开源之夏活动简介

开源之夏是中国科学院软件研究所发起的“点亮计划”系列暑期活动，旨在鼓励高校学生积极参与开源软件的开发维护，培养和发掘更多优秀的开发者，促进优秀开源软件组织的蓬勃发展，助力开源软件供应链建设。开源之夏于2020年正式发起，如今正式进入点亮计划2.0，当前活动是第七届。活动联合各大开源组织，针对重要开源软件的开发与维护提供项目开发任务，并向全球高校学生开放报名。学生可自主选择感兴趣的项目进行申请，中选后在项目开发者（组织导师）的指导下进行开发。根据项目的难易程度和完成情况，结项者将获取开源之夏活动劳务报酬和结项证书。

2026年起， 点亮计划正式步入2.0时代——面向AI时代，围绕RISC-V核心基础软件，全面聚焦操作系统、编译器、虚拟化、人工智能等关键领域，进一步强化开源协同创新，持续推动RISC-V的生态成熟和繁荣。

openKylin赛题介

OpenAtom openKylin（以下简称“openKylin”）每年会通过开源之夏发布多个项目赛题，2026开源之夏现已上线两个项目！欢迎各位同学按照自己感兴趣或擅长的方向进行申请。openKylin开源之夏赛题可基于 openKylin 3.0 版本进行开发。参与同学可先前往官网下载openKylin 3.0系统镜像，配置基础开发环境后，再开展赛题相关开发工作。系统下载链接：

https://www.openkylin.top/downloads

项目一：基于大模型与 systemd-coredump 的openKylin Linux 用户态崩溃取证与复现工具

项目难度：进阶/Advanced

结项报酬：税前人民币5000元

编程语言：C、C++、Python、Shell

项目社区导师：杨继国（海光信息技术股份有限公司）

导师联系邮箱：yangjiguo@hygon.cn

项目简述：

相关背景

当前，面向 openKylin 操作系统的用户态程序崩溃取证与自动复现工具尚属空白，社区开发者和系统维护者在崩溃诊断方面缺乏标准化、自动化的辅助手段。Linux用户态 C/C++ 应用出现SIGSEGV、SIGABRT、SIGFPE等异常时，systemd-coredump 可以保存coredump及相关元数据，coredumpctl、GDB等工具可以进一步提取调用栈、寄存器、线程和符号信息。但完成一次可靠的崩溃诊断，通常还需要理解ELF/DWARF、调试符号、源码上下文以及崩溃前后的journal日志，并通过反复实验确认根因。对于桌面应用、系统服务和第三方软件维护者，这类问题取证成本较高，重复问题难以归并，最小复现程序也往往依赖人工经验。大模型具备代码与日志理解能力，但如果缺少标准化证据链、隐私控制和可执行验证，容易产生不可追溯或无法复现的结论。

已有工作

systemd-coredump与coredumpctl已提供coredump采集、索引、查询和导出能力；GDB、addr2line、readelf等工具可以分析栈帧、符号和二进制信息；AddressSanitizer等工具也能辅助定位部分内存错误。开源社区已有使用大模型分析日志、调用栈和代码的实践，但这些能力大多以独立工具存在，尚缺少将崩溃证据采集、调用栈归一化、源码检索、AI归因、复现生成和沙箱验证串联起来的通用工作流。openKylin Skills 仓库为系统诊断类 AI 技能提供了可复用的组织与交付形式。

存在的不足

• 崩溃证据分散，缺少统一的结构化数据模型。

• 地址随机化和符号差异导致重复问题难以归并。

• 缺少调试符号时，工具难以说明结论可信边界。

• AI 结论常缺少栈帧、日志和源码证据引用。

• 最小复现代码缺少自动编译执行与相似性验证。

希望改进的点

本项目拟构建“崩溃记录选择—证据自动采集—符号与栈帧归一化—崩溃指纹生成—源码和日志检索—大模型根因分析—复现生成—沙箱验证”的完整闭环。系统应从coredumpctl 接收崩溃记录，自动生成结构化证据包，并将同一缺陷在不同地址、不同进程实例中的崩溃归并为稳定指纹；结合项目源码、构建信息及崩溃前后journal日志，由大模型输出按证据支持度排序的根因假设、缺失信息和后续验证步骤；可选生成最小复现程序或测试脚手架，并在容器或受限沙箱中编译执行，通过信号类型、关键栈帧和崩溃指纹判断是否复现成功。所有外发数据默认脱敏，模型不得直接在宿主机执行高权限命令。

最终项目实现目标

最终形成一套可在普通x86-64 Linux环境运行的用户态崩溃取证与复现工具，并打包为适用于 openKylin 操作系统的可安装软件包（.deb）基础版本至少支持 C/C++ 用户态程序的 SIGSEGV、SIGABRT 和 SIGFPE三类异常，提供命令行入口、证据采集与脱敏、调用栈归一化、崩溃指纹、源码检索、AI根因分析、复现生成、沙箱验证以及JSON/Markdown报告。项目应提供不少于12个公开故障样例，其中至少10个完成正确的一级错误分类，至少5个生成能够通过验证的复现程序或复现脚手架；须在openKylin x86-64环境完成主要验证，并至少在另一种systemd Linux 发行版上完成兼容性验证。

• 项目产出要求：

1. 开发 coredump 证据采集与脱敏模块；

2. 实现调用栈归一化与崩溃指纹；

3. 实现源码和 journal 上下文检索；

4. 开发证据约束的大模型根因分析；

5. 实现最小复现生成与沙箱验证；

6. 支持三类信号和十二个故障样例；

7. 完成两种 x86-64 发行版验证；

8. 输出 JSON 与 Markdown 诊断报告；

9. 提交自动化测试、文档及可合入 PR。

10.软件包交付：将工具打包为适用于 openKylin 的 .deb 软件包，确保可通过 dpkg 方式安装使用。

• 项目技术要求：

1. 掌握 Python 与 Linux 命令行开发；

2. 熟悉 C/C++ 和常见内存错误；

3. 熟悉 GDB 及 core dump 调试；

4. 了解 ELF、DWARF 与调试符号；

5. 熟悉 systemd-coredump 和 journal；

6. 了解大模型 API 与结构化输出；

7. 熟悉容器、Git 及自动化测试；

8. 有崩溃分析或 Agent 经验者优先。

9. 了解 openKylin 操作系统开发环境，有在 openKylin 上进行系统软件调试的经验更优。

• 项目主页：https://m.summer.ospp.ac.cn/org/prodetail/267180067

项目二：基于openKylin X-Kernel实现RK3588 NPU驱动与边缘AI推理链路

项目难度：进阶/Advanced

结项报酬：税前人民币5000元

编程语言：C、Python、Rust

项目社区导师：肖辉（麒麟软件有限公司）

导师联系邮箱：xiaohui@kylinos.cn

项目简述：

相关背景

RK3588 集成 6 TOPS NPU，常用于边缘网关、机器人、工业视觉和本地大模型轻量推理等场景。现有推理链路通常依赖 Linux 内核驱动、用户态 Runtime 与厂商 SDK，系统栈较厚，难以在教学型或研究型操作系统中展示从设备驱动到模型执行的完整路径。openKylin社区主导的X-Kernel 是基于 Rust 的宏内核实验系统，具备内存安全、模块化和面向现代硬件扩展的优势，适合承载一条可研究、可复现的边缘 AI 推理链路。

已有工作

X-Kernel 已具备基础内核框架、设备管理与用户态接口扩展能力；RK3588 生态中已有 NPU 相关文档、开源示例和用户态推理工具可参考。社区也积累了 Rust 驱动开发、设备树解析、DMA 缓冲区管理和异步任务调度等实践。

存在不足

• X-Kernel 目前缺少面向 AI 加速器的真实设备驱动案例。

• RK3588 NPU 的命令提交、内存映射、中断处理和用户态接口尚未在 Rust 宏内核中形成可复用抽象。

• 边缘推理通常停留在用户态示例，缺少内核驱动、Runtime 适配、模型部署和性能评估的端到端链路。

• 缺少针对 NPU 驱动稳定性、错误恢复和推理性能的系统化测试。

希望改进的点

• 在 X-Kernel 中实现 RK3588 NPU 设备发现、初始化、内存管理、中断处理和任务提交。

• 设计 Rust 风格的安全驱动接口，封装 unsafe 边界，降低后续设备驱动开发成本。

• 提供用户态 ioctl/syscall 或字符设备接口，并适配最小推理 Runtime。

• 完成典型模型的端到端推理演示，例如图像分类或目标检测。

• 建立功能、稳定性和性能测试，输出可复现实验报告。

最终项目实现目标

完成一个可在 RK3588 开发板上运行的openKylin  X-Kernel NPU 驱动原型，并打通模型加载、张量缓冲区分配、NPU 任务提交、结果回收和用户态推理调用链路。项目最终应提供可编译代码、示例程序、测试用例、部署文档和性能评估报告。

• 项目产出要求：

1. 在openKylin操作系统环境下，完成 RK3588 NPU 设备初始化与资源管理。

2. 实现 NPU DMA 缓冲区和内存映射接口。

3. 实现任务提交、中断处理和结果回收流程。

4. 提供用户态推理 Runtime 适配接口。

5. 完成至少一个模型的端到端推理 Demo。

6. 补充驱动测试、部署文档和性能报告。

• 项目技术要求：

1. 掌握 Rust 系统编程和 unsafe 边界封装。

2. 熟悉操作系统内核与设备驱动基础。

3. 熟悉 ARM64、MMIO、中断和 DMA 机制。

4. 了解 RK3588 NPU 或 AI 加速器运行模型。

5. 了解边缘 AI 推理、模型格式和 Runtime。

6. 有嵌入式 Linux 或开发板调试经验更优。

• 项目主页：https://m.summer.ospp.ac.cn/org/prodetail/267180066

参与流程

登录官网https://summer.ospp.ac.cn/，查看openKylin主页赛题，即可报名参加！

项目任务上线官网，学生可以直接通过项目详情的导师邮箱与导师进行沟通，或扫描下方二维码加入交流群，群内老师在线为大家答疑：

扫码加好友，发送“2026开源之夏”进群

点击【阅读原文】查看2026开源之夏openKylin所有项目详细信息，有感兴趣的可以直接登录开源之夏官网报名与导师沟通投递简历哦～