把一个复杂任务交给多个智能体，并不意味着研究已经完成。系统最容易在任务交接处出问题：谁能决定下一步，怎样判断工具返回的信息可靠，发生冲突时又如何恢复？如果只展示一段顺利运行的演示，通常不足以证明系统可以在真实环境长期工作。
北师香港浸会大学的计算机科学与技术博士专业已开放2027年入学申请。官方导师名单列有杨坚教授，她研究数据挖掘、复杂网络异常检测、服务计算，以及大语言模型和智能体软件工程。学校也公布了她担任理工科技学院领导职务、获得 IEEE 服务计算领域杰出服务奖等经历。这里更值得追问的是：一个强调服务计算的研究者，会怎样看待由多个服务、工具和智能体组成的软件系统。
从单次输出转向可持续运行
许多大模型应用能够生成看似合理的回答，但一旦进入需要持续执行的流程，问题会变得不同。模型可能选错工具、读入过期数据，或者在连续多步操作后逐渐偏离目标。研究者不仅要证明系统在样例中成功，还应能够界定失败类别与恢复策略。
服务计算的视角把软件能力拆成可以协作的服务，关注组合、调度、可靠性与用户需求。加入自主智能体后，这些老问题没有消失，反而因为模型行为存在不确定性而变得更难。一个系统要有价值，需要知道哪些步骤可以交给模型决定，哪些步骤必须受到结构化规则约束。
例如，假设有人做过一个自动整理研究资料的工具。只写“接入大模型，实现自动分析”很难说明科研价值；若能够解释资料来源如何标记、模型生成与原文冲突时如何发现、工具调用失败后怎样重试、评价结果用什么指标衡量，研究对象就清晰许多。这只是材料表达的假设示范，并不是杨坚团队曾做过的具体项目。
选择导师时要看问题能否形成论文
杨坚教授的研究范围很宽，涵盖机器学习、复杂网络与智能体软件工程。对学生而言，不能把这些方向理解成任意选一个热门话题都能得到指导。博士研究需要较长时间追踪一个可回答的问题，既要有明确方法，也要有可获得的数据或实验环境。
比较好的起点，是找出你已经做过的任务与某个研究问题之间的连接。例如软件工程背景者可从测试、工具链和系统可靠性切入；数据挖掘背景者可从异常检测、数据漂移和评价方法切入。这样的经验并不要求研究方向完全重合，但应当能说明你为何具备研究这类问题的起始能力。
学校公布的课程说明显示，计算机科学与技术博士使用英文授课，正常全日制修读时长为48个月。课程要求和学术规范意味着学生不只是完成一个工程产品，还要持续写作、交流并提交能够支撑独立学术贡献的研究成果。面向这样的训练，研究计划书最怕只有技术词汇而没有可以被证伪的假设。
如果将来想研究智能体软件系统，可以把研究设想写得具体一些：选择一种真实存在的任务流程，定义什么叫成功、什么叫失败，再说明你准备怎样区分模型本身的错误与工具环境造成的故障。问题范围越清楚，读者越容易看出研究将如何展开。
资助条款值得按实际净额理解
北师港浸大计算机博士专业公布了全日制研究生奖助学金标准：博士每月人民币15,800元，其中包含每月人民币7,500元的学费部分。享受这类资助的学生需要承担助教或研究助理工作，学校注明工作量每周不超过12小时。这个数字不宜直接解释成全部可自由支配的生活费，也不能据此推断每位申请者一定获奖。
官方2027年申请页面还列明导师名单，杨坚在其中。导师列在可选导师名单上，与获得正式录取、研究题目得到同意、学校完成奖助评定，仍是需要依次满足的不同条件。申请时把这些层次理清楚，比泛泛比较高校声誉更能避免后续落差。
研究生选择课题时，还要留意一个现实差别：模型输出的流畅程度与软件系统的可审计性不是同一尺度。一个系统能够给出合理答案，却未必能解释每次工具选择背后的证据；如果日志缺失，就很难复现错误。对准备读博的人，这意味着材料中的实验过程、基线与反例可能比展示页更加重要。
以异常检测为例，研究不只是识别异常样本。标注稀缺时，如何判断报警是否有效，模型在数据分布改变后是否保持稳定，错误报警会给真实使用者造成什么负担，都可能成为后续需要不断深入的研究问题。这种问题意识可以与杨坚教授的复杂网络与数据挖掘研究产生具体连接。
最后再回到研究问题。做智能体系统的人，常常被一次成功的演示吸引；但更有研究价值的，往往是那个在输入变化之后仍能解释错误、复现失败并提出改进的方案。导师和学生是否适合一起工作，也更容易从这种对失败的态度里看出端倪。
