推免直博选方向：我的决策链与交集原则

推免季的选择题

推免（免试研究生推荐）季是信息最乱的时段：工程硕博（校企联合的工程学位项目）、企业联培、直博（本科直接攻博，跳过硕士阶段）…… 每个选项都能讲出一堆好处，每个也都藏着没说清的代价。

我的处境：工程侧有积累 —— 自建 Agent 知识库 Cognik、RAG 引擎、实习项目；科研侧刚起步，需要在几周内把去向、导师、方向一次定对。

这周我走完了全程，记录下来给同样在选的人。

决策链：从自我梳理到三定

先说结论怎么来的。决策不是一次拍板，是一条收敛链：

flowchart LR
    A["① 自我梳理<br/>做复试 PPT<br/>我做过什么、能做什么"] --> B["② 广泛调研<br/>工程硕博模式<br/>相关企业"]
    B --> C["③ 形成初判<br/>南网博士方向"]
    C --> D["④ 定向核实<br/>国创中心联培信息"]
    D --> E["三定<br/>去向 + 导师 + 方向"]

第一步常被跳过：先做复试 PPT，把个人简介、学生工作、获奖、实习、开源项目逐块梳理。做完才看清自己的筹码 —— 工程实践远比想象的厚，这直接影响了后面」偏工程还是偏研究」的判断。

第二步广泛调研，只收集不判断。第三步给出初步意向。第四步只对初判做定向核实，不再重新发散。

最终三定：

交集原则：工程能力 × 研究方向

选方向的本质是找交集，不是找」最好的方向」。

我的工程积累在 LLM 应用：agent 基座、RAG、提示词工程。导师团队的研究在进化计算（EC，一类模拟生物进化的群体寻优算法）。联培课题在工业大模型。

交集在哪？LLM × EC 正是当前活跃的交叉方向：LLM 的领域知识可以帮进化算法更聪明地搜索，进化算法可以帮 LLM 做黑箱优化。我的工程经验（LLM 的使用、API、部署）直接是交叉方向的入场券。

flowchart TB
    A["我的积累<br/>Agent / RAG / LLM 工程"] --- C{"交集<br/>LLM × EC 工业落地"}
    B["导师课题<br/>智能优化 / 进化计算"] --- C
    D["联培课题<br/>炼化调度工业大模型"] --- C

反过来验证：如果选一个纯理论方向，工程积累清零；选一个纯工程去向，研究训练缺失。交集原则两头都接得住。

联培课题还有一道对齐检查：课题（工业垂类大模型）与导师方向（智能优化）互为支撑，不是两张皮。读博最怕课题与导师专长脱节，两头不靠。

博 0 学习清单：把决策变成行动

去向定了，入学前的时间不能空转。学习清单分三层：

• 背景知识：PSO（粒子群优化，模拟鸟群觅食的群体寻优）、ACO（蚁群算法，模拟蚂蚁信息素路径）、GA（遗传算法，模拟自然选择的搜索方法）；LLM 使用与 API；双网建模调度背景
• 综述至少一篇：这两篇是切入点 ——
  • The Confluence of Evolutionary Computation and Multi-Agent Systems: A Survey（IEEE / CAA JAS，导师团队参与）
  • Evolutionary Computation in the Era of Large Language Model: Survey and Roadmap（IEEE TEVC）
• 精读论文 1-2 篇：从分布式优化、数据驱动优化、元黑箱优化里挑，对接联培方向再收敛

清单的原则：先综述建立地图，再精读建立深度，避免上来就扎进单篇论文的细节。

这周另一条线一句话带过：笔记本完成 Linux 迁移（U 盘启动盘、重置、硬盘挂载逻辑合并、环境配置），为」个人内网助手」铺好了底座。

参考资料

• The Confluence of Evolutionary Computation and Multi-Agent Systems: A Survey（IEEE/CAA JAS 2025）
• Evolutionary Computation in the Era of Large Language Model: Survey and Roadmap（IEEE TEVC）
• LLM4EC：LLM × 进化计算论文索引仓库
• Cognik：我的自建 Agent 知识库项目