先读 Problem.pdf，再填写 src/main/ 中的 Bash 脚本。 PDF 是任务、接口和评分要求的唯一学生题面。本 README 说明环境、仓库结构、自测和提交流程。
正式成绩只由 GitHub Actions 产生：8 道必做题共 100 分，Bonus 额外最多 10 分。通过条件是 必做至少 60 分，且 Q7、Q8 的全部检查通过。所有评分测试公开。
-
在 课程模板仓库 点击 Use this template → Create a new repository，创建自己的仓库。不要直接在教师仓库作答，也不要用 Fork 代替模板创建。
-
克隆你创建的仓库，在 main 分支开发：
git clone https://github.com/<你的用户名>/<你的仓库名>.git cd <你的仓库名>
-
打开 Problem.pdf，从 Q1 开始填写对应的
src/main/q1.sh。Q2–Q8 分别对应q2.sh–q8.sh，选做题对应bonus.sh。 -
每题骨架已提供参数读取和
set -eu。实现时删除末尾的提示语句和exit 77，填写自己的命令。 -
自测或推送到 GitHub CI，按反馈修改。最后提交对应的 Actions run 链接。
exit 77 表示“未实现”，该题记 0 分。原始模板可以初始化成功，但不代表通过考核；开始答题后，未达到通过条件的完整 CI 会失败，仍会显示分项成绩。
仓库根目录/
├── README.md # 环境、使用方式和提交步骤
├── Problem.pdf # 完整题面，只读
├── src/main/
│ ├── q1.sh … q8.sh # 必做题：你填写的脚本
│ └── bonus.sh # 选做题：你填写的脚本
├── samples/ # 静态输入样例，帮助阅读和练习
├── tests/
│ ├── coursework.py # 全部公开场景、断言和评分权重
│ └── skeleton-sha256.json # 原始骨架识别数据
├── tools/ # 测试入口和教师训练程序
├── .github/workflows/ci.yml # GitHub Actions 自动评估
├── .vscode/ # 推荐的编辑器设置
└── generated/ # 自测生成的成绩与产物，自动创建
| 内容 | 你需要做什么 | 是否提交修改 |
|---|---|---|
src/main/q1.sh–q8.sh、bonus.sh |
阅读骨架并填写命令 | 是，这是答题区域 |
Problem.pdf、README.md |
阅读题目与操作说明 | 否 |
samples/ |
打开样例文件，理解输入 | 否 |
tests/ |
可阅读测试和权重，理解反馈 | 否 |
tools/、.github/、其余配置 |
使用提供的入口 | 否 |
generated/ |
查看本地结果 | 否，已被 Git 忽略 |
.agent-sessions/ |
可选 AI 会话归档 | 可提交，归档不计分 |
保留全部 9 个答题文件，未做的题保留骨架。不要删除、改名、增加其他答题文件或换成符号链接。答题脚本由 Bash 调用，不需要给它们增加执行权限。
Q1–Q7 接收输入目录和输出目录两个参数：
bash src/main/qN.sh INPUT_DIRECTORY OUTPUT_DIRECTORYQ8 额外接收 repair／cleanup，Bonus 额外接收 start／stop。具体文件格式、输出和动作要求看 PDF 对应题目。
测试器会自动准备并传入这些参数。 它会创建本题的输入、输出和临时环境，再执行你的脚本。不要把用户名、仓库位置、端口、PID 或包版本写死；路径可能包含空格，使用骨架中的 input、output 并正确引用。
source 读取的 .env 文件也是测试器为本次场景生成的参数。Q7 使用临时 SSH 密钥，Q8 使用训练进程，不需要学生设置真实机器人或个人 SSH 服务。
Q5 是启动故障诊断：运行提供的启动前检查，分别记录 stdout/stderr、真实退出码和诊断报告。检查程序可能正常退出，也可能因缺少模型或设备不可读而失败；答题脚本处理并记录这些结果后仍应正常退出。具体字段和分值看 PDF 的 Q5。
samples/README.md 解释了静态样例的用途和单次练习方法。样例不是完整自测环境；CI 使用的变化数据、空日志和动态参数由 tests/coursework.py 生成。仅让一个样例跑通不等于该题通过。
在仓库根目录提交答题文件：
bash -n src/main/q1.sh # 可选：先检查 Bash 语法
git add src/main
git commit -m "Complete Q1 path navigation"
git push origin main打开 Actions → Linux Coursework CI → 与本次 commit 对应的运行：
- 在 Summary 查看必做总分、Bonus、每题状态和通过结论。
- 如果某题失败，查看反馈中的小项、场景和实际结果。
- 下载页面底部的 artifact，查看执行输出和指定文本产物。
| 输出 | 用途 |
|---|---|
summary.md |
分题成绩及失败反馈，与 Actions Summary 一致 |
score.json |
每个小项的分数，以及 assessment_passed 通过状态 |
runs.json |
脚本退出状态、stdout 和 stderr |
artifacts/ |
指定的文本产物，便于对照 PDF |
未实现的小项记 0 分；通过某题的部分小项可以取得部分分数。正式通过结论看 Summary 和 assessment_passed；不要把原始模板的初始化成功当成考核通过，也不要用单题本地测试代替完整 CI。
如果基础设施检查或环境准备失败，可能没有有效成绩，先查看失败步骤。学生仓库只允许修改答题文件和可选会话归档；CI 以初始模板提交检查累计变更，并从该版本提取可信测试。不要修改测试、校验表、PDF、README 或工作流，也不要重建 Git 历史。
正式 CI 直接运行在 GitHub hosted ubuntu-24.04 runner，不需要 Docker。Windows／macOS 可以编辑脚本并通过推送自测。需要本地完整自测时，进入课程要求的 Ubuntu 24.04 LTS 训练虚拟机；支持 amd64／arm64。
在 Ubuntu 安装一次测试依赖：
sudo apt-get update
sudo apt-get install -y git python3 openssh-client openssh-server tmux procps curl dpkg在仓库根目录运行：
bash tools/test.sh # 全部题目
bash tools/test.sh --question Q4 # 单题
bash tools/test.sh --question Q7 --question Q8 # 多题
bash tools/test.sh --question B # Bonus
bash tools/test.sh --question Q3 --verbose # 同时查看成功执行的 stdout/stderr默认终端输出包括每次运行的场景与状态、每个评分小项的分数，以及失败原因。脚本执行失败时会显示退出码、stdout、stderr；Bash 命令失败时还会提示脚本行号和命令。权限不符会显示期望／实际权限，文本不符会定位第一处差异。--verbose 额外显示成功执行的输出。
示例（只做输出格式说明）：
Q3 整理与权限
[PASS] 复制和备份：3/3
[FAIL] 精确权限：0/2
normal：
输出/sentry_ws/scripts/hello.sh：期望权限 750，实际权限 777
changed：
输出/sentry_ws/scripts/hello.sh：期望权限 750，实际权限 777
结果：failed，8/10
如果某个场景的脚本中断，该场景未进入产物检查，会导致对应小项失败；先处理上方“场景失败”的执行错误。特别注意第 2 次运行失败，通常与重复创建、重复追加或删除不存在的文件有关。
结果同时写入 generated/，文件含义与 CI artifact 相同。runs.json 包含执行轮次与捕获的输出，score.json 的每个小项包含分场景结果。终端和报告中超过捕获长度的执行输出会标明截断。单题自测只用于调试，正式成绩仍取完整 GitHub CI。
测试器需要 sudo 创建临时账户和 SSH 服务；学生脚本以临时普通用户执行，没有 sudo 权限。测试会自动准备本地 Debian 包、SSH 连接、进程、HTTP 服务和 tmux 参数，并在结束后清理本次临时环境。正式题目用例使用回环网络，不依赖公网网站；首次安装依赖需要网络。
答题文件使用 Bash、UTF-8 和 LF 换行。学生不需要编写 Python，tests/ 和 tools/ 中的 Python 是教师提供的测试与训练程序。
完成后确认最新代码已推送到 main，打开与这个 commit 对应的完整 CI，复制 Actions run 链接并填写：
填写表单要求的信息；如需仓库或 commit 链接，一并提交。截止日期以培训通知为准。请提交本次实际评估的运行，不提交其他 commit 的成功截图或本地单题结果。
允许使用课程资料、命令手册和 AI 辅助。正式分数由 CI 的公开行为检查产生，不设置人工答辩分或独立 grader。
模板提供与 Python 作业一致的可选 AgentLedger 归档配置；不启用也不影响分数。需要归档时自行配置：
python3 -m pip install 'agent-session-commit[pre-commit]==0.1.3' -i https://pypi.org/simple
agent-session-commit install --pre-commit归档会作为 Git 内容提交，使用前确认没有密码、令牌或个人密钥。不要为启用归档改动教师提供的配置文件。
- 刚开始 CI 成功，为什么是 0 分？ 原始骨架只验证环境能启动，所有题仍未实现。
grep没匹配就退出？ 骨架启用了set -e；无匹配通常返回 1，但 Q4 的无错误日志是正常输入，需按题面处理。- 为什么不能只运行
bash src/main/q4.sh？ 脚本需要输入／输出参数。完整自测用tools/test.sh；单次样例练习看 samples 的说明。 - Q6 为什么不能 sudo 安装？ 题目要求安装到自己的 sysroot，按 PDF 使用 dpkg 的非 root 选项。
- Q5 检查程序失败，答题脚本也该失败吗？ 不应该。按题面捕获检查程序的退出码，完成日志和报告；不要用
|| true后的$?当作原始退出码，也不要仅凭 stderr 是否非空判断成功。 - Q7 密钥或连接参数在哪？ 测试器生成的
remote.env中，不用个人 SSH 密钥。 - Q8 修好后应立即停服务吗？
repair返回时保留运行，测试器会独立发 HTTP 请求；cleanup才停止。 - Actions 没有运行？ 确认推送到 main，仓库已允许 Actions；也可从工作流页面手动运行。
- CI 红了，还能看到分数吗？ 答题检查失败时通常可以；环境准备失败则没有有效成绩。先看 Summary，再看失败步骤。