Rust AgentOS

音频围绕清华大学计算机系在教学中面临的 AI 影响、操作系统教学与科研变革以及相关教学实践探索等内容展开，具体内容如下：

• AI 对教学的影响
• 课程学习现状
• 成绩不理想：以清华大学计算机系大三学生上超级董课为例，无论有无 AI，该课程都较难学，学生成绩不理想，平均分仅 70 分。
• 到课率低：现场上课学生到课率呈下降趋势，目前不到 1/3。
• 能力分化：尝试让部分对 AI 感兴趣的学生用 AI 以项目形式实践，其余学生传统上课考试。结果显示，用 AI 做项目的学生实验练习满分，但考试成绩差，平均分 73 分，不过项目成果远超一般本科生水平，但多数成果是 AI 的，学生自身能力下降，仅极个别学生能力提升。
• AI 使用情况：AI 被学生广泛应用于交作业、做习题、写报告等各层面，但大部分学生将其当成解题机和记忆型复习工具，导致个人能力下降。
• 操作系统教学与科研变革
• 教学内容适应 AI 发展
• 探索方向：提出 AI for OS 和 OS for AI 两个方向，与大卫星公司、机器人公司合作，让学生在 AI 帮助下进行全栈探索，提升系统思维和实践能力。
• 开源优势：相关软件全开源，学生有动力即可全栈学习。
• 编程语言选择
• Rust 语言：从 2018 年开始认为 Rust 是重新写 OS 的重要选择，目前大模型公司等生成复杂软件时使用 Rust 的比例较高，它能保证安全性，且在 AI 帮助下学习难度可缓解。
• 其他考虑：不认为 Rust 是最终最好的语言，未来可能有新语言。
• Linux 内核改进
• 硬实时问题：在移动或工业控制领域，硬实时需求不可避免，目前采用 RTOS 组合方式，认为未来可能有单一 OS 解决该问题。
• 安全问题：Linux 存在安全隐患，认为需要底层 OS 改变以保障安全。
• 抽象问题：传统 OS 针对计算机的抽象不适用于机器人，需在系统级给出更好的抽象，以助力机器人应用开发。
• 技能与可靠性
• 技能描述：目前技能的自然语言描述不适合 AI 和计算机，agent 可缓解但不能彻底解决，需借助传统技术保证能力可控性。
• 可靠性保障：认为未来可结合应用，借助 AI 形成全系统定制化系统，提高可靠性。
• 教学实践探索
• 设备套餐：在陈悦老师支持下，推出 299 元设备套餐，学生可购买散件自行组装成机器人，组装好价格为 599 元，鼓励学生全动手。
• 系统结合：强调通过 AI 快速定制商品，用 Rust 保证安全性，将分层系统与 Opus 系统结合，形成具有一定通用性的机器人系统。
• 验证挑战：可验证是目前未涉及但值得关注的重点，后续曹老师会讲解。
• 开源与迭代：全栈开源面向教学和科研，通过全国招学生和工程师做训练营实现快速迭代，推动面向机器人或工业的智能体操作系统发展。