一等奖6万，Higress AI 网关开发挑战赛正式上线

报名地址：https://competition.atomgit.com/competitionInfo?id=c16f796963021f21711ad25819c664b4#heading-0-0

一、赛项简介

(一) 赛项背景

随着生成式人工智能（Generative AI）技术的飞速发展，大型语言模型（LLM）正逐步成为现代软件架构的核心。这一变革对底层基础设施提出了全新的要求，特别是作为流量入口和策略执行核心的API网关。传统的API网关主要负责请求路由、认证鉴权和流量控制，但在AI时代，其角色必须演进为“AI网关”，以原生方式支持和加速AI应用。

Higress是一款基于Envoy和Istio构建的云原生API网关，诞生于阿里巴巴集团内部，经过了每秒数十万请求的大规模生产环境验证。它具备动态配置、毫秒级生效、无状态、支持多种插件扩展（Wasm）等核心优势，并为阿里巴巴的通义千问等核心AI业务提供了关键支撑。Higress致力于成为连接AI技术与现实世界服务的桥梁，通过提供AI代理、可观测性、安全防护和高级插件等能力，打造下一代AI原生网关。

目前，Higress社区已开源了一系列AI插件，为开发者提供了基础能力。然而，为了真正释放AI网关的潜力，我们需要解决AI领域最前沿、最具挑战性的技术难题。本次挑战赛正是基于这一目标，面向全球开发者征集解决方案，聚焦于三个核心方向：加速 AI Agent 构建、RAG（检索增强生成）增强以及智能路由。我们期望通过本次竞赛，将学术界的前沿理论与工业界的最佳实践相结合，共同丰富Higress的AI插件生态，推动AI基础设施的创新与演进。

(二) 赛项信息

• 赛项名称：Higress AI网关开发挑战赛

• 赛项主题：构建下一代智能AI网关

• 赛项目的：

  • 通过引入具备前沿理论支撑和卓越工程效果的解决方案，极大丰富Higress AI插件生态系统。

  • 探索并实践在网关层实现加速 AI Agent 构建、全链路优化RAG以及智能LLM模型路由的先进架构。

  • 围绕Higress开源项目构建一个充满活力的全球开发者社区，吸引顶尖人才共同打造AI时代的关键基础设施。

  • 加速将人工智能系统领域的最新学术研究成果转化为可落地、可验证的工业级应用。

• 赛项时间：2025年9月 – 2025年12月

(三) 组织单位

• 主办单位：开放原子开源基金会

• 承办单位：阿里云 | Higress 社区

二、竞赛内容

本次竞赛设置三个独立的子方向，参赛者可任选其一。每个方向都旨在解决当前AI网关领域的关键技术瓶颈，要求参赛作品不仅在功能上完整，更要在技术深度、理论依据和工程效果上达到业界领先水平。

(一) 方向一: 加速 AI Agent 构建

1 . 赛题基本描述

当前现状与挑战：AI Agent 的构建正从学术探索走向产业落地，但开发者普遍面临“从想法到生产”的巨大鸿沟。当前 Agent 的研发过程高度复杂，存在诸多挑战：首先是集成地狱，将 Agent 与企业内部繁杂的存量 API 和数据源（即“工具”）进行安全、可靠的连接，需要耗费大量定制开发工作；其次是开发体验割裂，Agent 的逻辑编排、工具开发与底层基础设施（如网关、服务网格）的管理相互脱节，减缓了迭代速度；最后，从原型到生产级的 Agent 对安全性、可观测性和治理能力提出了极高要求，而这恰恰是大多数 Agent 框架的短板。

赛题目标：本赛题旨在利用 Higress 作为 AI 原生网关的核心能力，赋能并加速 AI Agent 的构建过程。参赛者需要基于 Higress 的插件化架构、LLM API 接入以及 MCP（模型上下文协议）等能力，打造一个能够帮助开发者以零代码或少代码方式，快速构建、测试、部署和管理生产级 AI Agent 的解决方案。最终目标是实现从一个想法到强大功能 Agent 的极速落地。

技术要求与架构参考：

参赛作品形式较为发散，可以是创新的 AI Agent 插件，也可以是结合 Higress 多种能力的综合性解决方案。方案设计可以参考以下内容（不限于）：

• 核心框架：方案必须基于 Higress 的核心能力。利用其 Wasm 插件机制作为 Agent “技能”或“工具”的载体，实现与 Agent 核心逻辑的解耦。Higress 网关层负责处理安全认证、流量治理、API 协议转换等基础设施任务。

• 低代码/零代码 Agent 构建体验：方案应提供覆盖 Agent 构建全流程的低代码/零代码体验，而不仅限于工具集成。这包括 Agent 逻辑的可视化编排、工作流定义、工具的快速接入与配置、以及一键式的部署与调试能力，让开发者能将精力聚焦于 Agent 的业务价值本身。

• Agent 能力开放与动态管理：方案应与 Higress 现有的 AI 开放平台 Himarket 实现无缝集成。开发者不仅可以通过平台动态管理（如热插拔、版本控制、动态配置）Agent 的各项能力（技能），更关键的是，能将构建好的 Agent 整体能力封装成标准的 API 服务，通过 Himarket 对外开放，将 Agent 转变为可被其他应用轻松集成的可复用资产。

• 生产级价值与演进：方案必须证明其具备生产使用价值，而非一个仅用于快速原型验证（POC）的演示工具。评审将重点考量方案本身的健壮性、可观测性与可扩展性，确保基于该方案构建的 Agent 具备快速演进至生产环境、承载真实业务负载的潜力。

2. 赛题评审标准

本赛题的评审将重点考察方案在加速 Agent 构建方面的创新性、开发体验的流畅度、生成 Agent 的综合能力以及方案的生产可用性。

(二) 方向二: RAG 增强

1. 赛题基本描述

当前现状与挑战：Higress已提供了 RAG MCP Server 能力（基于golang-filter插件实现），支持对接 Agent 实现简单的 RAG 检索召回能力。然而，业界领先的RAG系统早已超越了简单的“检索-生成”模式，演变为一个包含查询优化、多路召回、结果重排、内容压缩和自我修正等多个阶段的复杂管道。现有插件功能单一，缺乏对RAG流程的整体优化能力。

赛题目标：本赛题要求参赛者实现一个统一的、功能强大的增强型RAG（Enhanced RAG）能力。将业界最前沿的RAG优化技术整合到一个模块化、可配置的 Higress MCP Server 中，显著提升在复杂查询场景下生成内容的准确性、相关性和时效性。

技术要求与架构参考：

插件的实现必须体现对RAG全链路优化的深刻理解，设计方案可以参考以下内容（不限于）：

• 检索前优化（Pre-Retrieval）：在执行任何检索操作之前，必须对原始用户查询进行处理。参赛者需要实现相关技术，例如：

  • 查询重写与分解：借鉴PreQRAG等研究成果，插件应能自动分析查询意图，对其进行重写以提高检索召回率，或将复杂问题分解为多个可以独立检索的子问题。

  • 多路混合检索（Multi-Path & Hybrid Retrieval）：插件需要统一对多种数据源（如向量数据库、全文搜索引擎、结构化数据库等）的访问接口，并支持多路召回策略。特别是要实现混合搜索（Hybrid Search），即结合稀疏检索（如BM25）和稠密检索（向量搜索）的优势，最大化召回相关文档。

• 检索后处理（Post-Retrieval）：在从数据源获取初步的文档列表后，必须进行精细化处理，包括：

  • 重排序（Re-ranking）：使用更强大的模型（如Cross-Encoder）或算法对初步检索到的Top-K结果进行重新排序，以提升排序结果的精准度。

  • 上下文压缩（Compression）：根据最新的文档压缩研究，对检索到的文档内容进行智能压缩或摘要，以便在有限的LLM上下文中注入更多、更关键的信息。

• 纠正性检索（Corrective Retrieval）：插件可以考虑实现一个纠正性检索增强生成（Corrective-Action RAG, CRAG）的闭环机制。该机制可能包括：

  • 一个轻量级的检索评估器（Retrieval Evaluator），用于评估已检索文档与查询的相关性。

  • 根据评估器给出的置信度，触发不同行动：若为Correct（正确），则对文档进行精炼后使用；若为Incorrect（不正确），则丢弃文档并通过网页搜索（Web Search）获取新知识；若为Ambiguous（模糊），则结合精炼文档和网页搜索结果。

2. 赛题评审标准

本赛题的评审将聚焦于参赛者构建的RAG管道的完整性、各项优化技术的理论深度和最终可量化的效果提升。

(三) 方向三: 智能路由

1. 赛题基本描述

当前现状与挑战：随着大模型应用的深入，企业和服务商通常会部署一个由多种模型组成的“模型矩阵”，而非依赖单一的通用大模型。这个矩阵可能包含一个或多个能力顶尖但成本高昂的旗舰模型（如qwen3-max），以及多个经过微调、在特定领域（如代码生成、财报分析）表现出色且成本效益更高的垂直小模型。然而，当前API网关大多采用简单的、与内容无关的路由策略（如基于URL路径），无法理解AI请求的内在语义。这种“语义盲”的路由方式导致所有请求，无论简单或复杂，都被发往同一个默认模型，造成了严重的资源错配：简单任务使用昂贵模型导致成本浪费，而复杂任务被发往能力不足的模型则导致效果不佳。

赛题目标：本赛题要求参赛者为Higress设计并实现一个具备语义感知（Semantic-Aware）能力的智能路由插件。该插件的核心目标是成为一个LLM流量的智能调度器，它能实时解析符合OpenAI协议的API请求，深刻理解其内在的任务意图、复杂度和所需工具，然后将请求动态、精准地转发至预定义模型池中最合适的模型。此外，插件需依托网关的流量拦截能力，实现一个“数据飞轮”机制：从真实的API交互中自动生成标注数据，用于持续迭代和优化路由模型本身。

技术要求与架构参考：

参赛者需要设计并训练一个轻量级的“智能路由模型”，并将其集成到Higress插件中，设计方案可以参考以下内容（不限于）：

• 路由模型核心：插件的核心是一个能对输入请求进行快速分类或评估的预测模型。该模型接收用户Prompt作为输入，输出目标模型的标识符。参赛者可以探索多种实现路径：

  • 分类器方法：训练一个高效的文本分类器（例如，基于DistilBERT或更轻量的模型），将不同的用户意图（如“闲聊”、“代码生成”、“摘要提取”）映射到不同的后端模型服务。

  • 语义匹配方法：为每个后端模型定义一组“典型查询”的Embedding向量。插件在运行时计算新请求的Embedding，并通过向量相似度计算（如余弦相似度）来决定最佳路由目标。

• 自优化数据流水线：插件需要实现一个可配置的“数据生成模式”。在此模式下，插件可以将请求同时发往“路由模型选择的经济型模型”和一个“基准旗舰模型”，并将{request, model_A_output, model_B_output, latency, cost}等信息记录下来，形成高质量的训练/评估数据集，为路由模型的持续迭代提供数据基础。

• 性能与可控性：路由决策过程必须在毫秒级完成，以避免对端到端延迟产生显著影响。同时，整个系统必须提供清晰、易于操作的权衡（Trade-off）机制，允许运维人员通过简单配置（如调整一个置信度阈值）在“成本优先”和“质量优先”两种策略间灵活切换。

2. 赛题评审标准

本赛题的评审将综合评估路由策略的智能化程度、对系统性能（成本、延迟、准确率）的实际优化效果，以及整体架构的创新性和工程质量。

三、竞赛机制

(一) 竞赛形式

以个人或团队形式参赛，每支队伍成员不超过5人。

(二) 参赛对象

面向全球范围内的企业开发者、在校师生、科研人员及个人开发者，不限国籍和年龄。

(三) 报名

参赛队伍需通过第三届开放原子大赛官方网站进行统一报名，具体报名通道待后续公布。

(四) 初赛作品提交

• 提交内容：需提交完整的作品方案设计和实现原理介绍文档、托管于AtomGit平台上的项目源代码、以及一段清晰演示作品核心功能和性能测试过程的视频。

• 提交规范：参赛作品必须为原创，不得侵犯任何第三方的知识产权。若使用开源代码，必须遵守其开源许可协议，并在文档中明确声明来源、协议和依赖关系。

(五) 决赛作品提交

入围决赛的队伍需准备并提交最终版的答辩PPT、可完整复现运行的源代码。决赛将以线下路演形式进行，参赛队伍需现场运行代码并展示作品效果。

四、评审机制和奖项设置

(一) 评审规则

大赛将组建由阿里云技术专家、Higress社区核心贡献者以及学术界知名学者构成的专家评审委员会。初赛阶段采用线上材料评审，决赛阶段采用线下路演答辩的形式进行。

(二) 奖项评审补充说明

为确保奖项的权威性和技术含量，各奖项的评定设有严格的基础要求：

• 一等奖：得分需要在90分及以上

• 二等奖：得分需要在85分及以上

• 三等奖：得分需要在80分及以上

• 开源贡献奖：得分需要在60分及以上。

注：1名一等奖和2名二等奖共3名获奖者，将从三个子方向各选1名优胜者，从中综合评选产生。

(三) 奖项设置

本次竞赛总奖金池为20万元人民币，具体奖项设置如下：

五、竞赛支持

(一) 官方资料

• Higress 项目代码库：https://github.com/alibaba/higress

• Higress AI网关官网：https://higress.ai/

(二) 联系我们

为帮助参赛者更好地理解赛题和选择方向，大赛组委会提供赛前咨询。对各方向报名情况或技术选型有疑问的，可邮件联系组委会：zty98751@alibaba-inc.com。