大学生活指南讲座

告别紧张的高中生活，相信在座的每位同学都对大学生活充满了憧憬与期待，但同时也难免会有迷茫与困惑。面对全新的大学课程、丰富的科研竞赛，还有当下必不可少的 AI 工具，很多同学都不知道该如何找准方向、高效发力、快速适应大学生活。为了帮助大家扫清学业困惑，找准成长方向，解锁高效学习技巧，我们特意筹备了这场大学生活指南专题讲座，为大家邀请到了三位经验丰富、实力超强的优秀学长，为大家分享独家学习干货、避坑技巧和成长经验。本场讲座涵盖科研竞赛与工作室实践、大学高效学习方法、AI 工具使用技巧三大核心内容，全都是贴合大一新生需求的干货内容。相信听完今天的分享，大家都能摆脱迷茫，精准规划自己的大学生活。

竞赛、工作室、科研、实习

谢谢各位，很高兴今天在这里与大家见面，这对我来说是一件很幸运的事情。我其实没有想到会来这里跟大家分享，因为我知道在竞赛、科研方面，很多大二同年级的同学比我做得更加优秀。既然被邀请过来，我也很乐意分享一些经验，希望能给大家多指一点路，帮助大家走得更远。今天我要讲的方向主要是竞赛、科研和实习相关。很多人可能都想知道，大一应该以什么样的视角去实践，怎样走好自己的第一步。

竞赛主要涉及三个问题：打什么比赛、怎么打比赛，以及如何找队伍。总体而言，我鼓励大家积极参与比赛。如果大学时间有限，我们最应该关注哪些比赛？

以加分标准为例，国家级最高奖国一为 3 分，国二为 2.5 分，省级奖项也有对应加分，具体以学院文件为准。不同级别加分不同，尤其是国家级奖项高于省级。国一和国二分数差距并不大，因此如果已有国二，可以尽量冲击国一。当然，这并非一蹴而就，大家可能需要在一次或两次比赛中试错，再创造更多选择。如果一次就能成功，那非常恭喜，但后续也需要投入大量时间。学院在 2024 年认定的加分竞赛较多，例如中国大学生计算机设计大赛、服务外包大赛等，这些也是学院参与人数较多、比较热门的比赛。

此外还有 ACM 等比赛。我自己之前打过，但以后应该不会再打。部分高中或初中有竞赛经验的同学可能适合参与，因为他们训练时间充足，也有自己的思维体系。但比赛的投入产出比并不理想，很多人从高中开始学习，大学阶段从零起步难度较大。另外，文体竞赛或许也可以作为可选项。

关于赛道选择，我列举几个热门方向。一是软件开发。大部分人会选择这个赛道，因为很多人做项目就是开发一个软件或应用，用于解决现实问题。由于参与人数多，竞争非常激烈。如果对软件开发有兴趣，可以参与，但也可以选择相对冷门的赛道。例如微课与 AI 教学，参与人数明显少于软件开发，获奖率相对较高。物联网等方向对某些学科能力有要求，可能希望学生掌握本专业以外的知识，因此需要自主学习比赛相关知识。

还有实践赛和主题赛，以及人工智能实践赛和挑战赛。实践赛需要自己完成一个与人工智能相关的项目并投递；挑战赛则由官方出题，参赛者自行攻克。信息可视化设计、数媒等方向也值得考虑。如果对游戏感兴趣，也可以尝试游戏设计。我身边有朋友做互动游戏，投递新赛道并取得不错奖项。另有一些比赛参与人数较少，也有国家级、省级加分，但分数可能不如前面的学科竞赛高。其他比赛如果能够获奖，同样值得参与。

关于怎么打比赛，软件工程中有一个瀑布模型。打比赛本质上就是做一个项目。项目需要从需求分析入手，思考应用和界面如何设计，确保能够真正解决问题。然后进行分工，明确每个人负责的内容，再进行编码实现。完成软件或应用后，需要进行测试。比赛更注重展示项目可行性，并不要求项目能够长期运行，因此维护环节在比赛模型中通常可以省略。

项目本身要可用、美观。比赛评委不一定全部懂技术，有些评委会问一些看似与技术无关的问题。因此，展示给人的整体感觉很重要，前端界面、交互和可视化在比赛中占很大作用。答辩时，PPT 并不是最关键的因素。有时候 PPT 过于精美，评委反而不会抬头，而在项目实际演示时，他们会重点关注项目有什么用、长什么样。文档方面，有些比赛要求提交设计方案，通常很长，可能需要大量调试。此时可以借助工具，但不能让 AI 完成所有事情，仍需要自己构造和润色。部分比赛还要求提交实物、进行测试，或提交演示视频，需要考虑如何录制、剪辑和展示。

关于分工，首先要找队友，然后再进行分工。找队友的渠道包括室友、学生会、工作室、班级等。室友一起比赛更加方便，因为平时大部分时间待在一起，交流方便。学生组织、工作室和班级中遇到的人，都可以成为队友。我曾问过一位学长如何找到好队友，他的回答很直接：作为班长，他对班上同学的技术和能力比较了解，因此会主动寻找能力强的同学一起比赛，后来也取得了不错的成果。此外，还可以在网上招募队友，例如通过校园墙、表白墙等发布条件，寻找志同道合的人。你既可以被招募，也可以主动发布消息招募别人。以上是三种较好的找队友渠道。

关于工作室，我也是某个工作室的负责人。我今天不会特意推荐某些工作室，而是想讲一讲如何选择。很多人反映工作室题目太难，自己基础不好。其实大家刚接触这些内容，基础不好很正常，不必过于在意。第三个问题是：一定要进工作室吗？很多人觉得进工作室是必须的，大学进工作室可能重要一些。那么，进工作室有哪些好处？面对众多工作室，应该如何尝试？

我想说两点。第一，工作室和学生之间是双向选择的关系。不是工作室单方面选择你，也不是你想去哪个工作室就能去。每个工作室初期并不是为了招聘才存在，他们知道大家刚从高中进入大学，不会给新生太大压力。工作室制作招新题有一套自己的路径，会对同学友善对待，帮助大家从零开始打好基础，学到更多东西。他们通过笔试、面试寻找志同道合的同学，未来一起团建、交流技术。招新题体现了工作室的风格和学习路径。在做题过程中，你们可以感受这个路径是否适合自己。并不是所有东西都必须接受。如果题目难度循序渐进，让你感觉舒适，说明可能适合；如果难度过高，让你感到不适，也可以重新考虑。每个工作室都有自己擅长的领域、厉害的前辈和共同进步的伙伴。第二，哪怕你只是尝试，最终没有进入工作室，也能在这个过程中收获别人无法获得的东西。很多人开学时可能只做自己想做的事，或专注于课内，没有学习这些知识。而你通过做题和学习，会发现自己能够理解别人完全不懂的内容。

下面这段是我去年 8 月的一些感受。当时我也什么都不懂，比较懵懂，只有一点 Python 基础。在图书馆学习时，面对大量看不懂的知识，每天都很焦虑。我唯一的缓解方式就是和朋友发消息、水群，做一些抽象的事情解压。但在目标项目中，我仍然坚持前进。当时工作室的题目有明确周期，每几天或每天做完一道题，就会有反馈，并不要求一开始全部完成。因此我能够稍微轻松地推进。后来我在刷帖子和 B 站时，发现自己能看懂一些技术内容，包括社会上正在使用的技术、大家都在讨论的模型，以及市场上应用的东西。这让我非常开心，也很有成就感。无论是否进入工作室，无论未来如何选择，这种收获都不可替代。如果大家学习这些知识，未来一定会更加从容。

进工作室的好处比较明显。例如队友。一个比赛队伍通常需要几个部分：美观的前端，即好看的界面；负责任的后端，负责调度前端、连接运行逻辑与核心预测部分；机器学习部分，负责数据预测、模型选择、指标完成，并将结果返回后端进行对接。整个队伍组成有迹可循，主要分为这三个部分。当然，不同项目可能还需要其他角色，大家可以自行探究。进入工作室后，里面有很多人未必会像高中同学那样天天相处，但毕业后很可能成为同事。同时还能获得经验、减少试错成本，以及很多机会。这些机会需要大家主动探索。

不进工作室也有好处。开始阶段，你可以有更多时间对自身进行定位。很多人进工作室时连方向都不知道选哪个，不确定自己对什么感兴趣，甚至以后未必从事计算机相关方向，可能想当产品经理，或参与社交活动。这些都是可以探索的过程。此外，不进工作室可以有更多时间兼顾课内。课内成绩非常重要，如果以保研为导向，课内基础几乎决定一切。第三，大学的社交网络非常复杂，复杂意味着有很多选择。机会需要自己在社交中仔细搜索和寻找。

关于科研，很多同学问我，大一新生应该怎么做科研。我将其归纳为三个问题：什么是科研、本科生能否做科研、如何找到好的课题。

首先，什么是科研？大家不妨先问自己，为什么想做科研？是为了升学，还是因为感兴趣？如果是因为兴趣，那非常难得。我无法给科研下一个完整定义，因为我自己也还在学习。大家可以在后续场景中形成自己的认识。科研需要自己探索，也可能意味着长期投入和每天的工作。

我曾在某个学术论坛上看到一些研究方向，大家可以了解一下，例如架构、机器学习、具身智能、智能体、科学智能、AI for Science、大模型数据应用等。这些都是不同类型的方向，大家可以了解并寻找感兴趣的内容。科研方向选择上，部分方向更依赖线下实验，例如机械手、机器人等需要大量实机运行。

本科生能否做科研？有些老师或同学认为本科生进实验室只能打杂，部分同学因此有抵触心理。其实不必过度焦虑。现在的挑战和压力确实很大，但也有观点认为，本科生、硕士生、博士生做科研并没有本质区别。本科生参与科研并不少见。我身边有人从很早就开始尝试科研。他们未必一开始就感兴趣，可能是听学长说本科生发表论文有价值、有意义，才深入尝试。但也确实有人在做科研过程中逐渐形成了自己的品味，习惯了科研节奏，甚至爱上科研。

本科生加入科研组的优势在于，退出成本较低。很多课题组不招本科生，但你去尝试，如果退出，对团队影响不大。因此大家在尝试过程中可以不断调整，表达自己的想法，发现自己不喜欢什么，这本身就是有价值的收获。

如何找到好的课题组？我们学校有很多优质资源，软件学院也有很多优秀老师。你上课遇到的老师、班主任，都可能成为一段科研经历。但请大家认真甄别是否合适。大一可以先去体验，找老师询问科研是做什么的，试一试，退出也不会有问题。我当时没有听过这样的讲座，所以不知道有这么多资源，后来发现这其实比较常见。

你也可以尝试联系外校，很多软件学院同学会给外校做投报。外校需要你做好简历，对自己进行包装。但做简历时，你可能会发现自己的经历比较单薄，能写的只有某些学科成绩、绩点、课程排名，或者比赛经历。班委、学生会等经历在外校申请中未必管用。你也可以通过学习项目、代码实验来充实简历，例如写上学习过国外课程如 CS231n。还可以在网上搜索哪些老师对本科生开放科研实习，小红书等平台也有相关信息。你也可以询问认识的同学、朋友，了解其他学校是否有相关信息。在投入时间时，必须诚实，明确自己每周能投入多少时间，并注明远程等限制。否则，如果你凭借简历进入课题组，却发现实力或投入不匹配，对双方都不好。

有些人不想做科研，想本科就业，或两年专硕后就业。为什么会有人想本科就业？我身边有学长选择就业，原因是当前风口变化太快。AI 发展至今只有几年，技术变化迅速。早点就业，或许能更好理解下一个技术变化，站在确定的位置上。我也咨询过一些学长。简单来说，找工作并不是你挑公司，而是公司挑你。

大一的重点：参加好基点，拿比赛，练技术，挖掘感兴趣方向。在学习过程中，要养成技术栈，找到擅长方向。可以做一个个人博客，把内容写在博客上，偶尔写项目。对于某些开源项目，可以进行探究，提交修改。如果项目管理员合并了你的贡献，这是很好的经历。同时要理解相关概念。对于没有实习经历的同学，面试官如果给你面试资格，会问什么？八股，包括算法、操作系统、计算机网络等，这些需要好好学习。有学长推荐大二下实习，这是不错的选择。学校会教这些内容，你在背诵过程中也能顺便巩固课内知识。面试官也会问项目，因此需要有项目经历，并能回答项目相关问题。

简历写好以后，可以找学长学姐修改，也可以参考网上通用格式，例如 Canva 等。写好简历后，可以通过 Boss 直聘海投感兴趣的职位，也可以在大厂官网直接投递。大家主要是尝试，试错是提升的过程，只需花费一点精力，但收益可能很大。

学业

关于竞赛，我想重点推荐一下中国大学生服务外包创新创业大赛，也就是服创大赛。这个比赛是服务外包领域唯一的国家级创新创业赛事，由教育部、商务部和无锡市人民政府联合主办，入选《全国普通高校大学生竞赛分析报告》竞赛目录，被很多高校认定为国家级 A 类或 B 类赛事，含金量比较高。相比部分需要缴纳较高报名费的比赛，它的参赛门槛相对友好。

这个比赛通常分为 A 类、B 类、C 类和 D 类四个赛道，一般建议选择 A 类。A 类属于企业命题类赛道，企业会发布真实项目需求，参赛团队从赛题池中选择具体题目，类似于半命题形式。例如我当时参加的是 A05 赛题，做的是 AI 模拟面试与能力提升软件。赛题会给出明确要求，比如需要使用多模态技术、具备 AI 能力等，大家可以在这些要求基础上进行发散和创新。另外，很多比赛时间相近，比如服创大赛、技术设计类比赛和网安相关比赛，通常集中在大一下学期。这些比赛大多支持一稿多投，也就是说完成一个项目后，可以根据不同比赛的要求稍作调整，再投递到其他赛事中，从而提高获奖概率。

关于学业和绩点，如果以保研为目标，那么绩点和 GPA 是最重要的，包括实验课成绩也需要认真对待。如果目标是评奖学金，那么综合测评也很重要。综测加分主要来自竞赛获奖、论文发表、志愿活动、学生工作等，但这些加分与保研直接关联不大，保研更看重专业成绩。平时成绩占比很高，因此要认真完成作业、按时到课。不同老师评分风格不同，有些老师非常看重平时表现。例如高中喜就属于比较重视过程性评价的类型，如果你平时作业认真、到课积极，平时分会比较高；但如果平时表现一般，即使期末考得不错，最终总评也可能不理想。课程总评通常按一定比例折算，比如期末占 50%、平时占 30%、实验或作业占 20%，因此平时分不能忽视。

关于各门课程的学习方法，微积分和线性代数这两门课的学习方法比较接近。建议先认真看教材，完成课后习题和教材例题。微积分课后的思考题质量较高，教材页边的二维码也可以扫一扫，里面有一些配套例题，部分较难题目曾在往年真题中出现过。学习指导教程也值得做，虽然题目可能比考试稍难，但其中不少题目与真题重合度较高。不过如果时间紧张，不必全部做完。最重要的复习资料还是历年真题，如果最后时间不够，至少要把历年真题认真做一遍。总体来说，这两门课期末难度通常不会特别高，但也不能掉以轻心，不同年级考试难度可能有所波动，还是要保持足够练习，提高熟练度。

程序设计相关课程如果遇到上课听不懂、口音较重或语速较快的情况，可以配合网课补充学习，B 站等平台有很多优质资源。课程作业一定要完成，即使做不出来，也可以借助 AI 辅助理解，但不能完全不做。因为这类课程通常会严格根据 IP 地址、签到时间、网课完成情况等计算平时分，不能忽视。平时作业不必刻意为了显得真实而保留错误，如果周围同学都能完成得较好，而你因为过度谨慎导致作业评分偏低，反而可能影响总评。当然为了考试，还是要真正理解题目，不能只依赖复制。除了课程作业，如果还有余力，可以在洛谷或力扣上做一些编程题，这些平台通常有难度分级，建议从较简单的题目开始练习，逐步提升。同时可以善用 AI 辅助学习，比如把知识点告诉 AI，让它出针对性练习题；也可以把代码发给 AI，让它帮忙检查边界情况，比如输入为 0、空值、特殊输出等长尾数据场景。

英语方面，我个人的经验主要是善用 AI 辅助作文和翻译。可以选择质量较高的 AI 工具，让它根据往年真题总结作文模板。常见主题包括个人成长、大学生活、科技发展等，可以准备 4 到 5 套相对固定的模板，并适当加入一些高级表达，比如定语从句、名词性从句、倒装句等。翻译部分可以在自己完成后交给 AI 检查，帮助优化表达和语法。

心理健康这门课虽然不一定计入保研成绩，但可能纳入奖学金评定中的专业成绩考察。它整体难度不高，期末多为线上考试，合理准备即可取得较好成绩，不需要投入过多精力，但也不能完全忽视。军事理论这门课通常也计入保研或奖学金相关评定，考前老师或辅导员一般会发布详细复习提纲，考试内容基本都来自提纲，建议认真看完网课，考前两三天集中背诵提纲即可。计算思维导论这门课的线上测试非常重要，测试题目不多，但占平时分比例较高，建议尽量拿满分。通常有两次作答机会，可以提前和同学互相核对答案，确保操作正确，不要因为错过测试、账号未开启或操作失误而丢失平时分。

最后想分享一点关于心态的想法。最近看到一些同学在社交平台晒科研、绩点、竞赛成绩，确实会让人产生焦虑，我自己也经历过科研和绩点方面的焦虑。但我觉得大家还是要尽早明确自己的目标，如果未来打算直接就业，就不必过度卷入保研、科研和竞赛的竞争；如果准备考研，也要按照自己的节奏准备。每个人的目标不同，不必被周围人的节奏裹挟。每个人对成功的定义也不一样，今天能来做分享，对我来说也是一种经历和成长。从高中进入大学后，大家仍有较多探索空间，可以多尝试自己感兴趣的方向，思考未来真正想做什么，不必盲目焦虑，也不必被外界压力推着走，找到适合自己的路径更重要。

AI

今天主要分享两部分内容：一是提示词工程，二是 AI 工具充值使用，后者是重点内容。

首先来谈谈提示词工程。所谓提示词工程，即 Prompt Engineering，核心是通过将我们的需求转化为 AI 能够准确理解的指令，从而获得更高效、更精准的输出。只要需求表述足够清晰，AI 才能更好地理解并执行，最终呈现更理想的效果。

我们可以通过两个例子直观感受提示词的差异。第一个例子是简单的“帮我做一个人工智能的 PPT”，AI 会基于自身理解生成一份人工智能主题的 PPT 内容，但这些内容往往比较宽泛，可能并不符合我们的具体需求。而第二种提示词看似冗长，实则包含了多个关键部分，使用这类提示词后，AI 生成的内容会明显更贴合我们的主题。

一份优质的提示词通常包含五个核心要素：角色、背景、任务、要求和输出格式。以计算机网络课程学习为例，如果我们希望 AI 讲解 HTTP 协议，可以这样构建提示词：首先明确角色——“你是一名计算机网络领域的专业教师”；接着说明背景——“我是软件工程专业大二学生，刚开始接触 HTTP 协议相关知识”；然后提出任务——“请为我讲解 HTTP 协议的基本概念”；再提出要求——“由于我是本科生，对专业知识了解有限，请使用通俗易懂的语言，结合生活实际场景进行解释，避免使用过于复杂的术语”；最后指定输出格式——“请先解释概念，再通过举例加深理解，最后用表格总结核心要点”。

提示词的优化是一个逐步完善的过程：从最初仅提出任务，到补充背景信息，再到明确角色定位和具体要求，最终形成完整的需求描述，这一过程能显著提升 AI 的输出质量。在实际使用中，我总结出了三个实用技巧。

第一，提供示例。通过给 AI 展示我们期望的输出样例，能让它更精准地把握需求。第二，拆分复杂任务。将一个复杂的综合性任务拆解为多个简单的小任务，能有效提升输出效果。早期 AI 在处理复杂任务时往往力不从心，比如让它生成 1000 字的演讲稿，可能只能输出 500 字左右，而如今这一情况已大幅改善，但拆分任务依然是提升效率的有效方法。第三，借助 AI 优化提示词。当我们不清楚如何构建提示词时，可以直接向 AI 求助，比如告诉它“我想做一个 XX 项目，需求大致是……但不知道如何准确描述，你能帮我梳理一份合适的提示词吗？”，AI 会给出相应的思路和建议。我自己制作本次分享的 PPT 时，就先用 AI 生成了提示词工程部分的大纲，再将大纲输入 Kimi，让它根据大纲匹配合适的模板，最终快速生成了六页 PPT。

接下来谈谈 AI 工具的选择。如果大家只是用 AI 完成一些简单任务，比如撰写心理健康课作业、日常问答等，使用豆包这类免费工具即可满足需求。但如果涉及复杂任务，比如计算积分、讲解编译原理中 LL（1）文法的转化等专业知识，免费工具可能会出现答案不准确甚至错误的情况，而 ChatGPT 等付费工具的输出则更贴合专业讲解。

免费版 AI 适合应对日常简单需求和使用频率不高的场景，但如果需要更高的使用额度、更强大的模型能力，或是处理复杂编程、专业问题调试等任务，付费 AI 工具会是更好的选择。当然，并非所有人都需要付费，少量使用的情况下，免费网页版 AI 完全够用。

下面以 ChatGPT 为例，讲解海外 AI 工具的使用流程，主要包括注册账号、充值订阅等步骤。

首先是注册谷歌账号。需要注意的是，除华为手机外，大部分安卓手机都设有“谷歌基础服务管理”开关，操作前需先开启该功能。建议在手机端注册谷歌账号，相比电脑端更稳定。注册过程中需创建专属邮箱、填写生日并设置密码，若网络环境异常，可能会触发手机号验证。部分用户可能会遇到账号被封的情况，这通常是误封，只需点击申诉入口，用中文说明“账号为本人创建，未使用机器人，未批量注册”，一般一天内即可解封。

完成谷歌账号注册后，需在谷歌商店下载 ChatGPT APP。之所以推荐使用 APP，是因为 ChatGPT 官网不支持国内发行的银行卡充值，而谷歌 Play 商店的充值方式更便捷。苹果用户可直接通过苹果账号充值，这里主要以安卓用户的谷歌账号充值为例。

在谷歌账号的“账号与设备设置”中，需将国家和地区切换为非中国地区，建议使用日本区域，一方面符合使用规范，另一方面日元汇率较低，订阅成本更划算。以 ChatGPT Plus 套餐为例，每月费用约 160-190 元人民币，日本区域每月费用大概 120 元人民币。

接下来是办理支持外币支付的银行卡。推荐使用招商银行万事达卡，该卡办理便捷、权益丰富，且谷歌 Play 商店仅支持绑定带有万事达或 Visa 标志的银行卡。大家可通过招商银行 APP 在线申请后前往网点领卡，也可直接到网点办理，学校附近的招商银行网点每天都有不少电子科大学生办理该卡，用途大多是为海外平台充值。

拿到银行卡后，需将其添加到谷歌账号。卡号为卡背面的 16 位数字，有效期标注为“VALID THROUGH”（如“12/33”表示 2033 年 12 月到期），安全码为签名栏末尾的三位数字。添加时只需输入这三项信息即可。

最后一步是订阅服务。打开 ChatGPT APP，选择 Plus 套餐进行订阅，系统会自动跳转至谷歌支付页面。由于绑定的是人民币卡，只需向卡内存入 150 元左右（略高于月费），即可直接完成订阅。

若需在电脑端使用 ChatGPT，可能会需要国外手机号验证，若有亲友在国外可直接使用，也可参考网上的接码平台教程，但更推荐使用真实国外手机号。

从高中进入大学，大家仍有较多探索空间。可以多尝试自己感兴趣的方向，思考未来真正想做什么，不必盲目焦虑，也不必被外界压力推着走。无论是竞赛、工作室、科研、实习，还是绩点、课程、AI 工具，最重要的都是找到适合自己的路径。希望这份大学生活指南，能帮你摆脱迷茫，精准规划自己的大学生活。