OPALL

OPALL-P-IDEAS · PROJECT IDEAS · 选题池

Agent 项目选题池

20 个更适合面试的个人 Agent 项目方向

这些不是已经完成的项目档案，而是作品集选题池。判断原则只有一个：不要一上来做“大平台”，先收缩成一个可演示任务、两三条真实输入、一份 trace、一组测试或人工审核记录。

怎么选

RULE · 选小闭环，不选大口号

  1. 优先选你能拿到公开或脱敏样本的方向，不要选只有概念没有数据的题。
  2. 每个题目先写 README、架构图、输入样本、trace、测试和边界声明，再考虑 UI。
  3. 简历里只写已经跑通的闭环，未实现的能力放到 future direction。

推荐顺序

ORDER · 先做容易留证据的题

优先做 桌面数字员工、代码审查、浏览器任务、Deep Research、个人知识库、UI 测试。样本好找，证据好留。 再扩展 数据清洗、Text2SQL、竞品情报、时序异常、电商评论。适合补数据工程和分析能力。 谨慎做 自动驾驶、具身智能、世界模型、红队攻防。题目吸引人，但必须收窄到仿真或授权样本。

工程执行类

CORE · 最适合作为第一批作品集

01

桌面端个人数字员工

本地文件、浏览器、IDE、终端联动操作；重点证明权限边界、操作日志和人工确认点。

本地 Agent
02

代码审查与自动化重构系统

围绕 Coding Agent 做 diff 分析、风险标注、测试建议和小范围重构。

Coding Agent
03

浏览器自主任务编排与执行系统

用 Web Agent 完成检索、表单、比价或资料收集任务，必须保留步骤回放。

Web Agent
10

自动化 UI 测试与视觉回归检测系统

截图、DOM、断言、视觉 diff 和失败归因，比单纯 Playwright 脚本更能被追问。

视觉 + 测试

数据与研究类

DATA · 容易展示数据处理和证据链

04

多源深度研究与证据链生成系统

从多个来源抓取、交叉核对、生成引用链和不确定性说明。

Deep Research
05

自动化数据清洗与质量检测系统

对脏表、缺失值、重复项、异常行做检测、修复建议和报告。

Data Agent
06

自动化 SQL 生成与数据查询系统

Text2SQL 不只看生成，还要看 schema 理解、权限限制、查询解释和回退。

Text2SQL
08

竞品情报采集与动态定价分析系统

爬虫、清洗、价格变化检测和报告生成；注意 robots、频率和来源合规。

爬虫 + 分析
12

时序异常检测与根因定位系统

对监控、日志或业务指标做异常检测，输出候选根因和证据片段。

时序 + 因果
16

电商评论情感演化与卖点挖掘系统

NLP 加时序分析，从评论变化里提炼卖点、槽点和产品改进信号。

NLP + 时序

知识与内容类

KNOWLEDGE · 适合和 RAG / 证据链结合

07

个人知识库自动构建与关联检索系统

RAG 加知识图谱，重点做来源登记、别名归一、关系抽取和检索解释。

RAG + KG
09

舆情热点捕捉与传播跟踪系统

从公开数据源做热点发现、时间线、来源传播和风险摘要；数据源需自定并合规。

待收窄
14

多模态内容资产理解与检索系统

图片、视频、文案、标签统一入库，支持多模态检索和人工审核。

多模态 RAG
15

金融合规文档审查与风险识别系统

只用公开或脱敏样本，展示条款抽取、风险标签、引用定位和人工复核。

金融合规

仿真与多 Agent 类

SIMULATION · 适合展示规划、互动和长期状态

13

游戏 NPC 行为生成与社会仿真系统

多 Agent 角色、记忆、目标和互动规则，适合与 P-004 形成后续线。

多 Agent
17

物理世界长程推演与决策仿真平台

世界模型方向要收窄成小场景，例如仓储、交通或资源调度仿真。

世界模型
20

多智能体库存博弈与动态定价系统

用博弈论和多 Agent 模拟库存、价格、竞争者策略和收益变化。

博弈 + 多 Agent

高门槛方向

HIGH BAR · 必须收窄到授权或仿真环境

11

自动化红队渗透与漏洞挖掘系统

只做授权靶场或本地 demo，重点展示安全边界、攻击链记录和修复建议。

安全攻防
18

端到端驾驶场景生成与决策系统

自动驾驶方向不碰真实道路控制，适合做公开仿真、场景生成和决策解释。

自动驾驶
19

具身智能操作规划与执行系统

用机器人或物理 AI 仿真做任务规划、失败恢复和安全约束，不夸大硬件能力。

具身智能