状态：2026-09-03 按
完整赛题要求.pptx重新校准2026-09-08 交付口径更新：作品内容、份数、格式、命名与匿名要求唯一以 赛方交付作品要求冻结记录 为准；本规范其余技术验收条目继续适用。
依据：官方技术/赛事细则 PPTX、官方平台赛题文字方案与附录 A；技术要求共同适用，交付要求见冻结记录 目的：把硬门槛、功能、性能、评分、交付和 Agent 完整性转为可执行、可判定、可追溯的清单
团队执行决定：2026-09-03 已批准 ADR-0001， 2026-09-04 已批准 ADR-0002 与 ADR-0003、 ADR-0004 与 ADR-0005。这些决定确定 PIXIU 的实现、用户会话运行边界与供应链取证方式，不改变或扩写官方评分条款。
| 标识 | 含义 | 判定规则 |
|---|---|---|
[GATE] |
PPT 明示硬门槛 | 任一不满足不得报告“赛题验收通过”；H-01 不满足按 PPT 计 0 分 |
[M] |
明确功能要求 | 未通过则方案不完整 |
[K] |
量化指标 | 按指定数据集、环境和统计口径判定 |
[A] |
OS Agent 产品完整性 | 用于证明作品确实运行在可用 OS Agent 中，而非独立检索 Demo |
[D] |
交付材料 | 缺失影响材料审查和文档评分 |
[S] |
评分项目 | 依原始分值打分，不按 PPT 饼图归一化百分比改分 |
每项记录“通过/部分通过/不通过/未测试”，并附代码提交、机器环境、原始日志、报告页码、截图或视频时间戳。portable、stub、mock、Debian 与银河麒麟 V11 的结果必须分栏，禁止互相替代。
| 编号 | 验收项 | 测试方法 | 通过标准 | PIXIU 当前状态 |
|---|---|---|---|---|
H-01 [GATE] |
部署于银河麒麟桌面操作系统 V11 | 记录系统版本、架构；安装最终包并完成全链路演示 | 最终版本在 V11 可安装、启动、操作；PPT 明示不满足计 0 分 | 安装/启动已通过；最终同版 Agent、三设备和视频待补 |
H-02 [GATE] |
数据库使用系统向量数据库 SDK | 跟踪建库、索引、写入、删除、查询调用；检查链接/进程与运行日志 | 生产向量存储和检索实际调用 kylin-ai-vector-engine/官方客户端；严格模式缺失即失败 |
技术门通过、最终归档待重跑：当前审阅候选 strict 同包 direct SDK 与产品写入/检索/遗忘/隐藏通过，runtime=kylin/compliant |
H-03 [GATE] |
文本向量使用系统 Embedding 接口 | 运行 runtime=kylin 端到端用例；检查调用日志和缺失 SDK 失败行为 |
实际调用 kylin-coreai-embedding；不能由 portable/hash/stub 顶替 |
技术门通过、最终归档待重跑：当前审阅候选 strict 同包使用 runtime 1.3.0/gte-base 768 维真实向量，runtime=kylin/compliant |
H-02 允许 SQLite 保存结构化元数据、关系和审计，但向量的生产存储/检索必须经过指定系统向量数据库。BGE-M3 等模型只能作为对比实验，不能替代 H-03。
严格原生包采用三段验证：preinst 在解包前验证 Kylin V11/目标架构；Debian 解析
双 SDK 依赖后，后端 strict 启动预检验证实际运行能力；桌面用户激活 Provider 时检查
Agent 宿主，并要求 runtime --version 成功且唯一匹配 0.9.x。构建器拒绝 KYSDK 与
strict 模式错配，组件清单记录 install_strict=true。这些门禁只能证明拒绝语义，
不能替代 H-02/H-03 的真实 SDK 调用证据。
目标 V11 首次严格运行检查表明，官方 AI runtime socket 以调用者 UID 分区；历史
专用系统账户不能复用桌面用户会话 runtime。提交 1751dd6 已改用 systemd user
service 与 XDG 私有目录，并在迁移旧数据后验证 MainPID 属于当前 UID、产品版本为
0.1.7、schema 12、双 SDK compliant 和 contest_ready=true。该证据闭环了用户会话
SDK 边界，但仍须在纳入完整 Agent 的同一最终候选上生成内部原始验证记录。
Vector Engine 的生产连接还必须使用官方 demo 的 ConnectParam(appId) 本地传输；
host/port 重载在官方头文件中标为测试用途，不得再以 127.0.0.1:19530 作为验收假设。
Embedding 的独立系统组件阻断已完成根因与兼容性验证：原目标组合的 getModelList
返回 err=3，显式初始化返回 err=10。官方 kylin-ai-runtime
devel/26w 提交 34843d14363a1c1dff932a9a1cf9b4f09ea75de2 的
LifecycleAwareEmbeddingEngine::parseModelInfo() 明确要求对象型 model_catalog，并从
其中的 TEXT/IMAGE 目录建立模型组。官方 embedding engine 提交 3fbfeb6 增加
目录输出；abstract-models 提交 b999d89（首个包含发布标签
build/1.2.0.0-0k0.16）让 model_bank 输出 YAML others_info。对齐两项官方修复后，
官方 demo 与 PIXIU 安装包内绑定均通过 runtime 1.3.0 返回 gte-base 768 维非零向量。
该结果是组件兼容性/直接适配证据，不是最终候选产品证据；发布前必须把兼容版本纳入
可复现依赖方案并重跑全链路。紧接着的产品探针在写入时暴露 Vector Engine 未执行
LoadDBFile，且旧 /capabilities 仍误报 ready；当前源码已让 strict 预检实际装载
应用数据库并在进程退出时断开；下述 revision 8 已完成 V11 复验。
提交 6f6002e 的 strict revision 8 已完成该复验：V11、Embedding 与 Vector
runtime 均报告 compliant，产品 /memory/write、/memory/query、两阶段遗忘和删除后
隐藏全部通过。正式取证器没有生成最终证据文件，因为目标系统缺少可执行的
kylin-agent 和 agent-runtime，按 A-11/A-12 门禁提前拒绝。故本节仍保持“不通过”，
但应把“SDK/产品记忆链已实证”与“完整 Agent/可交付依赖未完成”分开记录。
提交 c643b1b699ba34650fdf913dd58f0cccd8168191 的洁净 strict amd64 重建和安装再次
确认：portable 配置可健康运行，strict 系统服务会因桌面用户级 AI runtime 不可达而
失败关闭，恢复配置后数据库与配置摘要保持。该结果只加强 W2.6 边界证据，不改变
H-01～H-03 的未通过状态。
当前公共 API 0.4.0（0.3.0 起）已补 POST /memory/update：目标知识 ID 保持不变，存储层以原子
compare-and-swap 校验 expected_version，更新产生独立 evidence、重建图/向量索引，
并让 shared 更新进入同一 CRDT 实体。双连接并发回归证明同一基线版本只有一个本地
更新可提交；Module E 工具接线和三台真实设备的并发收敛仍未取证，故 A-08 不升级。
无模型宿主探针和最终供应链构建已证明复用路线可行：固定源码经审计适配后在 V11
网络隔离环境可重建，strict 包携带宿主、全量哈希锁定 wheels、对应源码/日志、SPDX 与
NOTICE，离线安装和供应链审计均为 ready=true；Gateway、会话 API 与
memory.provider=pixiu 通过。因此 A-11/A-12 供应链部分已满足。A-01～A-10 的模型
行为仍须单独取证：以上“没有推理提供商”的结果属于历史无模型探针。
ADR-0005 现已提供系统云模型桥接、默认选择和官方直连配置；不能以模型可配置
或局部工具回调测试代替最终候选的规划、Shell、联网搜索、审批与跨会话记忆证据。
新增免密 DDGS 后端时发现固定上游 wheel 会遗漏 bundled plugin 的 plugin.yaml，造成
代码存在但 Runtime 无法发现 provider。发布构建现以仓库内可审计的 distribution
manifest 补齐该非代码资产，并在全新离线 venv 中同时验证清单、插件发现、provider
选择和依赖可用；只验证 import ddgs 不再视为 A-06 的充分前置证据。
PPT 明文口径是“会用工具、会规划、会记忆，不只是聊天”，并说明能理解复杂 指令、调用外部工具、持续学习和记忆。它没有发布“标准 Agent 架构”或要求参赛队 从零实现完整 Agent。以下 A-01～A-10 是项目为了证明集成完整性设置的工程检查， 其中部分细节来自团队产品要求，不是赛方逐项评分条款，不得对外标成官方原文。
| 编号 | 验收项 | 通过标准 |
|---|---|---|
A-01 [A] |
多会话管理 | 可创建、搜索、重命名、切换、删除会话；消息与工具调用持久化 |
A-02 [A] |
多轮上下文 | 同一会话至少三轮正确利用历史；每次模型请求可证明包含系统提示及此前用户/助手历史，而非只复用 session ID；重启后可恢复 |
A-03 [A] |
自主规划 | 模型根据复杂目标拆解步骤并持续运行，而非固定 if/else 路由 |
A-04 [A] |
工具自主选择 | 模型决定是否调用、何时调用及调用哪个工具，并消费返回结果 |
A-05 [A] |
系统/Shell 工具 | 能执行受控系统或 Shell 任务，高风险操作有审批、取消和审计 |
A-06 [A] |
联网搜索 | 能自主发起联网搜索、使用结果并保留来源；离线时明确降级 |
A-07 [A] |
记忆自主读取 | 每轮前可按需召回长期记忆并注入上下文，记录命中与来源 |
A-08 [A] |
记忆自主写入 | 对话或任务后按价值决定写入/更新/忽略，避免机械保存全部聊天 |
A-09 [A] |
工具结果沉淀 | Shell、搜索及其他工具结果进入统一多源管线，后续会话可复用 |
A-10 [A] |
运行控制 | 支持流式事件、停止、失败恢复、工具审批和可观察运行状态 |
A-10a [A][D] |
宿主 UI 可用性（团队质量门） | 默认浅色；采用稳重科技蓝语义色板；设置页“浅色 / 深色”控件点击后即时生效并持久化；V11 浅/深主题下文字、占位符、下拉框、按钮与消息均可读；关键普通文本对比度 ≥4.5:1；Enter 发送，Shift+Enter/Ctrl+Enter 换行；提交后立即显示等待气泡；每轮 LLM 文本保留为独立消息；消息气泡离线渲染标准 Markdown、GFM 表格、代码块、KaTeX 公式、Mermaid 思维导图/框图/甘特图/流程图及 Unicode emoji；工具/记忆/Shell/Web 搜索的 running/completed 过程在默认折叠的动态卡片中连续更新，完成并重进会话后仍以折叠卡片呈现且不进入模型上下文；渲染页不得读取远端资源或执行消息内 HTML；空状态不泄露内部路径；100%/125%/150% 缩放与键盘焦点可用；刷新历史、折叠侧栏或缩放后每条消息恰好一个气泡，无错位残影或空状态遮挡；长会话标题不产生横向滚动或挤压主区；宽屏消息保持在居中阅读列内连续排列，短消息不被压成逐字窄列，末条消息不被输入区裁切 |
A-10b [A][D] |
系统云模型优先与安全直连（团队质量门） | V11 默认使用麒灵系统 PublicCloud 模型并跟随系统授权；GUI 可导入 DeepSeek/Anthropic/OpenAI 官方直连 API Key，保存前完成连接与模型检测；不展示或调用 OpenRouter、本地模型/服务；密钥不进入源码、命令行、模型清单、日志或证据 |
项目选定 third_party/kylin-agent + third_party/kylin-agent-runtime，通过原创
MemoryProvider 适配 PIXIU。官方材料未点名允许或禁止该具体基座；能确认的是：
没有“必须从零实现 Agent”的条款，但 PPT 把“直接用开源软件作为作品提交”列为
踩雷点。因此验收对象必须是完成实质性二次开发和原创记忆创新后的 PIXIU 整体。
当前实现证据：Module E 已有 19 项固定上游契约测试，覆盖 A-07/A-13 所需的召回 接缝、公共 API 隔离，以及 A-14 的生命周期/记忆工具代码路径；Foundation schema v12 另覆盖失败 receipt 原载荷校验、一次性恢复授权、独立命名空间和审计留存，这是 A-10 的局部证据，但不等于 Agent run 恢复。A-01～A-10 的真实宿主行为、A-11 分发 审查和 A-14 端到端展示仍不得标为通过。
真实宿主证据由 tests/acceptance/scripts/agent-lifecycle-evidence.py 两阶段采集：第一阶段
只经 Agent Gateway 完成同会话 3 个 run，并要求 SSE 成功事件实际出现 terminal、
web_search、pixiu_memory_remember；审批必须由操作者输入与当前 run 绑定的确认语句，
脚本不提供自动批准。随机标记由采集器写入仅本用户可读的临时文件，必须先经 Shell
读取；受控场景要求清理该一次性文件并在删除前请求单次确认，以真实触发审批链，且
要求 Agent 在联网后自主选择长期沉淀。宿主和 Runtime 均重启后，第二阶段要求旧消息摘要完整、
原会话继续运行，并由不同新会话通过 pixiu_memory_search 返回该标记。成功报告固定为
kylin-v11-agent-lifecycle，仅含摘要、计数和工具名；当前仅有采集器契约测试，尚无
最终候选实测报告，故 A-01～A-10 不升级为通过。
另有 pixiu-agent-mock-e2e 工程证据：确定性 OpenAI-compatible 节点不做任何推理，
但通过真实 Runtime/Gateway 执行多轮消息、SSE、审批、Shell、真实联网搜索与 PIXIU
本地/共享记忆工具。去敏 trace 仅保留系统提示与逐条用户消息摘要、角色/轮次数、
assistant 非空消息数、可用及已选工具、工具 schema 摘要与契约布尔值；验收器要求每次
请求的 system prompt 均明确包含 search/remember/update/forget 记忆契约，最终请求按
原顺序含全部用户轮次，且五个 PIXIU 工具的关键参数 schema 完整。原始提示、回复、
工具结果和密钥均不落盘。该证据用于证明请求组装和工具管线，不得作为 A-03/A-04 的
模型自主性证据，也不得计入正式 A-02 的 kylin-v11-agent-lifecycle 主记录。
宿主/组件预检证据：Module E 初始化契约固定验证 runtime 0.9.x、Provider/后端产品
版本一致、Agent Memory API v1、后端组件身份及 /health 数据库就绪；0.10+、API
漂移、混装组件和健康身份不一致均拒绝。该结果属于兼容性自动化证据，不替代目标
系统上的真实宿主多轮验收。
除 A-01～A-10 外，项目交付还必须通过以下原创边界检查：
| 编号 | 验收项 | 通过标准 |
|---|---|---|
A-11 [A][D] |
上游版本与许可证 | 固定 commit、许可证、版权与分发义务可追溯 |
A-12 [A][D] |
原创范围 | 代码清单和架构图明确区分上游、SDK、PIXIU 原创及最小补丁 |
A-13 [A] |
外部适配隔离 | Module E 仅走公共 API；无对后端私有实现或上游工作树的隐式修改 |
A-14 [A] |
实质性集成 | 展示生命周期、记忆工具、双 SDK 和分布式同步，不以启动上游 Agent 代替作品验收 |
| 编号 | 验收内容 | 通过标准 |
|---|---|---|
| F1-01 | 多轮对话输入 | 用户/助手轮次携带 session 与来源进入统一管线 |
| F1-02 | 工具执行结果输入 | 至少覆盖系统工具、Shell 或搜索结果并成功落库 |
| F1-03 | 用户行为输入 | 有知情、可关闭的行为采集；不越权收集 |
| F1-04 | 手动配置输入 | 用户显式偏好/记忆配置可写入、更新、撤销 |
| F1-05 | 统一接入 | 各来源规范化为统一 evidence/事件模型 |
| F1-06 | 清洗与格式标准化 | 噪声、重复、缺失、异构格式得到一致处理 |
| F1-07 | 质量校验 | Schema、质量分、来源和失败原因可追溯 |
| 编号 | 验收内容 | 通过标准 |
|---|---|---|
| F2-01 | 操作习惯提取 | 标准样本中正确识别工具/操作习惯 |
| F2-02 | 输出风格提取 | 正确识别格式、详略、语言等偏好 |
| F2-03 | 安全策略提取 | 正确识别并执行授权、隐私和风险偏好 |
| F2-04 | 自动提取 | 基于多源证据形成偏好，保留置信度与来源 |
| F2-05 | 版本化管理 | 更新形成版本，可查看生效版本和历史 |
| F2-06 | 跨场景适配 | 在不同会话/工具场景正确复用且不越作用域 |
| F2-07 | 回溯/回滚 | 可恢复历史版本并保留审计 |
| 编号 | 验收内容 | 通过标准 |
|---|---|---|
| F3-01 | 新旧知识冲突 | 检测矛盾、按策略融合/仲裁，保留来源和审计 |
| F3-02 | 关联检索 | 语义、关键词和实体关系能够联合召回 |
| F3-03 | 工作流程知识 | 可结构化存储并由 Agent 智能调用 |
| F3-04 | 历史案例 | 可结构化存储并在相似任务中复用 |
| F3-05 | 可复用模板 | 可存储、检索、实例化并追踪版本 |
F3-01 的当前自动化还覆盖远端首次物化：不同 ID 的矛盾共享知识进入
source=sync 仲裁，并以 updated_at/created_at/id 全序消除网络到达顺序差异；两节点
从相反初始版本互换操作后，ACTIVE/SUPERSEDED、version、时间、正文和裁决目标一致。该结果
证明集成语义，不替代最终三台 V11 的并发、重连与冲突现场证据。
远端知识快进、更新与自动仲裁现统一经过 KnowledgeService，测试同时核验向量首次
创建、更新后变化及墓碑后删除；这修复了仅 SQLite/FTS 状态收敛而语义索引未收敛的缺口。
knowledge 先于 evidence 跨批次到达时，接收端持久登记待补 citation，并在 evidence
到达后补链和清理；因此 F3-01/F3-02 的来源追溯不能因网络乱序永久丢失。
本地 shared 冲突写入的回归还验证：MERGE 完成后写入 oplog 的是重新读取的最终持久化
正文与 version 2，而不是仲裁前的新输入；该项防止发送端业务视图和传播载荷立即分叉。
最终 F3-02/H-02/H-03 仍必须以同一 V11 strict 候选包复验。
| 编号 | 验收内容 | 通过标准 |
|---|---|---|
| F4-01 | 端侧部署 | V11 本地运行，无必须依赖的团队中心云服务 |
| F4-02 | Embedding SDK | 与 H-03 相同，真实调用指定系统接口 |
| F4-03 | Vector Engine SDK | 与 H-02 相同，生产向量读写和检索走指定 SDK |
| F4-04 | 轻量化 | 报告安装、常驻内存、CPU、磁盘和索引增长，并给出端侧论证 |
| F4-05 | 检索延迟 | 最终 V11 双 SDK 路径 P95 ≤500ms；报告 P50/P95、样本量和冷热口径 |
| 编号 | 验收内容 | 通过标准 |
|---|---|---|
| F5-01 | 敏感信息识别 | 预定义敏感类型可正确识别并记录策略 |
| F5-02 | 过滤/最小化 | 敏感数据被拒绝、脱敏、限制作用域或加密，不静默外传 |
| F5-03 | 自然语言遗忘 | 能解析目标和范围；歧义时确认，不误删 |
| F5-04 | 级联遗忘 | 清理向量、FTS、关系、缓存和证据引用，保留最小合规审计 |
| F5-05 | 分布式遗忘 | shared 记忆的墓碑传播、离线重连与防复活通过 |
当前自动化取证：backend/foundation/tests/test_api.py 覆盖手机号自动标敏并从 Agent
上下文排除、敏感 shared:* 写入零落库/零 receipt、检测器故障 fail closed；
backend/engine/tests/test_security.py 覆盖身份证、银行卡和手机号规则。F5-03～F5-05
仍须按本表完成最终集成与多设备验收。新增三节点协议回归已覆盖 C 离线错过墓碑、
重连反熵补齐、旧创建操作重复重放、全活跃节点 ACK 后回收及回收后同一旧操作不复活；
它使用三份独立数据库但仍是单进程自动化，不能替代三台 V11 的最终交付证据。
python -m backend.foundation.eval.sync_evidence 会把上述场景连同全连接配对、并发收敛、
私有 scope 拒绝写为绑定 commit/版本的 JSON，并强制标记
final_device_evidence=false；最终证据不能修改该字段来冒充真机。
真实设备的 W6.2 拓扑证据由 tests/acceptance/scripts/three-device-evidence.py 两阶段
生成：三台设备分别在 loopback 上读取 /sync/peers、/sync/status，并绑定各自已经
通过的 strict 原生 SDK 证据；汇总校验要求同一 run/候选包/commit/产品与 Debian
版本/架构/Agent Runtime/共享域，三个不同设备身份构成完全图、全部在线、待发送为零，
且采集时间差不超过 300 秒。输出只保留加盐摘要和计数，不包含设备名、地址、共享域
原文或记忆正文。该拓扑报告同样固定 final_device_evidence=false；只有继续完成离线
重连、并发冲突、墓碑防复活、私域不传播及最终逻辑视图收敛，才能形成 F5-05 的最终
三设备验收证据。
并发更新场景进一步使用同一脚本的 capture-concurrency/validate-concurrency：必须
提供绑定上述拓扑的 9 份真机检查点（3 台 × baseline/diverged/converged）。校验器要求
两台暂停同步的节点从共同版本产生内容不同的 v+1 分支，第三台仍保持基线；恢复后
三端同版本、同逻辑视图、全部在线且待发队列为零。查询、正文、共享域和设备信息只
参与加盐摘要，不写入报告。
离线写入场景使用同一脚本的 capture-offline/validate-offline 和另外 9 份检查点：
共同基线后隔离一端，要求其保持旧视图且其余两端在仅两个在线成员时完成一次 v+1
写入传播；恢复后隔离端必须追平相同逻辑视图，三端在线且队列归零。它为
N-02/N-03/N-05 建立真实设备证据契约。
私域场景使用 capture-privacy/validate-privacy 的 6 份检查点：三端清洁基线后仅
一端写入 user:*，要求只有该端命中、另两端零命中、所有待发队列为零，且每端同步
确认计数在写入前后不变。当前三类场景合计只有 10/10 工具测试，尚未输入真机数据，
相关 N 项状态均不升级。
墓碑场景使用 capture-tombstone/validate-tombstone 的 12 份检查点，同时绑定 Agent
可见性与去载荷 CRDT 状态：删除前三端同一非墓碑；隔离期间旧副本仍可见而在线两端
共享 clock+1 墓碑；重连及额外反熵后，三端保持同一墓碑且均不可见。状态不存在不能
替代墓碑证据。四类场景工具现为 12/12，通过不改变尚未真机执行的 N-07 状态。
最终使用 validate-final 绑定初始/最终两份不同拓扑和上述四类场景报告；要求同一
run、候选版本、三个身份与共享域，最终拓扑来自三份全新节点清单，且所有场景处于
两次拓扑取证的时间边界内。只有该总报告可设置 final_device_evidence=true。当前
总门测试加入后取证工具为 14/14；没有真实输入时 N-01～N-08 仍不升级。
| 编号 | 验收内容 | 通过标准 |
|---|---|---|
| F6-01 | 短期记忆 | 当前任务上下文可用，边界和清理条件明确 |
| F6-02 | 中期记忆 | 会话/项目摘要、状态和中间结果可保存、更新、归档 |
| F6-03 | 长期记忆 | 跨会话持久化，检索后注入短期上下文 |
| F6-04 | 晋升与淘汰 | 短→中→长期规则及 TTL/归档/遗忘可验证 |
| F6-05 | Agent 生命周期 | 会话切换、结束、压缩前等事件真实触发流转 |
| 编号 | 验收内容 | 通过标准 |
|---|---|---|
| F7-01 | 评测机制 | 脚本、配置、随机种子、环境和判分公式可复现 |
| F7-02 | 标准化数据集 | 说明来源、许可、划分、清洗与黄金答案；禁止只用随意自造样本 |
| F7-03 | 对比/消融 | 至少比较无记忆、单机记忆与分布式记忆；BGE-M3 仅作对照 |
| F7-04 | 原始结果 | 输出逐样本结果、汇总和失败案例，不只给百分比 |
| F7-05 | 完整报告 | 包含数据集、环境、方法、结果、分析、限制和优化方向 |
PPT 建议参考 MultiWOZ、ToolBench、PersonaChat、BPMN、DailyDialog、TREC、MS MARCO 等，但使用前必须核验许可和任务适配性；这些是建议来源，不是强制指定唯一数据集。
| 编号 | 指标 | 阈值 | 统一口径 |
|---|---|---|---|
| P-01 | 偏好提取准确率 | ≥85% | 独立测试集，报告 TP/FP/FN 和样本数 |
| P-02 | 知识检索召回率 | ≥85% | 预注册 top-k 与黄金集，报告 Recall@k |
| P-03 | 知识检索响应时间 | ≤500ms | 最终 V11 双 SDK 生产路径，以 P95 为主 |
| P-04 | 知识冲突处理正确率 | ≥88% | 覆盖更新、并发、跨设备和不可判定用例 |
未达基础指标必须明确优化方向。现有 portable 100%/100%/96%/115ms 只可登记为“开发回归通过”，不能填入最终 V11 双 SDK 结果栏。
最终性能 JSON 由 tests/acceptance/scripts/final-performance-evidence.py 汇总。它要求原始
评测报告为 acceptance profile、包含至少 90 个逐样本 outcome，并分别达到偏好 15、
检索 50、冲突 25 和延迟 1000 的最低样本数；四项基础指标会按本节阈值重新判定。
F7-03 还必须提供相同 task_set_sha256 下的 no_memory、
single_device_memory、distributed_memory 三个变体，每组至少 30 例并报告任务成功率
和平均轮数。不得只修改报告标签：无记忆组须显式关闭 Runtime 内置 memory、用户
profile、外部 provider 与 PIXIU 同步，并禁止持久化 context plugin；单机组须使用
strict PIXIU provider 且关闭同步；
分布式组须在同一三设备全连接 run 的两个不同节点间完成教学与新会话召回。三组使用
固定的 30 项合成任务集，保留完整成功/失败布尔结果和工具轨迹摘要并由工具复算，禁止
删掉不利样本。汇总器同时绑定 strict V11 原生证据、Agent 生命周期证据、冻结数据集、
候选包和全部输入文件摘要；当前采集与汇总契约已实现，最终性能仍未实测。
逐样本输入必须由安装包内 backend/scripts/capture_final_eval.py 在同一桌面用户会话中
生成。报告的 execution 必须声明并由门禁核对：V11 amd64、已安装 venv/组件路径、
Embedding/Vector Store 均为 kylin、隔离评测状态、同一 commit/候选包及 native 证据
摘要。仓库解释器、portable 采集或手工补字段均不构成最终性能证据。
F7-02 的冻结产物由 final-dataset-manifest.py 从确定性参考生成器导出。manifest 必须
明确数据为团队合成、仅派生自官方附录 A 场景而非官方或第三方数据集；固定 50 个
fixture、50/15/25 三类共 90 个 test case、无训练/验证集、20 次检索重复，并同时记录
规范化数据摘要、实际 JSON 摘要、test case ID 摘要和赛题记录摘要。生成器要求
clean release commit、strict 原生证据且扫描常见密钥、个人路径、手机号和身份证样式；
当前 4 项契约测试通过，最终候选 manifest 尚未生成。
这些不是 PPT 单独规定的零分门槛，但应作为技术创新性、可行性和实用性的主要证据。
| 编号 | 考核项目 | 通过标准 |
|---|---|---|
| N-01 | 至少三设备配对 | 身份、用户确认、信任关系和撤销均可验证 |
| N-02 | 实时扩散 | 单节点写入在目标时限内传播到所有在线可信节点 |
| N-03 | 反熵对账 | 丢包或长时间离线后自动补齐差异 |
| N-04 | 并发收敛 | 多节点并发更新后得到确定、一致结果并保留冲突证据 |
| N-05 | 无中心可用 | 任一普通节点离线不导致其余节点无法读写与同步 |
| N-06 | 隐私作用域 | user:* 永不出机，只有授权 shared:* 传播 |
| N-07 | 遗忘防复活 | 删除墓碑传播；离线旧副本回归后不能复活数据 |
| N-08 | 资源与安全 | 报告带宽、CPU、内存、存储；验证签名、mTLS、防重放 |
“全连接”描述的是逻辑上的所有可信节点最终共享同一记忆视图，不要求网络拓扑永久维持每两节点一条物理长连接。
| 编号 | 评分项 | 分值 | 考核项目 |
|---|---|---|---|
S1-01 [S] |
技术创新性 | 30 | 偏好提取、知识冲突、关联检索等核心机制创新及技术突破；PIXIU 的分布式记忆网络在此举证 |
S1-02 [S] |
方案可行性 | 30 | 架构合理、算法适配、原型可落地、端侧轻量，并有量化论证 |
S1-03 [S] |
性能指标 | 25 | P-01～P-04 达标情况和未达项优化方向 |
S1-04 [S] |
实用性 | 10 | 与 OS Agent/同类产品真实适配并解决业务痛点 |
S1-05 [S] |
文档规范性 | 5 | 结构、逻辑、技术细节、测试证据与文档规范 |
PPT 饼图显示 32%/32%/26%/11%，对应 30/30/25/10 这 95 分的图表归一化，漏画了文档规范性 5 分；评分时必须使用上表原始分值。
| 编号 | 评分项 | 分值 | 考核项目 |
|---|---|---|---|
S2-01 [S] |
设计新颖性 | 10 | 方案差异化和原创设计 |
S2-02 [S] |
软件功能实现方案完整性 | 60 | 硬门槛、七项功能、Agent 闭环与端到端演示 |
S2-03 [S] |
应用价值 | 10 | 真实场景价值、可推广性 |
S2-04 [S] |
表述能力等综合因素 | 20 | 清楚说明设计、实现、权衡、数据和限制 |
唯一依据为赛方交付作品要求冻结记录。
| 交付作品 | 验收要求 |
|---|---|
| 项目报告 | 1 份 ppt，示例 项目报告.pptx；完整阐述方案架构、多源整合、偏好动态捕捉与版本管理、知识结构化检索、端侧轻量部署、敏感过滤，展示准确率≥85%、召回率≥85%等指标、真实案例、记忆流转及适配结论、算法创新与实用价值 |
| 技术方案 | 1 份 word、pdf，示例 技术方案.doc；完整技术文档与用户手册，含测试结果、架构、算法原理、实现、安装部署及操作说明；附效果验证报告，含数据集说明、对比实验、量化评测实施方案和指标分析 |
| 功能演示视频 | 1 份，5-10 分钟，演示视频.zip，大小不超过 200M；讲解演示所有已实现核心功能，建议字幕 |
| 源代码 | 1 份，完整源代码及必要技术规范要素 |
按冻结记录的两层同名目录组织，源代码目录与内层材料目录并列，命名信息与平台一致。 作品内容一律不得出现学校、学院、校徽、指导教师、参赛学生姓名等可识别身份信息。 用户手册、安装部署、测试及效果验证报告属于技术方案内容，不另设必交件。
| 编号 | 官方警示 | PIXIU 必须提供的反证 |
|---|---|---|
| T-01 | 端侧部署适配不足，响应超标或资源占用过高 | V11 真机安装、检索延迟、CPU/内存/磁盘占用和长稳运行记录 |
| T-02 | 关联检索低效，无法满足 OS Agent 上下文需求 | 混合/关联检索消融、上下文注入命中率及真实 Agent 多轮召回证据 |
| T-03 | 评测数据集构建不标准 | 固定数据集、来源/划分/去重说明、逐样本结果和可复现脚本 |
| T-04 | 说不清作品架构、技术栈 | 架构图、全链路、模块边界、关键算法、SDK/上游/原创边界说明 |
| T-05 | 只有纯文字介绍或简陋 txt | 按冻结要求提交的项目报告、技术方案、源代码和演示视频均可解析 |
| T-06 | 没有体现在麒麟操作系统上实现 | 银河麒麟桌面 OS V11、双官方 SDK、安装运行与操作画面同版证据 |
| T-07 | 直接把开源软件作为作品提交 | 固定上游及许可证披露、PIXIU 原创清单、适配差异和核心创新实证 |
测试结论须有真实、可追溯的内部数据支持；量化评测与效果分析纳入技术方案。 内部原始证据不另列为必交压缩包。
| 编号 | 验收项 | 通过标准 |
|---|---|---|
R-01 [D] |
单一安装产物 | 最终 .deb 含 PIXIU 服务、控制台和 Module E；V11 图形安装或一条命令完成 |
R-02 [D] |
安装后即用 | 自动处理依赖、服务、桌面入口、权限和迁移；无需手工部署源码 |
R-03 [D] |
一致版本 | tag、应用、包、API/schema/provider 与资产 manifest 可追溯且兼容 |
R-04 [D] |
GUI 一键升级 | 检查、发行说明、签名/摘要、授权安装、健康检查和受控重启/恢复闭环 |
R-05 [D] |
数据安全升级 | 同版本重装、跨版本升级和失败恢复不丢记忆、配置、设备身份或审计 |
R-06 [D] |
文档同版 | 四项作品与实际验证版本一致并经审核 |
当前 R-01～R-06 均不得标记最终通过；详细现状与门禁见 DELIVERY_PLAN.md。
交付目录、命名与匿名要求按冻结记录执行；内部版本、测试与审核记录支撑材料结论。
当前自动化证据：升级 helper 已在安装后核对实际 dpkg 版本、后端产品/API/schema、
数据库就绪状态和包内 Provider 版本，任一不一致均以专用健康失败状态返回，GUI 不会
误报成功。Ed25519 双架构 CI 签名资产、三资产选择、固定公钥验签及 Kylin V11
有效/篡改签名也已验证。提交 ca35117 的 CI run 33770727108 已在 amd64/arm64
执行健康失败注入并恢复旧包；同一提交又在 Kylin V11 amd64 从 0.1.7-4 尝试安装
签名 0.1.7-1，注入失败后以退出码 5 恢复 0.1.7-4，配置、数据库逻辑数据、完整性
和服务状态不变。受控重启的成功态门控、重启 helper、失败提示和应用有序退出已有
自动化测试。临时 Ed25519 密钥和两个真实 .deb 也已完成旧钥到新钥的信任锚轮换
演练，并确认轮换后旧钥不能验过下一版本。R-03 另有包内组件 manifest 的生成、版本
漂移拒绝及 CI 成包反向校验；根 VERSION 已成为发布脚本、前端 CMake/独立打包
及 Module E 模板渲染的唯一产品版本输入；包外 asset manifest 及自身 checksum/
Ed25519 签名的生成链已实现，但尚未以最终候选六件套归档复验；目标
原生取证器已实现对候选 .deb 摘要/commit、包内与已装 manifest、PIXIU/双 SDK
版本、Agent runtime 及三个运行端点的交叉核对；它用独立临时数据库和唯一集合直接
执行 SDK 的 LoadDBFile/create/load/upsert/search/delete/drop/disconnect，再验证产品
API 写入/召回/遗忘。但银河麒麟
V11 上尚未生成同一严格候选的真实输出，源码钉住值也不等同于运行时证据。
这些只覆盖 R-03～R-05 的部分切片；安装矩阵采集/汇总器及 6 项契约测试已经落地，
但完整真机输入和最终 V11 图形升级/重启证据仍未完成，R-03～R-05 继续判未通过。
| 编号 | 考核项目 | 通过标准 |
|---|---|---|
| SC-01 | OCR/工具结果写入 | 支出清单形成结构化 evidence/knowledge |
| SC-02 | 模糊语义检索 | “水电燃气花了多少”等表达召回正确记录 |
| SC-03 | 条件与关联 | 时间范围、类目、商户关系正确过滤和聚合 |
| SC-04 | 证据追溯 | 答案可回到原始清单及处理链 |
| SC-05 | 聚合正确率 | 金额合计 100% 正确 |
| SC-06 | 写后修正 | 新金额触发冲突处理与版本审计 |
| SC-07 | 自然语言遗忘 | 精准删除并清理双 SDK 索引、关系及共享墓碑 |
| SC-08 | 检索子路径无额外 LLM | 检索算法本身可仅靠 embedding/结构/图完成；Agent 总体仍可使用 LLM 规划和组织答案 |
附录 A 给出的补充目标：50 组黄金集 Recall ≥85%，1000 次查询 P95 ≤500ms，聚合正确率 100%，证据追溯成功率 100%。
- 材料与许可证预审。
- H-01～H-03 硬门槛；失败即停止“最终通过”判定，但继续记录整改证据。
- A-01～A-14 完整 Agent 闭环与原创边界。
- F1～F7 与附录 A 场景。
- P-01～P-04 最终 V11 双 SDK 性能。
- N-01～N-08 多设备创新专项。
- 四项作品完整性与团队 R-01～R-06 工程验证复核，按 S1/S2 独立评分。
总体验收只有在三项 [GATE]、全部关键 [M]、完整 Agent 端到端链路和证据材料
均通过后，才能表述为“赛题验收通过”；PIXIU 最终发布还须同时通过 R-01～R-06。
单元测试通过、客户端能启动或 portable 指标达标都不能单独推出这一结论。
- 官方平台文字方案保留赛题技术与赛事安排，交付条款已按最新图片更新；其中精确节点为 2026-09-15 前向发榜单位提交、9 月底前初审、10 月指导完善、11 月终审。
- 技术/赛事团队 PPT 是进一步细化材料，补充技术硬门槛、OS Agent 特征、评分展示、常见失分点；其中“10 月上旬提交、10 月初审、11～12 月终审”按赛事阶段概览留档。
- 工程排期采用文字方案中更精确、更早的 2026-09-15 截止点，不把 PPT 概览解释为延期，也不认定两份官方材料互相替代。