航数智算引擎
实现自然语言问题到 API 接口调用序列的精准转换，提升航运数据接口的调用效率和准确性
赛题背景
数字智慧赋能行业的转型是航运发展的新趋势，智能技术正在从概念验证走向规模应用。深化航运智能应用落地的过程中，对行业专业度和开发效率的要求持续升级。
本次挑战赛旨在通过分析用户意图、理解船视宝航运 API 作用，实现自然语言问题到 API 接口调用序列的精准转换。进而解决航运领域自然语言交互的实际痛点，提升航运数据接口的调用效率和准确性。
赛题任务
参赛者需利用提供的航运数据 API 建设 N2API 应用，在严格遵循任务要求的前提下实现核心任务。
任务要求
- 应用若使用大语言模型需基于 Qwen3-8B 模型，允许对模型进行微调
- 应用输出格式需严格遵循数据格式一节要求
- 允许对接口进行二次封装以提升效果，但输出 API 序列必须是原接口名称和地址
- 允许引入其他自研接口辅助效果提升，但输出 API 序列不得包含非赛题提供的接口名称和地址
- 执行单个问题耗时不得超过 180 秒
- 需要考虑追问的情况，即一组问题存在相互关联性和信息继承（一组问题会连续提问），记忆轮数应不少于 5 轮
追问示例："Q1：中远意大利的 IMO 是啥? Q2：他现在在哪？Q3：什么时候到？"
核心任务
解析航运领域的自然语言问题（如"中远意大利近三个月加了几次油？"、"查询港口代码是 CNQIN 的港口名称？"）
理解航运 API 作用、输入/输出参数、调用约束等，梳理出调用组合和次序
智能识别并区分追问问题和新问题
按照数据格式要求，输出 API 调用序列数组（api_queue）、问题答案（answer）、关联问题（query）、问题 ID（query_id）
技术建议
鼓励参赛者灵活采用自然语言处理（NLP）、大模型微调、提示工程、意图识别、智能体编排、MCP、RAG、深度学习等技术，优化自然语言问题到 API 接口的转换精度，提升回答结果的准确性，重视 API 接口的调用约束以及模型幻觉等方面问题的处理。
数据说明
船视宝 API 接口文档数据集：本次赛事提供 API 说明资料详见附件《船视宝 API 接口文档数据集.zip》，涉及以下多个维度的接口：
注意
船视宝 API 接口需在 Header 中添加认证信息，该认证信息和添加方式在开赛后将通过官方渠道提供，请选择本赛题的参赛者届时联系相关负责人：谢老师，13916166925。
应用结果评分标准
本次赛事采用客观量化评分方式，以参赛者输出的 API 接口调用序列数组（api_queue）与标准答案序列数组的匹配度、所有测试集的运行总时间为核心评分依据、参考问题答案（answer）的准确度为参考评分依据，具体规则如下：
本赛题采用加分制，每正确一题加一分。
每条题目的正确度以匹配参赛者提供应用输出的 API 调用序列与标准答案的匹配度为唯一依据（执行 3 次，每次会随机打乱问题顺序，但不会改变一组问题的先后顺序，最终参赛结果取 3 次中正确度的最低值）。需注意以下几点：
- API 调用序列个数不正确，本题不得分
- API调用序列中API名称（api_name）或API路径（api_url）不正确，本题不得分
- API 调用序列中 API 的顺序不正确，本题不得分
若两位参赛者提供的应用依据规则 2 得分一致，按照执行完毕全部问题（包括执行失败的问题）的总耗时（执行 3 次，取平均值）对参赛者进行排序，耗时少者胜出。本规则仅统计到秒级，对小数点后耗时取四舍五入。
若以规则 3 仍旧无法区分参赛者次序，将参考输出问题答案的质量进行排序。
在线下比赛环节中，评委有权利依据输出答案质量进行适当加分（本规则不适用于初赛阶段）。
提交要求
参赛者需提交以下三类文件：方案文档、工程代码、模型文件（若有），所有文件需压缩为一个 ZIP 包，命名格式为「赛道名称_作品名称_作者名称_手机号.zip」
（注：该处手机号用于联系原作者以应对非正常情况导致的文件丢失，工程无法运行等意外情况，本赛事不会以任何方式泄露参赛者个人隐私信息）
1. 方案文档
方案中需包含以下条目：
- 应用设计思路（必须）
- 应用使用技术说明（必须）
- 应用执行原理（必须）
- 工程启动/复现说明（必须）
- 模型训练与评估过程（如果进行模型精调）（可选）
- 异常处理方案（可选）
- 自评估方案及结果（可选）
2. 代码工程文件
- 完整可运行的代码（必须）
- 代码需添加详细注释，确保可复现性（必须）
- 代码运行说明文档（README.md），明确运行步骤、环境要求、参数配置等相关说明（必须）
3. 训练后的模型文件
基于 Qwen3-8B 微调/训练后的模型权重文件及配置文件，例如：
| 模型文件名称（示例） |
|---|
| .gitattributes |
| config.json |
| configuration.json |
| generation_config.json |
| LICENSE |
| merges.txt |
| model-00001-of-00005.safetensors |
| model-00002-of-00005.safetensors |
| model-00003-of-00005.safetensors |
| model-00004-of-00005.safetensors |
| model-00005-of-00005.safetensors |
| model.safetensors.index.json |
| README.md |
| tokenizer.json |
| tokenizer_config.json |
| vocab.json |
注意：如果进行了模型微调必须提供该套文件，以保证应用复现。
数据格式
1. 输入数据格式
{
"query_id": "这里是问题 ID",
"query": "中远海运荷花的当前船期信息是什么？"
}2. 输出数据格式（需严格遵循）
{
"query_id": "这里是问题 ID",
"query": "中远海运荷花的当前船期信息是什么？",
"api_queue": [
{
"api_name": "按船名 MMSI 等信息模糊检索船舶",
"api_url": "https://svc.data.myvessel.cn/sdc/v1/ai/vessel/fuzzy"
},
{
"api_name": "按 MMSI 查询船舶当前船期信息",
"api_url": "https://svc.data.myvessel.cn/sdc/v1/ai/vessel/schedule/current"
}
],
"answer": "这里是问题答案。"
}