界面基本可用美观专业文档实验报告商业计划书+技术白皮书演示课堂展示路演视频+现场演示创新至少一个点多层次创新（技术+业务+方法）受众任课教师评委+投资人+同行

: 课程项目到竞赛作品的升级

::: casebox 案例1：某高校”智能信贷风控平台”（全国大学生金融科技创新大赛一等奖）

项目亮点：（1）真实数据------使用Kaggle公开的信贷违约数据集训练模型，准确率达87%；（2）可解释性------每个拒贷决策附带SHAP值解释，满足监管要求；（3）可视化------风控大屏实时展示审批流程和风险热力图。

升级路径：从课程实验的”贷款违约预测”（纯模型训练）升级为完整的”风控平台”（包含审批流程、决策解释、可视化监控），增加了业务闭环和监管合规两个维度。

案例2：某高校”银行ESG智能评估系统”（“挑战杯”省级一等奖）

项目亮点：（1）多源数据------融合年报文本（NLP分析）、新闻舆情（情感分析）、碳排放数据（结构化分析）；（2）知识图谱------构建银行ESG本体，支持关联推理；（3）智能报告------一键生成符合监管要求的ESG评估报告。

升级路径：从课程实验的”ESG数据可视化”（纯展示）升级为”智能评估系统”（包含NLP分析、知识图谱、自动报告），增加了分析深度和自动化程度。

案例3：某高校”普惠金融智能推荐引擎”（“互联网+“省级银奖）

项目亮点：（1）用户画像------基于多维度数据构建农户/小微企业画像；（2）智能匹配------将用户需求与银行产品智能匹配；（3）社交传播------设计推荐奖励机制，实现低成本获客。

升级路径：从课程实验的”产品推荐”（基于规则匹配）升级为”智能推荐引擎”（包含用户画像、协同过滤、社交裂变），增加了推荐算法的深度和商业模式的可行性。 :::

本章小结

本章围绕”如何做好课程综合项目”这一核心问题，从选题、管理、展示、转化四个维度进行了系统讲解：

选题：遵循可行性、创新性、金融相关、技术适配四原则，12个可选方向覆盖不同难度
管理：4周时间线、Feature Branch工作流、AI辅助的项目管理三件套
展示：5分钟”问题→方案→演示→技术→总结”结构，功能完整性30%+技术质量25%的评分体系
转化：从实验报告到学术论文的路径，三类论文选题方向和投稿目标
竞赛：六大竞赛的参赛策略，从课程项目到竞赛作品的升级路径

::: theorybox 综合项目不仅是一次课程考核，更是一次将所学知识转化为实际价值的实践。好的项目应该能回答三个问题：解决了什么真实问题？用了什么创新方法？产生了什么实际效果？当你能清晰地回答这三个问题，项目就不再只是”作业”，而是一份值得展示的作品、一篇值得发表的论文、或一个值得参赛的创新方案。 :::

思考题

::: exercisebox

选择一个你感兴趣的项目方向，用选题自查清单逐项评估其可行性。
为你选择的项目方向设计4周时间线，标注关键里程碑和风险点。
如果你的团队只有2人，应如何调整角色分工和时间安排？
将课程中某个实验（如第7章智能客服）升级为竞赛作品，列出需要升级的3个维度及具体措施。
设计一个5分钟的答辩PPT大纲，包含每页的标题和核心内容。
查找一篇近两年发表的金融科技类学术论文，分析其创新点和研究方法，思考你的项目能否形成类似的学术贡献。
访问”互联网+“或”挑战杯”官网，了解最新的竞赛规则和评审标准，分析你的项目需要在哪些方面重点加强。 :::

AI辅助教学：OpenMAIC实践

::: theorybox OpenMAIC（Open Multi-Agent Interactive Classroom，开放式多智能体交互课堂）是清华大学教育学院于济凡团队开发的开源AI教学平台（GitHub 18.6k Stars）。它采用多智能体编排技术，可将任何主题或文档一键转化为丰富的交互式课堂体验。 :::

OpenMAIC核心功能

功能说明

演示幻灯片 AI自动生成课件，支持语音讲解、聚光灯和激光笔效果随堂测验自动生成单选/多选/简答题，AI实时评分反馈交互式模拟实验可操作的HTML模拟场景（3D可视化、流程模拟、小游戏）白板演示 AI教师实时绘图讲解，支持公式推导、流程图绘制项目制学习(PBL) 学生选择角色，与AI协作完成结构化项目

: OpenMAIC核心功能

OpenMAIC在金融教学中的应用

OpenMAIC特别适合金融科技课程的以下场景：

场景一：概念讲解。输入”商业银行数字化转型”，OpenMAIC自动生成包含AI教师讲解、AI同学讨论的互动课堂，学生可随时提问。

场景二：案例分析。输入”招商银行智慧零售实践”，系统生成交互式案例分析，学生可扮演不同角色（客户经理、风控官、产品经理）进行模拟决策。

场景三：技术演示。输入”MCP协议工作原理”，系统生成3D可视化演示，直观展示AI Agent与MCP Server的交互流程。

场景四：项目答辩。学生使用OpenMAIC为综合项目生成5分钟交互式课堂演示，作为答辩材料。

快速上手

# 克隆仓库
git clone https://github.com/THU-MAIC/OpenMAIC.git
cd OpenMAIC

# 安装依赖
pnpm install

# 配置API Key（至少配置一个）
cp .env.example .env.local
# 编辑 .env.local，填入 OPENAI_API_KEY 或 ANTHROPIC_API_KEY

# 启动服务
pnpm dev

启动后访问 http://localhost:3000，输入学习主题即可开始。

::: notebox 使用OpenMAIC为你的综合项目生成一个交互式课堂演示：

登录 http://open.maic.chat（托管版）或本地部署
输入你的项目主题（如”基于AI的银行智能客服系统”）
选择课堂模式：标准模式（课件+测验）或深度交互模式（模拟实验+编程）
导出为PPT或HTML，嵌入项目答辩材料 :::

OpenMAIC与本课程工具链的关系

工具定位 与OpenMAIC的关系

AI CLI（MiMo/Claude）代码生成与执行 OpenMAIC可调用CLI生成交互式代码演示 MCP协议工具连接 OpenMAIC的API可作为MCP Server接入 Skill体系领域知识 OpenMAIC的Skill系统与本课程Skill兼容 OpenMAIC 教学呈现将上述工具的成果转化为交互式课堂

: OpenMAIC与课程工具链的协同

::: notebox CLI（执行层）+ Skill（知识层）+ MCP（连接层）+ OpenMAIC（呈现层）= 完整AI教学工具链。

使用CLI和Skill开发金融应用，通过MCP连接数据源，最后用OpenMAIC将成果转化为交互式课堂演示------这是本课程推荐的”从开发到展示”完整路径。 :::

第8章 综合项目与创新

第8章 综合项目与创新：课程实践与竞赛指南