企业官网建设流程全解析

2027届的学弟学妹们，现在开始琢磨AI方向的毕业设计，时间点卡得刚刚好。我这几年代计算机类的毕设，越来越多人一上来就说“我想做大模型”，但问他具体做什么、用什么基座、数据在哪、效果怎么评测，往往答不上来。等到开题前一两周，又慌慌张张去GitHub上找一个项目复现，换个界面就当自己的成果，最后答辩被评委一句“创新点在哪”问到沉默。这篇东西不是教科书，是我把近几年带过的几十个AI相关毕设项目复盘之后，整理出的一套选题思路和落地方案。核心就围绕两条主线：大模型，多模态。如果你想让毕业设计既有足够的技术深度，又有清晰的评测和可演示的成果，这篇文章应该能帮你省掉大量踩坑时间。

1. 为什么2027届毕设要优先考虑大模型和多模态

1.1 行业判断：大模型不再是热点，而是基本功

先说一个我真实的观察。2023年那会儿，大家觉得“我本地装了一个大模型”很厉害；到了2025年前后，这个说法已经变成了默认技能。大模型正在从“追逐热点”变成“基础设施”，就像你现在做Web开发不会刻意强调“我会用数据库”一样。企业招聘时，不会因为你部署过某个开源LLM就高看你一眼，但如果能把一个开源模型在特定垂直场景里调教到可用的效果，这就是核心竞争力。

这个趋势直接影响了毕设选题的方式。如果你2027届还停留在“装一下Ollama，把Qwen跑起来，截几张对话截图”这种程度，答辩老师大概率只会给一句“工程能力尚可，但缺少学术深度”的评语。反过来，你会做数据清洗、参数微调、效果评测，能在一样的基座之上拿出“为什么我的方案更好”的证据，这就比一堆同质化的“大模型Demo”高出不少。所以我的第一个建议是：别把毕设做成“部署一个模型”，而要做成“部署+数据+调优+评测+应用”的完整闭环。

另外，2027届面对的另一个现实是：纯指令调用、纯API拼接这类题目，已经被大量往届项目做烂了。本科毕设要的是“有工作量、有对比实验、有明确结论”的题目，不是“把几个现成服务串起来”的组合题。大模型方向真正值得做的，是那些需要你处理真实数据、面对真实性能瓶颈、解决真实业务问题的子方向。

1.2 多模态方向：差异化竞争的下一站

多模态是什么？通俗来说，就是让模型同时理解和处理图像、文本、音频、视频这些不同形态的信息。为什么毕设特别适合做多模态？因为纯文本大模型的上手门槛相对低，也就意味着大家都做，很难拉开差距。多模态涉及图像编码、文本编码、模态对齐、时序建模等多个模块，天然有更多可拆解、可改造、可评测的地方，这样你的创新点就不必是“从0造一个模型”，而可以在“结构小改+场景迁移+数据创新”里选。

举一个很典型的例子：做一个“面向校园二手书的跨模态检索系统”。用户输入一句“高等数学教材，九成新，带笔记”，系统能在图片集里找到最匹配的二手书封面与实拍图。这个题目，表面上是调一下CLIP模型，实际上涉及图文特征对齐、检索排序、数据标注和评测指标设计。答辩时，你可以讲清楚“图片特征怎么提取”“文本怎么编码”“相似度怎么计算”“哪些badcase导致检索不准”，每一层都能展开，老师很容易听出你确实做了东西。

还有一个直接好处：多模态方向有大量开源预训练模型和公开数据集，比如CLIP、LLaVA、Qwen-VL、InternVL这些，起步成本比想象中低。你不需要从零训练一个视觉语言模型，只需要在已有权重上做轻量微调或针对性评测，这个工作量对本科毕设来说刚刚好。所以多模态不是我拍脑袋推荐的方向，而是“差异化竞争”和“可执行性”之间的平衡点。

2. 选题评估框架：先学会筛题，再谈题目

2.1 四个核心维度：可复现性、难度系数、创新边界、评测标准

我见过太多学生把时间浪费在“看起来很酷但根本做不完”的题目上。为了防止你也踩坑，这里给一个筛题框架。不管看到什么题目，先用这四个维度打分，低于及格线的直接放弃。

很多同学看到CVPR或者ACL的论文，会产生“我要复现这篇”的想法。复现论文不是不行，但要先问自己：这篇论文的数据集是否开放？代码是否完整？训练成本多高？如果原文用了64张A100训练了半个月，那明显不适合当毕设。正确的做法是：把论文当灵感来源，而不是当复现目标。你看了一篇多模态检索论文，不要直接复现原文，而是想一想“这个方法能不能用到某个更小的、更具体的数据集上”，然后自己设计实验，这才是本科毕设该有的姿态。

这个筛题框架还有一层意义：它逼着你把“题目”变成“问题”。比如“基于大模型的问答系统”只是一个方向，不是题目；“基于RAG的校园规章制度问答系统，并在2000道人工标注测试题上评测”才是题目。当你能把题目写成后者的时候，指导老师一眼就能看出来你想清楚了。

2.2 灵感从哪里找：论文、比赛、开源热榜

方向感不是天生的，是靠输入量喂出来的。我建议你固定每周花一点时间刷三类来源。第一类是论文，重点看CVPR、ICCV、ACL、EMNLP这些顶会里和“大模型应用”“多模态理解”相关的文章，不用全看懂，只看摘要、方法图和实验结论。第二类是比赛，Kaggle上有大量NLP和多模态比赛，比赛任务描述和评价指标本身就是极好的选题模板。第三类是开源热榜，Hugging Face Models榜单、GitHub Trending、ModelScope创空间这几个地方，能看到社区正在涌什么模型、什么应用。

具体方法也很简单：先用一周时间收集10个候选题目，然后拿2.1的四个维度打分。能给每个题目写下“数据来源是什么”“baseline是什么”“我的改进点在哪里”三句话的，才是有效候选。如果发现某个题目连数据都找不到，或者评测指标完全不知道怎么写，直接删掉，不要舍不得。我自己带学生时，通常让候选人这样筛选两轮，最后剩下的题目才会进入开题。这个过程看起来很花时间，实际上能帮你省掉后面两个月走弯路的时间。

3. 大模型方向：四条主线与实操要点

3.1 大模型微调实战：从LoRA原理到参数设置

微调解决的核心问题是：模型已经在通用语料上很强，但不了解你的领域。比如让模型写药材说明书，或者让模型回答学生关于选课政策的问题，通用模型总会说出一些语法正确但内容飘忽的东西。微调的本质，就是拿一批高质量领域数据，让模型在你关心的表达方式和知识结构上继续学习。

本科毕设做微调，我不建议碰全参数微调。一个7B模型的全参数微调，动辄需要40GB以上的显存，而且训练不稳定、容易灾难性遗忘，对本科生来说性价比很低。LoRA是目前最稳妥的选择：它不对全部权重做更新，而是只在注意力层的某些矩阵旁边加一个低秩增量。你可以把LoRA理解成给模型“挂一个小插件”，训练时只更新插件部分的参数。这样训练参数量往往降到1%以下，显存需求大幅减少，效果还能接近全参数微调。

这里给一套我常用的参考配置。假设你用一个7B的中文基座模型做领域微调，LoRA的rank通常设置在8到16之间。rank不是越大越好，过大反而容易过拟合，我实际测下来r=8在很多场景下已经够用。lora_alpha一般取rank的两倍，也就是16或32；学习率建议用1e-4到2e-5之间的小学习率，和基座继续预训练时的学习率保持同量级。数据处理同样关键，微调数据至少准备2000到5000条，每条都要检查格式和标注质量。很多新手只关心模型训练，却忽略了数据清洗，结果训练出来的模型把原样错误也学进去了。

from peft import LoraConfig, get_peft_model lora_config = LoraConfig( r=8, lora_alpha=16, target_modules=["q_proj", "k_proj", "v_proj", "o_proj"], lora_dropout=0.05, bias="none", task_type="CAUSAL_LM", ) model = get_peft_model(base_model, lora_config)

训练完千万不要只看生成结果顺不顺眼。微调类题目的评测要分三层：第一层是自动化指标，比如生成任务的ROUGE/BLEU，或者分类任务的F1；第二层是人工抽检，随机抽200条生成结果，判断内容是否正确、格式是否规范；第三层是分场景拆解，看看模型在长文本、短文本、特殊术语上分别表现如何。答辩时，你能把三层评测讲清楚，就已经超过一大半只会贴聊天截图的同学了。

3.2 RAG实战：检索增强生成系统的搭建与优化

RAG是这几年大模型中发展最快的应用方向之一，也非常适合做毕设。它要解决的问题比微调更实际：模型容易“一本正经地胡说八道”，也就是幻觉。而且当知识库经常更新时，微调要重新训练，RAG只需要换文档和重新索引。你可以把RAG理解成让模型“开卷考试”：每次回答前，先用检索模块从外部知识库里找相关内容，再把这些内容拼进提示词，让模型基于证据来回答。

我建议你做RAG毕设时，不要只搭一个“能问答”的demo，那太浅了。RAG的每一个环节都有值得深挖的细节。完整流程通常是：文档解析、文本分块、向量化、向量检索、结果重排、最终生成。每个环节都有参数和优化空间。比如文本分块，chunk_size设置多大？我经验上常用200到500个token，重叠20到50个token，但不同文档类型差异很大。再比如检索数量，top_k一般取3到8，太大会把噪音塞进提示词，太小又容易漏掉关键信息。相似度阈值也要根据向量模型调整，一律用0.7作为硬规则很容易出事。

这里再提几个进阶优化手段，它们很适合当作毕设的创新点：第一，混合检索，把BM25关键词检索和向量语义检索结合起来，两条路取交集再排序；第二，查询改写，用户问“校医院怎么走”时，先改写成“校医院位置 地址 怎么前往”再检索，召回效果通常更好；第三，父文档重排，先用小片段去找候选，再用更大的父片段重新排序，避免切碎上下文。这些手段都有公开实现，你不需要从零写，但需要理解并做对比实验。评测方面，RAG系统的指标也要分层：检索部分的Recall@K，生成部分的回答正确率，再加上端到端的有用率。有条件的话自己构建500到1000条带标准答案的测试题，这本身就是一份很有说服力的毕设工作量。

3.3 部署实战：大模型本地化部署与推理优化

本地化部署是经常被忽略、但实际很值钱的毕设方向。企业里到处是“数据不能出域”的需求，比如医院病历、银行流水、企业内部文档，这些场景不允许把数据传到公共API，因此需要私有化部署一个开源模型。对本科毕设来说，这个方向的好处是成果可见性极高：你可以现场演示一个跑在本地机器上的问答系统，而且能清楚地对比不同量化方案下的效果和速度。

工具选型上，Ollama适合单机快速验证，llama.cpp适合CPU和边缘设备，vLLM适合高并发推理服务。我不建议在毕设里把所有框架都试一遍，选定一个主线工具更实际。然后要做一件让答辩老师眼前一亮的事：量化对比实验。拿一个7B模型分别跑bf16、8bit、4bit，记录模型占用显存、每秒生成token数、回答质量差异。这里涉及的显存计算要会算：7B模型在bf16下，参数本身约14GB；8bit下约7GB；4bit下约3.5到4GB。再加上KV cache和运行时激活，实际推理显存至少留1.5倍余量。所以用一张24GB显卡跑7B模型的4bit推理非常充裕，跑bf16也能勉强够用；如果要训练或微调，24GB则要谨慎评估。

部署方向的毕设最容易犯的错是把“部署”当全部。我可以明确告诉你，如果毕设只有“部署过程”而没有“评测结论”，肯定不行。一个好的部署选题应该是：在某个硬件条件下的推理性能优化，再配合显存占用、吞吐量、首token延迟、生成质量这四类指标的对比分析。这样一来，你的论文就从“操作说明书”变成了“有实验数据的系统研究”。

3.4 Agent实战：智能体设计与评测

Agent，中文常叫智能体，本质上就是让大模型不再只是“你问我答”，而是能自己决定调用什么工具、按什么顺序执行任务。比如你让它“帮我查一下本周所有课程的教室变更并汇总成表格”，它可能要调用查询接口、解析返回数据、再调用制表工具。Agent方向的毕设题目非常多，但一定要限定范围。

我建议做“限定域Agent”，而不是“开放域全能助手”。有一个我很常用的模板：做一个“面向某业务日志分析的Agent”。用户输入一段报错信息，Agent自动调用日志检索工具、代码搜索工具和文档工具，逐步输出问题原因与修复建议。这类题目的好处是：工具域封闭，评测可以定义得很清楚，比如“修复建议采纳率”“任务完整执行率”“平均工具调用步数”。

Agent的评测是很多学生的痛点，因为它缺少标准答案。我的经验是用三个指标做三角验证：任务成功率、工具调用正确率、平均执行步数。任务成功率看最终输出是否正确；工具调用正确率看Agent有没有用错工具；平均执行步数可以反映策略效率，如果不使用工具能1步完成，结果用5步还绕了弯路，那就说明规划逻辑有问题。另外一定要保存所有中间日志，答辩时贴出一条“失败案例→修改策略→成功案例”的完整轨迹，比十页原理说明都有说服力。

4. 多模态方向：三条主线与实操要点

4.1 CLIP图文对齐模型的复现与应用

CLIP可以说是多模态方向最值得先接触的模型。它的核心思想是：用两个编码器，一个处理图像，一个处理文本，把所有图片和文字放进同一个向量空间。训练时用对比学习把“配对”的图片和文字拉近，把不配对的推远。训练完之后，你输入一段文本，就能在图片库里检索出最匹配的图片；或者输入一张图，能在文本库里找到最匹配的描述。

为什么CLIP适合做毕设？第一，代码复现难度适中，很多开源仓库已经把数据和训练流程封装好了；第二，效果直观，检索结果可视化，做演示系统非常方便；第三，可以在已有预训练权重上做轻量微调，不用从零训练整个模型。本科毕设常见的落地方式包括：基于CLIP的zero-shot图像分类、校园图片检索系统、服装图文检索系统。注意，如果你的题目是“服装检测”之类，可以考虑用CLIP做“文本描述驱动的服装检索”，用户说“红色短袖，纯色，无图案”，系统在衣服库里找对应图片，这个体验比单纯分类好很多。

实验参数方面，我给出一个低资源可行的参考。数据集可以用Flickr8k或Flickr30k，如果不够可以用COCO Captions的英文子集。训练时batch_size尽量不低于128，如果显存不足，用梯度累积效果也可以；学习率5e-5，优化器AdamW，对比学习里的温度系数常用0.07，可调范围在0.05到0.2之间。你要是想展示对原理的理解，可以把InfoNCE损失函数的公式写出来，并解释温度参数为什么会影响难样本的梯度。这个细节，答辩老师追问两次你都能接住，印象分会明显不一样。

4.2 统一多模态模型：LLaVA路径的轻量微调

如果说CLIP是“看图说话的基础编码器”，那么LLaVA这一类视觉语言模型就是“真正可以对话的多模态模型”。它的结构说简单也简单：一个CLIP视觉编码器，一个线性投影层，再接一个大语言模型。简单理解，就是把图像“翻译”成大语言模型能读懂的向量序列，之后LLM就可以围绕图片进行问答和推理。

毕设选LLaVA路径，最常见的方式是做轻量指令微调。你要准备的数据格式是一批“图片+指令+回答”的三元组。我见过一个不错的题目：用一批带标注的设备故障照片，微调LLaVA模型，让用户上传一张仪表盘照片后，模型能回答“当前读数是几”“是否存在异常”。这样的任务既有实际场景，又有清晰的评测标准，比泛泛的“图像对话模型”要落地得多。

训练流程一般是两阶段。第一阶段冻结视觉编码器和LLM，只训练投影层，让视觉特征和语言特征对齐；第二阶段用LoRA对LLM部分做指令微调。显存需求可以这样估算：如果LLM基座用7B，再加上视觉编码器，训练时一般推荐40GB以上显存；如果资源不够，可以把LLM缩小到1.5B级别的Qwen，配合ViT-B/16这样的视觉塔，一张24GB消费级显卡也能跑。执行起来很有必要做严格的数据质量检查，多模态训练对噪声更敏感，一张图片对应多条指令时，要确保语义一一对应，不要出现“图片是猫，标注写狗”这种低级错误。

4.3 视频与音频方向：留给学有余力的延伸

视频和音频多模态方向也能做，但我一般建议“学有余力”再碰。视频理解的问题在于数据爆炸：一段10秒的视频，如果每秒按2帧抽，就是20个图像帧，计算量和存储成倍增长。本科毕设如果单打独斗，很容易陷入“处理了两周视频帧，算法实验只做了一周”的困境。如果你真的很想做，可以尝试LLaMA-VID这类用少量token概括整段视频的方案，把输入规模压缩到可控范围，然后做“短视频问答”一类应用。

音频方向相对好入手一些，比如用Whisper做语音转文字，再把文字输入给LLM做问答或摘要，这条链路本质上把多模态问题降级成了“ASR+文本理解”，落地难度较低。但说实话，这类题目创新点会薄弱一点，除非你在音频事件分类、说话人分割或者情感特征融合上有更进一步的实验设计，否则答辩中容易被评价为“流水线集成”。我的个人意见是：除非你已经有现成的视频数据集或音频数据集，否则2027届毕设优先考虑图文多模态，性价比最高。

5. 从开题到答辩的实操流程与时间线

5.1 2026—2027年的关键节点

毕业设计不是“最后三个月冲刺”，而是“一个学期以上的逐步推进”。我按2027届正常节奏做了一张时间表，你可以对照自己和学校的安排适当偏移。

这条时间线可能看起来“太提前”，实际上大部分翻车案例都是因为拖延。尤其是数据集整理和环境问题，几乎一定会比预想中多花两周以上时间，所以前面留出余量非常关键。

5.2 环境与工具准备清单

工具复杂度没有想象中高，我给你列一个最低配置。编程语言用Python，深度学习框架选PyTorch，模型加载和微调库用Transformers和PEFT，可视化演示用Gradio或Streamlit。RAG方向加一个向量数据库，Chroma轻量适合本地，Milvus适合服务化部署。硬件方面，如果学校实验室有GPU最好；没有的话，可以考虑使用AutoDL这类云GPU平台或者Kaggle/Colab的免费额度。用云GPU时一定要做好数据备份和密钥管理，不要随便把API密钥写进公开发布的代码里。

显存方面的建议是：只做推理和部署对比实验，24GB显存足够跑7B模型量化版本；做LoRA微调，建议至少24GB，最好40GB以上；做CLIP训练，12GB到24GB也能凑合，但batch_size要相应调小并配合梯度累积。多说一句，单机训练时间如果超过一个周，一般说明任务规模超出了本科毕设的正常范围，要么减小模型，要么砍数据规模。

5.3 实验设计：对比、消融、鲁棒性三层结构

毕设论文能不能站住脚，很大程度上取决于实验设计。很多学生只做一组“我的方法跑出了结果”，这样的论文缺乏说服力。标准做法是三层实验结构。

第一层是对比实验，拿一个合理的baseline和自己方法比。例如微调方向，baseline就是不微调的原始基座模型；RAG方向，baseline可以是不带检索的直接生成，或者只用BM25检索而不做向量检索。对比实验的目的是证明“我的设计确实有收益”。第二层是消融实验，也就是拆掉一个模块看效果变化。比如去掉RAG中的重排模块，或者去掉LoRA训练中的某个模块，观察指标是否下降。消融实验的价值在于解释“收益来自哪里”。第三层是鲁棒性实验，把测试集换个来源，或者把数据按难度分组，检验你的方案是否过拟合。这一个完整的实验结构，能让答辩老师觉得你在按做研究的方式思考和做事，而不是随手拼了个项目。

6. 常见问题与排查技巧实录

6.1 显存不够、OOM频繁怎么办

OOM是深度学习方向上最常见的崩溃现场，解决办法不是单一增大显存，而是一套组合拳。第一，把batch_size降到1，配合gradient_accumulation_steps把梯度累积到等效batch_size，这是最稳的起步方式。第二，用LoRA而不是全参数微调，并加载模型时使用4bit或8bit量化。第三，检查代码里是不是忘了把模型切到eval模式，或者同时保存了过多中间结果。如果以上都做了还是不够，就直接换小一号模型。用2B级别的模型完成一个闭环的对比实验，比硬撑一个7B模型跑到一半被OOM打断要体面得多。

6.2 被评价为“调包侠”怎么办

“调包侠”这个批评的本质，不是说你不该用开源库，而是说你没有展示出对问题的理解和判断。我建议每个选用开源模型的学生，都要在论文里准备一节“技术选型对比”，写清楚为什么选A模型而不是B模型，为什么用LoRA而不是全参数，为什么chunk_size取400而不是200。哪怕你没有做全量网格搜索，也要展示一到两次参数对比实验。比如你试了chunk_size=200/400/800三档，发现400最好，这就是很扎实的工作量。一旦有这些对比记录，“调包”标签就自动摘掉了。

6.3 答辩被追问创新点怎么应对

评委大概率会围绕“你的创新到底在哪”来追问。不要试图把创新点说得越大越空，要把它收窄到具体可验证的三个点：数据上的创新，比如构建了一个特定领域的数据集；场景上的创新，比如把方法迁移到一个新应用场景；方法上的创新，比如对某个模块提出了改进。哪怕你的改进只是“在RAG里加了查询改写”，只要你能说明查询改写为什么对中文短文本更有效，并用实验数据支撑，这也站得住。遇到自己确实没做的项目，如实说：“考虑到时间与算力限制，这个方向没有进一步展开。”诚实永远好过硬编。

6.4 数据与工具安全：只走正规渠道

最后说一个很多学生不当回事、但我觉得必须强调的安全习惯。下载模型权重和数据集，请认准Hugging Face、ModelScope、GitHub官方仓库这些正规渠道。不要从来路不明的链接里下载所谓“增强版模型”或“封装好的聊天工具”，这类东西可能是套壳服务，也可能带着数据风险。云端训练时，不要把私人密钥、身份证信息、未脱敏数据直接传上去。毕设选题是锻炼技术能力的事情，安全底线从一开始就要守住。

如果说这整篇文章只能留下一句话，我想告诉你：毕业设计最忌讳“光想不做”。我见过太多学生把大量时间花在纠结选题、纠结模型、纠结参数上，最后留给真正动手的时间只剩一个星期。与其在评论区反复问“这个方向前景怎么样”，不如这个周末就下载一个开源模型，跑通一个最小demo，喂几条真实数据，看看输出长什么样。那个瞬间给你的信息量，比任何人的“前景分析”都大得多。大模型和多模态的窗口不会关，但它永远更偏爱好几天都在尝试验证自己想法的人。