内容
# 北极星
**在生命周期可编程接口上构建人工智能代理。**
> **项目启动 — 2026年5月。** 筛选阶段完成。欢迎来到构建阶段。
>
> **筛选结果：** 53人得分 | 47人达到L3 | 4人合并L4 | 完整排行榜：[scores.json](docs/scores.json)
>
> ## 当前挑战：Level 5 + Level 6（截止日期：周三，5月13日）
>
> 每个人都做同样的挑战 — 根据工厂生产数据构建知识图谱 + 仪表盘。
>
> - **[Level 5 — 图谱思考](challenges/level5-knowledge-graph-foundations.md)** （书面，2-3小时）
> - **[Level 6 — 构建：图谱 + 仪表盘](challenges/level6-build-a-knowledge-graph.md)** （构建，6-10小时）
> - **[数据文件](challenges/data/)** — factory_production.csv, factory_workers.csv, factory_capacity.csv
> - **[评分指南](challenges/scoring-guide-l5l6.md)** （供团队负责人使用）
LPI是一个开放的MCP服务器，包含7个工具，暴露了 [SMILE方法论](https://lifeatlas.online) — 一个数字孪生实现框架。该仓库是你的沙盒 **和** **LifeAtlas贡献者计划** 的入口。
---
## 工作原理（先读这个）
```
┌─────────────────────────────────────────────────────────┐
│ 1. 分叉这个仓库 │
│ 2. 在本地克隆你的分叉 │
│ 3. 运行：npm install && npm run test-client │
│ 4. 完成你级别的挑战（见下文） │
│ 5. 提交拉取请求回到这个仓库 │
│ 6. 机器人自动验证 → 自动合并（级别1） │
│ 或自动评分 → 发布反馈（级别2/3） │
│ 7. 排行榜自动更新 │
│ → life-atlas.github.io/lpi-developer-kit │
└─────────────────────────────────────────────────────────┘
```
**我在哪里提交？** → 拉取请求到这个仓库。就是这样。
**谁来评审？** → GitHub Actions机器人（自动）。团队负责人手动评审顶级提交。
**我如何知道该怎么做？** → 选择下面的轨道。每个级别都有确切的说明。
**如果我卡住了怎么办？** → 在这个仓库上开一个问题或在Teams频道中提问。
### 关键概念
- **MCP** — 一种标准方法，让AI代理调用工具。你的代理发送请求，服务器返回数据。
- **A2A** — 代理发现和描述能力的协议。
- **LLM** — 大型语言模型（ChatGPT，Claude或Ollama本地模型）。
- **Ollama** — 在笔记本电脑上运行AI模型的免费软件。无需云，无需API密钥，无需成本。
- **SMILE** — 我们构建数字孪生的方法论。LPI服务器包含关于它所有的知识。
---
## 快速入门
**要求：** Node.js 18+ 和 npm。
```bash
git clone https://github.com/Life-Atlas/lpi-developer-kit.git
cd lpi-developer-kit
npm install
npm run build
npm run test-client
```
你应该看到所有7个工具都通过了。如果它们通过了，你的沙盒就准备好了。
**故障排除：**
- 如果`npm install`在网速慢的情况下失败，请尝试：`npm install --prefer-offline --no-audit`
- 如果`npm run build`显示TypeScript错误，请检查你的Node版本：`node --version`（必须为18+）
- 在Windows上，请使用PowerShell或Git Bash，而不是cmd.exe
### 可用工具
| 工具 | 描述 |
|------|-------------|
| `smile_overview` | SMILE方法论的全面概述 — 6个阶段，3个视角，AI旅程 |
| `smile_phase_detail` | 深入了解特定的SMILE阶段 |
| `query_knowledge` | 搜索知识库（11个主题领域的63个条目） |
| `get_case_studies` | 浏览10个行业中的10个匿名案例研究 |
| `get_insights` | 获取特定场景的实现建议 |
| `list_topics` | 浏览知识库中的所有可用主题 |
| `get_methodology_step` | 实施SMILE阶段的逐步指南 |
### 从Claude桌面连接
添加到你的`claude_desktop_config.json`：
```json
{
"mcpServers": {
"lpi-sandbox": {
"command": "node",
"args": ["<full-path-to>/lpi-developer-kit/dist/src/index.js"]
}
}
}
```
---
## LifeAtlas贡献者计划
### 你正在加入什么
LifeAtlas正在构建世界上第一个边缘原生数字孪生操作系统 — 一个平台，让AI代理帮助人们理解和优化他们的生活，使用SMILE方法论（可持续影响生命周期启用的方法论）。
这是一个**多轨道贡献者计划**。不是每个人都写代码 — 有些人做研究、设计、写作、测试或构建3D可视化。每个轨道都为同一个产品做出贡献。每个贡献都是真实的。
**五大轨道：**
- **代理构建者** — 代码、AI代理、MCP工具、数据管道
- **内容和研究** — 案例研究、课程模块、竞争分析、资助写作
- **设计和UX** — UI/UX、信息图表、仪表盘、品牌材料
- **3D和可视化** — Unity、Unreal、Three.js、空间孪生、AR/VR
- **QA和安全** — 测试、安全审计、漏洞猎人、辅助功能
选择与你的技能相匹配的轨道。每个轨道的筛选挑战详情见下文。你可以稍后切换轨道 — 这是一个起点，而不是一个笼子。
**阅读完整的计划指南：** [PROGRAM.md](docs/PROGRAM.md) — 冲刺如何工作，任务如何分配，知识产权所有权，你能得到什么，我们期望什么。
这不是一个课堂练习。这是对一个实时产品的开源贡献。
### 你如何被评估
五个指标。同等权重。持续评估。
**1. 贡献质量** — 你的代码是否有效？是否干净？小而有效比大而破碎更好。
**2. 讨论和协作** — 你是否提出了好问题？你是否帮助队友？你是否参与讨论？
**3. 可解释性** — 你能否解释你的代理做了什么以及为什么？我们不发布的AI是无法解释的AI。
**4. 主动性** — 你是否发现问题并解决问题，还是等待被告知？
**5. 成长速度** — 你从哪里开始， 现在在哪里？ **从1级开始并在第3周交付一个可用的代理的人，比从3级开始并停留在那里的人得分更高。** 我们衡量轨迹，而不是起点。
---
## 筛选挑战
完成尽可能多的级别。每个级别都使你更接近于在团队中获得有保证的位置。
- **级别1** — 你已注册并在排行榜上
- **级别2** — 你已经证明你可以设置和运行工具
- **级别3** — **你进来了。完成级别3保证你在WINNIIO / LifeAtlas贡献者团队中有位置。**
**截止日期：** 收到此消息后7天。
### 级别1 — 注册（5分钟）
1. 分叉这个仓库
2. 将`contributors/TEMPLATE.json`复制到`contributors/your-name.json`
3. 填写你的详细信息：
```json
{
"name": "你的全名",
"github": "你的github用户名",
"program": "B.Tech CSE / M.Tech AI / 等",
"campus": "Amity Noida / Lucknow / 等",
"skills": ["python", "pytorch", "react"],
"interests": ["agents", "NLP", "3D", "security"],
"my_twin": "在这里写点实话 — 见下文"
}
```
**关于`my_twin`字段：** 没有错误答案。我们想知道你如何思考个人数据，而不是听起来很印象深刻。坏答案：“我会跟踪我的CGPA。” 好答案：“我会跟踪我一天的能量水平，并将其与我吃了什么和我睡了多少相关联，因为我下午总是会崩溃，我不知道为什么。” 要具体。要个性化。这是表格中最有趣的字段。
4. 提交拉取请求。标题：`level-1: 你的名字`
**就这样。你已经注册了。**
### 级别2和3 — 选择你的轨道
**每个人都先运行LPI沙盒（所有轨道）：**
```bash
git clone <your-fork>
cd lpi-developer-kit
npm install
npm run build
npm run test-client
```
捕获输出，显示所有7个工具都通过了。然后选择你的轨道：
---
#### 轨道A：代理构建者（技术）
**级别2** （45-90分钟）：运行LPI沙盒（上面）+安装 [Ollama](https://ollama.com) 并运行本地LLM。提交：测试客户端输出 + LLM输出 + 3句话关于SMILE让你惊讶的内容。
**级别3** （2-4小时）：构建一个连接到LPI并做有用的事情的AI代理。使用任何方法：Python、LangGraph、CrewAI、原始API调用。必须查询至少2个LPI工具并引用其来源。提交为单独的GitHub仓库。参见`examples/agent.py`以获得一个有效的起点。
#### 轨道B：内容和研究
**级别2** （30-60分钟）：运行LPI沙盒（上面）。阅读`smile_overview`输出的SMILE方法论和至少2个案例研究。写一个1页的总结：SMILE如何应用于你感兴趣的行业？（医疗保健、制造、能源、农业、智能城市、体育 — 你选择）。
**级别3** （2-4小时）：在LPI知识库中查找3个真实的数字孪生实现案例。对于每个案例：描述挑战、方法、结果以及应用了哪些SMILE阶段。必须引用来源。提交为`submissions/your-name/`中的结构化文档。
#### 轨道C：设计和UX
**级别2** （30-60分钟）：运行LPI沙盒（上面）。阅读SMILE方法论输出。草拟一个视觉表示SMILE的6个阶段，非技术人员可以在30秒内理解。任何工具：Figma、Canva、笔和纸（拍照）。
**级别3** （2-4小时）：为以下任意一个设计一个仪表盘模型：（a）显示睡眠、营养、运动和压力的个人健康数字孪生，（b）专业人士的客户管理视图，或（c）“人的未来：数字孪生在生活中的课程”登录页面。提交为`submissions/your-name/`中的图像或Figma链接。
#### 轨道D：3D和可视化
**级别2** （30-60分钟）：运行LPI沙盒（上面）。阅读关于现实仿真（第1阶段）。写一个短描述，你认为一个3D“现实画布”对于以下哪一个会是什么样子：医院、马厩、智能建筑或人体。
**级别3** （2-4小时）：构建一个简单的3D场景（Unity、Unreal、Godot、Three.js或Blender）以显示数字孪生概念。必须至少有一个数据叠加（温度、心率、占用率等）。导出视频漫游或可玩的构建。提交`submissions/your-name/`中的链接。
#### 轨道E：QA和安全
**级别2** （30-60分钟）：运行LPI沙盒（上面）。尝试使其失败。发送意外输入、长查询、特殊字符。记录所有内容 — 什么坏了，什么没坏，你得到了什么错误信息。提交为错误报告。
**级别3** （2-4小时）：我们在`examples/vulnerable-api.py`中植入了**至少5个故意的安全漏洞**。运行它本地（`pip install flask && python examples/vulnerable-api.py`）并编写安全审计报告：
- 找到尽可能多的漏洞
- 分类每个漏洞（OWASP类别）
- 解释影响（攻击者可以做什么？）
- 为每个漏洞提出修复方案
还要审计LPI沙盒服务器本身（`src/`）以查找任何实际问题。即使发现什么也没关系，如果你的方法有道理。提交`submissions/your-name/`。
---
**提交所有2/3级工作为PR。** 标题：`level-2: 你的名字`或`level-3: 你的名字`
**所有2/3级提交的必填内容：** 在你的提交文件夹中包含一个`HOW_I_DID_IT.md`。用你自己的话写：
- 你做了什么，步骤是什么
- 你遇到了什么问题以及如何解决的
- 你学到了什么以前不知道的东西
这不是可选的。我们阅读这些以了解你如何思考。 AI生成的写-ups很容易被发现，会对你造成不利影响。像你是在给队友解释一样写，不要像给教授解释一样写。
**在LinkedIn上分享你的成就。** 当你达到2级或3级时，使用排行榜上的**分享**按钮发布关于它的信息。 这是计划的一部分 — 我们希望看到你沟通你构建的东西，而不是仅仅构建它。 标签@WINNIIO AB，@LifeAtlas和@Nicolas Waern。
### 轨道A：3级 — 详细代理要求
对于A轨道来说，你的代理必须：
1. 接受用户问题或输入
2. 查询至少2个LPI工具以获取相关知识
3. 处理结果 — 总结、分析、组合或可视化
4. **引用使用的LPI工具和数据** — 可解释的AI意味着用户跟踪答案的每个部分
使用任何方法：原始Python、LangGraph、CrewAI、LangChain、任何LLM（本地或云）或没有LLM。 `examples/agent.py`中有一个有效的示例。
提交为**单独的GitHub仓库**，并在`submissions/your-name/level3.md`中附上链接。
PR标题：`level-3: 你的名字`
**可选奖励：** 包括A2A代理卡（`agent.json`）描述你的代理功能。参见`submissions/AGENT_CARD_TEMPLATE.json`的格式。这不是必需的，但表明你理解代理如何相互发现。
### 我们在寻找什么
| | 1级 | 2级 | 3级 |
|---|---|---|---|
| **时间** | 5分钟 | 45-90分钟 | 2-4小时 |
| **证明** | Git基础知识，遵循说明 | 开发设置，本地AI，阅读理解 | 独立构建，代理设计，可解释性 |
| **关键信号** | `my_twin`答案显示你如何思考 | 模型选择 + SMILE反思显示好奇心 | 是否有效？它能解释自己吗？ |
### 4级 — 想要更多的人（奖励）
**已经完成3级？** 这是可选的。不会影响你在团队中的位置 — 但会影响我们如何看待你。
4级结合两个难题：**代理间通信**和**安全强化**。你构建一个有效的**系统**并证明它不能被破坏。
#### 挑战：安全代理网格
构建两个（或更多）AI代理：
1. **彼此发现** 使用 [A2A代理卡](https://google.github.io/A2A/) — 每个代理发布一个`.well-known/agent.json`描述其功能
2. **通信** — 代理A向代理B提问，代理B查询LPI，返回答案。代理必须交换结构化数据，而只是文本。
3. **做LPI单独无法做的事情** — 结合多个代理的知识。示例：一个代理专门研究SMILE方法论，另一个研究行业案例研究。它们一起产生一个建议，而单独的代理无法做到这一点。
4. **被攻击** — 你的系统必须抵抗：
- 提示注入（恶意输入试图覆盖代理指令）
- 数据流出（输入旨在泄露系统提示或内部数据）
- 拒绝服务（输入导致无限循环或资源耗尽）
- 权限提升（一个代理试图使另一个代理做不应该做的事情）
#### 提交
在`submissions/your-name/level4/`中的内容：
- **有效代码** — 两个代理，可运行的清晰说明
- **代理卡** — 有效的A2A JSON格式的卡片
- **威胁模型** — 你考虑了哪些攻击向量？ 攻击面是什么？
- **安全审计** — 测试自己的系统。尝试破坏它。 记录你发现了什么以及你修复了什么
- **演示** — 记录、截图序列或转录显示代理一起工作
#### 评分（0-20）
| | 分数 |
| | --------|
| 发现彼此的代理 | 3 |
| 结构化数据交换（不仅仅是文本） | 3 |
| 组合输出为单人添加值 | 4 |
| 威胁模型涵盖真实攻击向量 | 3 |
| 自我审计发现真实问题 | 3 |
| 修复已实施，而不是记录 | 2 |
| 代码质量、文档、可解释性 | 2 |
PR标题：`level-4: 你的名字`
**这是深水区。** 没有手把手。没有模板。如果你能做到这一点，你不是实习生 — 你是贡献者。
---
### 反思 — HOW_I_DID_IT 示例
最好的提交在`HOW_I_DID_IT.md`中显示了真正的思考。这些值得一读：
| 贡献者 | 层级 | 什么突出 |
| | | |
| [Shubham Kumar](submissions/shubham-kumar/level3/HOW_I_DID_IT.md) | 4级 | 在约束条件下的问题解决，生产思维 |
| [Daksh Garg](submissions/daksh-garg/level4/security_audit.md) | 4级 | 10+ 攻击向量安全审计及修复 |
| [Sanskriti](submissions/sanskriti/HOW_I_DID_IT.md) | 4级 | 跨行业类比推理，研究严谨性 |
| [Shourya Solanki](submissions/shourya-solanki/HOW_I_DID_IT.md) | 4级 | 外部仓库 + 可运行的演示 |
**你的反思很重要。** 它显示了你的思考方式 — 不仅仅是你构建的东西。写得像你是在给明天需要接管你的代码的队友解释，而不是给教授解释。
---
## 程序的工作原理
### 理
原则
你构建的每个东西都是一个**模块**。你自己的仓库，你自己的代码，插入LPI。它不是编辑我们的核心平台。你构建在它之上。到这个程序结束时，你将拥有一个**个人AI代理背包** — 连接到真实数据、使用真实方法论并产生可解释结果的工具。这是你的作品集。它放在GitHub上。它属于你。
### 每日站会
每天。**摄像头开启。准备好。守时。**
这是你学习最多的时候。你将与团队进行积极的讨论。来准备：
- 展示你构建的内容（屏幕共享）
- 解释你正在做什么
- 请求帮助或向队友提供帮助
不要担心展示不完美的东西 — 展示一个有缺陷的构建并请求帮助比沉默更有价值。重点是参与，而不是完美。
如果你更喜欢书面沟通，异步书面更新也是可以接受的 — 但你仍然必须参加并倾听。学习发生在讨论中。
### 每周节奏
| 日期 | 活动 |
| | |
| 周一至周四 | 构建。每日团队站会。 |
| 星期五 | **演示 + 学习** — 团队演示本周交付的内容。我们分享人工智能代理、MCP、开源LLM、可解释性AI和边缘计算等领域的最新发展。这是你了解行业正在构建的内容的窗口。 |
---
## 工具列表
# 工具列表
## 当前挑战：Level 5 + Level 6（截止日期：周三，5月13日）
> **PROGRAM STARTED — May 2026.** 筛选阶段完成。欢迎来到构建阶段。
>
> **Screening results:** 53 scored | 47 at L3 | 4 merged L4 | Full leaderboard: [scores.json](docs/scores.json)
>
> ## Current Challenge: Level 5 + Level 6（截止日期：周三，5月13日）
>
> Everyone does the same challenge — build a knowledge graph + dashboard from factory production data.
>
> - **[Level 5 — 图谱思考](challenges/level5-knowledge-graph-foundations.md)** （书面，2-3 hrs）
> - **[Level 6 — 构建：图谱 + 仪表盘](challenges/level6-build-a-knowledge-graph.md)** （构建，6-10 hrs）
> - **[数据文件](challenges/data/)** — factory_production.csv, factory_workers.csv, factory_capacity.csv
> - **[评分指南](challenges/scoring-guide-l5l6.md)** （供团队负责人使用）
## 快速入门
**要求：** Node.js 18+ 和 npm。
```bash
git clone https://github.com/Life-Atlas/lpi-developer-kit.git
cd lpi-developer-kit
npm install
npm run build
npm run test-client
```
你应该看到所有7个工具都通过了。如果它们通过了，你的沙盒就准备好了。
## 可用工具
| 工具 | 描述 |
|------|-------------|
| `smile_overview` | SMILE方法论的全面概述 — 6个阶段，3个视角，AI旅程 |
| `smile_phase_detail` | 深入了解特定的SMILE阶段 |
| `query_knowledge` | 搜索知识库（63个条目，涵盖11个主题领域） |
| `get_case_studies` | 浏览10个行业中的10个匿名案例研究 |
| `get_insights` | 获取特定场景的实现建议 |
| `list_topics` | 浏览知识库中的所有可用主题 |
| `get_methodology_step` | SMILE阶段实施的逐步指南 |
## 从Claude桌面连接
添加到你的`claude_desktop_config.json`：
```json
{
"mcpServers": {
"lpi-sandbox": {
"command": "node",
"args": ["<full-path-to>/lpi-developer-kit/dist/src/index.js"]
}
}
}
```
## LifeAtlas贡献者计划
### 你正在加入什么
LifeAtlas正在构建世界上第一个边缘原生数字孪生操作系统 — 一个平台，让AI代理帮助人们理解和优化他们的生活，使用SMILE方法论（可持续影响生命周期启用的方法论）。
这是一个**多轨道贡献者计划**。不是每个人都写代码 — 有些人做研究、设计、写作、测试或构建3D可视化。每个轨道都为同一个产品做出贡献。每个贡献都是真实的。
**五大轨道：**
- **代理构建者** — 代码、AI代理、MCP工具、数据管道
- **内容和研究** — 案例研究、课程模块、竞争分析、资助写作
- **设计和UX** — UI/UX、信息图表、仪表盘、品牌材料
- **3D和可视化** — Unity、Unreal、Three.js、空间孪生、AR/VR
- **QA和安全** — 测试、安全审计、漏洞猎人、辅助功能
选择与你的技能相匹配的轨道。每个轨道的筛选挑战详情见下文。你可以稍后切换轨道 — 这是一个起点，而不是一个笼子。
**阅读完整的计划指南：** [PROGRAM.md](docs/PROGRAM.md) — 冲刺如何工作，任务如何分配，知识产权所有权，你能得到什么，我们期望什么。
这不是一个课堂练习。这是对一个实时产品的开源贡献。
### 你如何被评估
五个指标。同等权重。持续评估。
**1. 贡献质量** — 你的代码是否有效？是否干净？小而有效比大而破碎更好。
**2. 讨论和协作** — 你是否提出了好问题？你是否帮助队友？你是否参与讨论？
**3. 可解释性** — 你能否解释你的代理做了什么以及为什么？我们不发布的AI是无法解释的AI。
**4. 主动性** — 你是否发现问题并解决问题，还是等待被告知？
**5. 成长速度** — 你从哪里开始， 现在在哪里？ **从1级开始并在第3周交付一个可用的代理的人，比从3级开始并停留在那里的人得分更高。** 我们衡量轨迹，而不是起点。
---
## 筛选挑战
完成尽可能多的级别。每个级别都使你更接近于在团队中获得有保证的位置。
- **级别1** — 你已注册并在排行榜上
- **级别2** — 你已经证明你可以设置和运行工具
- **级别3** — **你进来了。完成级别3保证你在WINNIIO / LifeAtlas贡献者团队中有位置。**
**截止日期：** 收到此消息后7天。
### 级别1 — 注册（5分钟）
1. 分叉这个仓库
2. 将`contributors/TEMPLATE.json`复制到`contributors/your-name.json`
3. 填写你的详细信息：
```json
{
"name": "你的全名",
"github": "你的github用户名",
"program": "B.Tech CSE / M.Tech AI / 等",
"campus": "Amity Noida / Lucknow / 等",
"skills": ["python", "pytorch", "react"],
"interests": ["agents", "NLP", "3D", "security"],
"my_twin": "在这里写点实话 — 见下文"
}
```
**关于`my_twin`字段：** 没有错误答案。我们想知道你如何思考个人数据，而不是听起来很印象深刻。坏答案：“我会跟踪我的CGPA。” 好答案：“我会跟踪我一天的能量水平，并将其与我吃了什么和我睡了多少相关联，因为我下午总是会崩溃，我不知道为什么。” 要具体。要个性化。这是表格中最有趣的字段。
4. 提交拉取请求。标题：`level-1: 你的名字`
**就这样。你已经注册了。**
### 级别2和3 — 选择你的轨道
**每个人都先运行LPI沙盒（所有轨道）：**
```bash
git clone <your-fork>
cd lpi-developer-kit
npm install
npm run build
npm run test-client
```
捕获输出，显示所有7个工具都通过了。然后选择你的轨道：
---
#### 轨道A：代理构建者（技术）
**级别2** （45-90分钟）：运行LPI沙盒（上面）+安装 [Ollama](https://ollama.com) 并运行本地LLM。提交：测试客户端输出 + LLM输出 + 3句话关于SMILE让你惊讶的内容。
**级别3** （2-4小时）：构建一个连接到LPI并做有用的事情的AI代理。使用任何方法：Python、LangGraph、CrewAI、原始API调用。必须查询至少2个LPI工具并引用其来源。提交为单独的GitHub仓库。参见`examples/agent.py`以获得一个有效的起点。
#### 轨道B：内容和研究
**级别2** （30-60分钟）：运行LPI沙盒（上面）。阅读`smile_overview`输出的SMILE方法论和至少2个案例研究。写一个1页的总结：SMILE如何应用于你感兴趣的行业？（医疗保健、制造、能源、农业、智能城市、体育 — 你选择）。
**级别3** （2-4小时）：在LPI知识库中查找3个真实的数字孪生实现案例。对于每个案例：描述挑战、方法、结果以及应用了哪些SMILE阶段。来源必须被引用。提交为`submissions/your-name/`中的结构化文档。
#### 轨道C：设计和UX
**级别2** （30-60分钟）：运行LPI沙盒（上面）。阅读SMILE方法论输出。草拟一个视觉表示SMILE的6个阶段，非技术人员可以在30秒内理解。任何工具：Figma、Canva、笔和纸（拍照）。
**级别3** （2-4小时）：为以下任意一个设计一个仪表盘模型：（a）显示睡眠、营养、运动和压力的个人健康数字孪生，（b）专业人士的客户管理视图，或（c）“人的未来：数字孪生在生活中的课程”登陆页面。提交为`submissions/your-name/`中的图像或Figma链接。
#### 轨道D：3D和可视化
**级别2** （30-60分钟）：运行LPI沙盒（上面）。阅读关于现实仿真（第1阶段）。写一个短描述，你认为一个3D“现实画布”对于以下哪一个会是什么样子：医院、马厩、智能建筑或人体。
**级别3** （2-4小时）：构建一个简单的3D场景（Unity、Unreal、Godot、Three.js或Blender）以显示数字孪生概念。必须至少有一个数据叠加（温度、心率、占用率等）。导出视频漫游或可玩的构建。提交链接到`submissions/your-name/`。
#### 轨道E：QA和安全
**级别2** （30-60分钟）：运行LPI沙盒（上面）。尝试使其失败。发送意外输入、长查询、特殊字符。记录所有内容 — 什么坏了，什么没坏，你得到了什么错误信息。提交为错误报告。
**级别3** （2-4小时）：我们在`examples/vulnerable-api.py`中植入了**至少5个故意的安全漏洞**。运行它本地（`pip install flask && python examples/vulnerable-api.py`）并编写安全审计报告：
- 找到尽可能多的漏洞
- 分类每个漏洞（OWASP类别）
- 解释影响（攻击者可以做什么？）
- 为每个漏洞提出修复方案
还要审计LPI沙盒服务器本身（`src/`）以查找任何实际问题。即使发现什么也没关系，如果你的方法有道理。提交到`submissions/your-name/`。
---
**提交所有2/3级工作为PR。** 标题：`level-2: 你的名字`或`level-3: 你的名字`
**所有2/3级提交的必填内容：** 在你的提交文件夹中包含一个`HOW_I_DID_IT.md`。用你自己的话写：
- 你做了什么，步骤是什么
- 你遇到了什么问题以及如何解决的
- 你学到了什么以前不知道的东西
这不是可选的。我们阅读这些以了解你如何思考。 AI生成的写-ups很容易被发现，会对你造成不利影响。写得像你是在给队友解释，而不是给教授解释。
**分享你的成就在LinkedIn上。** 当你达到2级或3级时，使用排行榜上的**分享**按钮发布关于它的信息。 这是计划的一部分 — 我们希望看到你沟通你构建的东西，而不是仅仅构建它。 标签@WINNIIO AB，@LifeAtlas，和@Nicolas Waern。
### 轨道A：3级 — 详细代理要求
对于A轨道来说，你的代理必须：
1. 接受用户问题或输入
2. 查询至少2个LPI工具以获取相关知识
3. 处理结果 — 总结、分析、组合或可视化
4. **引用使用的LPI工具和数据** — 可解释的AI意味着用户跟踪每个部分的答案
使用任何方法：原始Python、LangGraph、CrewAI、LangChain、任何LLM（本地或云）或没有LLM。 `examples/agent.py`中有一个有效的示例。
提交为**单独的GitHub仓库**，并在`submissions/your-name/level3.md`中提供链接。
PR标题：`level-3: 你的名字`
**可选奖励：** 包括一个A2A代理卡（`agent.json`）描述你的代理功能。参见`submissions/AGENT_CARD_TEMPLATE.json`获取格式。这不是必需的，但表明你理解代理如何相互发现。
### 什么是我们寻找的
| | 1级 | 2级 | 3级 |
|---|---|---|---|
| **时间** | 5分钟 | 45-90分钟 | 2-4小时 |
| **证明** | Git基础知识，遵循说明 | 开发设置，本地AI，阅读理解 | 独立构建，代理设计，可解释性 |
| **关键信号** | `my_twin`答案显示你如何思考 | 模型选择 + SMILE反思显示好奇心 | 是否有效？能否解释自己？ |
---
### 4级 — 对于那些想要更多的人（奖励）
**已经完成3级？** 这是可选的。它不会影响你在团队中的位置 — 但会影响我们如何看待你。
4级结合两个难题：**代理间通信**和**安全强化**。你构建一个有效的**系统**并证明它不能被破坏。
#### 挑战：安全代理网格
构建两个（或更多）AI代理：
1. **彼此发现** 使用 [A2A代理卡](https://google.github.io/A2A/) — 每个代理发布一个`.well-known/agent.json`描述其功能
2. **通信** — 代理A向代理B提问，代理B查询LPI，返回答案。代理必须交换结构化数据，而不仅仅是文本。
3. **做LPI单独无法做的事情** — 结合多个代理的知识。示例：一个代理专门研究SMILE方法论，另一个研究行业案例研究。它们一起产生一个建议，而单独的代理无法做到这一点。
4. **被强化以抵御攻击** — 你的系统必须抵抗：
- 提示注入（恶意输入试图覆盖代理指令）
- 数据泄露（输入旨在泄露系统提示或内部数据）
- 拒绝服务（输入导致无限循环或资源耗尽）
- 权限提升（一个代理试图使另一个代理做不应该做的事情）
#### 需要提交的内容
在`submissions/your-name/level4/`：
- **工作代码** — 两个代理，可运行，附有清晰的说明
- **代理卡** — 每个代理的有效A2A JSON
- **威胁模型** — 你考虑了哪些攻击？攻击面是什么？
- **安全审计** — 测试你自己的系统。尝试破坏它。记录你发现的内容和你修复的内容。
- **演示** — 录像、截图序列或转录，显示代理一起工作
#### 评分（0-20）
| | 分数 |
| | --------|
| 彼此发现A2A | 3 |
| 结构化数据交换（不仅仅是文本） | 3 |
| 组合输出为单个添加值 | 4 |
| 威胁模型涵盖真实攻击向量 | 3 |
| 自我审计发现真实问题 | 3 |
| 修复已实施，而不是文档记录 | 2 |
| 代码质量、文档、可解释性 | 2 |
PR标题：`level-4: 你的名字`
**这是深水区。** 没有手把手。没有模板。如果你能做到这一点，你不是实习生 — 你是贡献者。
---
### 反思 — HOW_I_DID_IT 示例
最好的提交在`HOW_I_DID_IT.md`中显示了真正的思考。这些值得一读：
| 贡献者 | 级别 | 什么突出 |
| | | |
| [Shubham Kumar](submissions/shubham-kumar/level3/HOW_I_DID_IT.md) | 4级 | 在约束条件下的问题解决，生产思维 |
| [Daksh Garg](submissions/daksh-garg/level4/security_audit.md) | 4级 | 10+ 攻击向量安全审计及修复 |
| [Sanskriti](submissions/sanskriti/HOW_I_DID_IT.md) | 4级 | 类比推理跨行业，研究严谨性 |
| [Shourya Solanki](submissions/shourya-solanki/HOW_I_DID_IT.md) | 4级 | 外部仓库 + 可运行的演示 |
**你的反思很重要。** 它显示了你的思考方式 — 不仅仅是你构建的东西。写得像你是在给明天需要接管你的代码的队友解释，而不是给教授解释。
---
## 程序的工作原理
### 原则
你构建的每个东西都是一个**模块**。你自己的仓库，你自己的代码，插入LPI。它不是编辑我们的核心平台。你构建在它之上。到这个程序结束时，你将拥有一个**个人AI代理背包** — 连接到真实数据、使用真实方法论并产生可解释结果的工具。这是你的作品集。它放在GitHub上。它属于你。
### 每日站会
每天。**摄像头开启。准备好。守时。**
这是你学习最多的时候。你将与团队进行积极的讨论。来准备：
- 展示你构建的内容（屏幕共享）
- 解释你正在做什么
- 请求帮助或向队友
### 评估（第1-2周）
在贡献的第一两周后，我们会重新评估：
- 你实际交付了什么？
- 有哪些技能正在显现？
- 你想更深入地学习什么？
根据你的表现和偏好，你将进入一个专注团队。我们希望你处于最有效率和最兴奋的位置。
### 专注团队
在初步评估后，团队会形成：
- **智能代理开发团队** — 在LPI上使用本地和云端大型语言模型构建AI代理
- **AI/ML流程优化团队** — RAG、嵌入、微调、模型评估
- **研究与内容团队** — SMILE文档、案例研究、课程材料
- **质量保障与安全团队** — 测试、寻找漏洞、编写测试套件
- **数据与知识团队** — 知识图谱、数据流程、分析
- **3D与可视化团队** — 空间孪生、Unreal Engine（单独简报）
### 你能获得什么
- 在生产平台上进行真实的AI代理开发经验
- 在你的GitHub上发布开源作品 — 你的名字、你的代码、你的作品集
- 你的个人**智能代理工具包** — 你构建的工作工具集合
- 体验前沿工具：MCP协议、开源大型语言模型、可解释AI、边缘原生架构
- 每周接触行业最新的AI发展 — 而非教科书内容
- 基于你的实际贡献提供推荐信
### 我们期望什么
- **出席会议**。每天的站会，准时，摄像头打开。
- **交付成果**。每周交付可用的代码。即使很小也没关系，但不能是坏的。
- **解释**。如果你的代理无法解释其功能和原因，那么它就没完成。
- **协作**。这是团队合作。帮助他人，寻求帮助。
- **拥有你的工作**。你的仓库、你的提交、你的`Signed-off-by`。每个贡献都有你的名字。
---
## MCP和A2A如何协同工作
这个开发者工具包使用了两种互补的协议：
- **MCP（模型上下文协议）** 是一种工具调用协议。它定义了你的代理如何调用特定工具：“用查询‘digital twins’调用`query_knowledge`”。MCP处理执行 — 输入、输出、流式传输。可以把它想象成设备之间的USB电缆。
- **A2A（代理到代理协议）** 是一种发现和任务路由协议。它定义了代理如何相互发现并描述它们可以做什么。可以把它想象成交换名片，然后再插入电缆。
在这个开发者工具包中：
1. **LPI服务器** 发布一个A2A代理卡（`.well-known/agent.json`），描述其7种工具作为技能。
2. **你的代理** 也可以发布一个代理卡，描述它能做什么。
3. **执行** 通过MCP（子进程/标准输入输出本地）进行。A2A告诉你有什么存在；MCP让你使用它。
```
发现： A2A代理卡 → "你能做什么？"
执行： MCP协议 → "做这个具体的事情。"
```
## 示例代理
在`examples/agent.py`中包含一个Python代理示例。它演示了：
- 通过子进程连接到LPI MCP服务器
- 调用3个LPI工具来收集上下文
- 将结果传递给本地大型语言模型（Ollama），并使用带有溯源跟踪的提示
- 返回一个可解释的答案，引用哪些工具提供了哪些信息
```bash
# 先决条件：npm run build, ollama serve, ollama pull qwen2.5:1.5b
pip install requests
python examples/agent.py "什么是SMILE方法论，我如何开始使用它？"
```
将其作为第3级提交的起点。扩展它、替换它或构建完全不同的东西 — 只要它使用LPI工具并解释自己。
---
## 资源
- [MCP协议规范](https://modelcontextprotocol.io)
- [A2A协议规范](https://a2a-protocol.org)
- [Ollama — 在本地运行大型语言模型](https://ollama.com)
- [SMILE方法论](https://lifeatlas.online)
- [LifeAtlas在GitHub上](https://github.com/Life-Atlas)
## 许可证
MIT — 在此基础上构建任何你想要的东西。
第3级重试提交 v2
MCP 配置
以下是此 MCP Server 的配置信息，可直接复制到 Cursor 或其他 MCP 客户端中使用。
mcp.json
连接信息
猜你喜欢
暂无推荐服务器