(中)学院本+双非硕+非科班中选蚂蚁OSPP2025开源之夏TuGraph社区项目的全记录

开本帖记录一下我在OSPP2025开源之夏活动中中选蚂蚁集团TuGraph社区Text2SQL项目的全流程（申请+中选+开发+结项）记录，先说下我的bg：

我本科是学院本的物联网工程，毕业时候抽风一直铁了心要考西部某TOP985的计算机专硕，前前后后参加了3次考研，最后一次考得最高考了357但是依然差复试线13分，此时由于大龄+绝望+阴差阳错等因素调剂到某双非的的土木下二级学科读研，也算是faker班的了。

上篇帖子说到项目中选了，指路：(上)学院本+双非硕+非科班中选蚂蚁OSPP2025开源之夏TuGraph社区项目的全记录

这篇帖子继续记录一下中选后的开发阶段：

2. 项目开发

2.1 心态&准备工作

其实进入开发阶段还是比较忐忑的，因为第一次参加这种活动心里并没有底，不知道能不能顺利结项，但是最后还是想着管它呢，硬着头皮上吧的心态进入开发阶段了。

因为是蚂蚁的项目，工作沟通都是在钉钉上进行的，我的设备是咸鱼800块淘的二手ThinkPad T470P，钉钉这种现代软件用的还是比较吃力的，每次进会议都得等个1分钟才能进去。好在我在转转平台淘到了一台XXX，转转是一个靠谱的二手。。。。。（假装切入广告）

开始之前要在系统里和中科院签劳务协议，然后就开干了。

要签劳务合同，还挺正规

开始的时候导师让我先提交了一个给README加贡献墙的PR，熟悉了下Git合并代码的流程，就进入正式开发阶段了。

2.2 正式开发

我们的项目叫“面向复杂Text2GQL任务的数据模拟和模型训练”，主要的目的是希望借助LLM来生成大量图查询语言(GQL, Graph Query Lang Language)作为语料，再用这些语料来微调模型，最终增强模型写GQL的能力。

正式开发之前我们先进行了文献调研，这是一个对齐的过程，读论文是快速掌握某一领域知识的很好的方法。

文献调研完我们就开始正式开发了，配置环境(安装TuGraph-DB的Docker镜像，配置API-Key，熟悉仓库的结构等)，这一部分工作都是在暑假之前几周完成的，进入暑假就进入了正式的开发阶段，最终我们按照文献调研的总结确定了3个模块的开发：

Schema Generator：用来生成建图的Schema文件，一般是JSON格式的，这个文件来定义点边关系，导入到图数据库中就可以建立一个空的图了
Data Generator：用来生成模拟测试数据，这部分我们会把Scheme.json一起给LLM，让它生成用模拟数据填充这个Schema的Python脚本并执行，这一步成功了🏅我们就有了一个可以用来做查询的数据库实例了
Corpus Generator：用来生成测试语料，我们采用了一种迭代生成的策略来生成复杂的语料，最终将能执行且有结果的查询作为我们的最终结果

最终我们项目的整体架构图：

2.3 节奏

整体上我们是按照这个顺序进行的：文献调研 -> 模块开发 -> Code Review -> Pull Request

正式开发：从6月30日 - 9月30日

正式开发开始后我们基本上是固定一周一次周会（钉钉视频会议），还有双周一次的社区会议，也就是说一周最少开一次会议，双周的时候要开两次会议，社区兴趣小组的会议是整个社区大家对齐一下，看看互相都做了哪些工作，再有其他问题可以再约导师的时间请教。在这个阶段我们开了大概30多次周会，最终提交结项报告的时候一天开了6/7次，导师花了很长时间指导我完善我的结项报告，打磨了一遍又一遍，感恩🥹

收尾完善：10月1日 - 10月30日

我们最终实现了3个模块，提交了5个PR，3个是新增功能的，1个修复Bug，1个更新Readme文档添加实验结果

会议记录

2.4 指导

导师有问必回，而且给的意见都非常有用和可行🎉，导师不会帮你写代码，但是导师会给你指一个方向，这个很重要，会让你少走很多弯路。老师直接告诉你你看哪些论文，你在哪个仓库里找可能会找到你需要的包等等，非常Nice！

2.5 收获

我还是很有收获的，第一次往开源仓库中提交代码和第一次真实的体验合作开发，除了Git的使用特别欠缺外还有两点印象深刻：

没有面向对象编程思维：实现某个功能我就直接实现某个功能，但是这其实是不符合面向对象编程，在实现这个功能之前应该定义抽象类、接口等，再实现接口来实现这个功能，因为我们不能保证未来不会在这个接口上新增功能，所以要时刻问自己，这是面向对象编程吗？我写的这符合开闭原则吗？等等等等。比如说我们要连接TuGraph-DB进行Query的验证，我就直接写了连数据库的代码再执行Query，但是在后来老师的指导下我们把这部分抽象为了一个DB_Client的类，我们再来一个TuGraph_Client的类去实现这个接口，再在里面实现这个连接数据库的功能，因为我们保不齐哪天又回连接Neo4J，Oracle等，这样到时候我们就只需要分别实现不同的功能就好了，这才是面向对象编程。。。。
“学院派”编程习惯：文件读取学校里交的要写把目录下的文件都列出来，再从控制台按序号选则文件读取，但这样其实很麻烦，最后老师说你为何不直接传一个文件的路径进去就好了，我一想对啊真是这样那我做这无用功干啥呢，才体会到学校教的东西只是教学，跟实际业务还是差距，不要太学院派编程。。。。。。
......