报名了 2026 江苏省 AI科学与工程创新实践黑客松高校组本科生组一人成军。主赛道选的是「数学计算与科研智能体」下的「算法发现与组合优化」。这篇是第一篇备赛记录。记一下我为什么挑这个问题、打算怎么做和今天踩到的坑。一、问题从哪来每天坐的校园班车、外卖骑手的派单、快递的配送路线背后是同一类问题一辆车从仓库出发要给一批客户送货。每个客户有指定的时间窗早到要等晚到就是违约车辆有容量上限。问怎么排路线能让总行驶距离最短、用的车最少。这就是带时间窗的车辆路径问题VRPTW。它是 NP-hard 的。客户数量一上去精确算法就跑不动了实际工程里用的都是启发式先用某种规则快速拼出一组初始路线再用局部搜索算子不断改进 —— 把两个客户交换位置、把一段路径整个反转、把某个客户搬到别的位置上去。二、真正的痛点不在算法在「怎么调」现有的启发式算法几乎都是参数化的。用哪几个算子、按什么顺序、迭代多少轮、扰动幅度多大、要不要接受一个暂时变差的解……这些全是参数。同一套代码换一组参数解的质量能差出十几个百分点。那这组参数怎么定学术上叫「算法配置」algorithm configuration工程上更多还是靠人手工试。问题是跑一次要几十秒到几分钟而值得试的组合成千上万。人工试错根本试不过来最后往往是「上次那个参数看着还行就它吧」。这就是我想切进去的地方。三、我的想法把调参这件事交出去我把它拆成两部分中间画一条清楚的线求解内核我写一组参数化的构造启发式 局部搜索算子。它保证「算得准」—— 给定一组配置能算出合法的可行解能判定有没有违反时间窗和容量约束。智能体负责决策在运行时自己决定用哪几个算子、按什么顺序、参数设多少、什么时候加大扰动、什么时候收手。它保证「决定怎么算」。如果内核里写死了一套好参数那智能体就只是个传声筒了。所有配置决策必须在运行时做出并且每一步都要记录下它看到了什么、决定了什么、依据是什么 —— 这份决策记录本身就是运行证据。四、怎么证明它真的有用而不是我说它好我不用自己造的题目也不自己定评分标准。用公开标准基准Solomon VRPTW 实例集C1/C2/R1/R2/RC1/RC2 六类这些实例有学术界公认的已知最优解BKS。对照三条基线随机配置 / 固定默认配置 / 人工调参。主证据是「智能体自主配置 vs 固定默认配置」这一组的差距。已知最优解只用来标定「离最优还有多远」不作为达标线 —— 启发式本来就不追求超越已知最优解。这样结论就不取决于我怎么讲故事而取决于跑出来的数字。五、备赛实况先把底座搭起来比赛要求全部模型调用走指定的执行底座 Agnes HarnessAGH所以第一件事是把它跑起来。AGH 目前还是 pre-alpha只有源码、没有安装包得自己构建Node 要 24 以上包管理器锁到指定版本装完依赖再构建本地分发包最后拿到 CLI 入口。跑起来之后先做体检$ agh doctor platform platform warn os win32 x64 / PowerShell 5.1 sandbox.l1unavailable sandbox.networkunavailable exec.kill-treefull ipcfull $ agh doctor storage storage ok node:sqlite 3.51.3 / journal_mode wal / 事务读写已验证 $ agh doctor profile profile okplatform里的两条 unavailable 不是配置错了 —— AGH 的沙箱在 Windows 上本来就不完整官方说明里写了。真正要确认的是另一件事它到底能不能把一件事从头做到尾。所以我起了个本地回环模型自己写个小服务假装是模型不联网、不花钱做了一次端到端验证确认了四件事智能体能真正跑到模型、拿到回复底座会把工具清单交给模型实测下发了 16 个工具模型发起一次工具调用后工具真的被执行真实结果被送回模型每一步都有审计记录落盘。到这里「模型 → 智能体循环 → 工具调用 → 结果回传 → 留痕」这条主链路就算打通了可以往上写我自己的东西。顺手记一个坑agh doctor extensions一开始报extension host assembly failed看着像环境坏了。挖下去发现真正的原因是还没配置模型路由—— 上层把真实异常吞掉了只留了一句固定文案。配好一个 provider 之后这一项立刻变绿。这类「报错信息不等于真实原因」的情况估计后面还会遇到不少。六、接下来写求解内核 v1先保证能稳定产出合法可行解用公开基准做正确性自验把内核包成底座能调用的工具跑通单轮闭环。后面会继续记录包括智能体实际的决策过程以及跟三条基线对照跑出来的数据。