LA Hacks 2025 获奖项目全览：三支团队在 36 小时内造出了什么
LA Hacks 2025 前三名均为 AI Agent 项目——Alto 自主调试 Bug、Lumos AR 眼镜辅助阿尔茨海默症患者、OpenSesame.Work 自动投简历——三支团队都完成了 end-to-end Demo 并表达了创业意向，揭示多 Agent + Gemini 的主流趋势。
举办时间：2025 年 4 月 25–27 日 ｜ 地点：美国洛杉矶 UCLA Pauley Pavilion ｜ 规模：1000+ 参与者、200+ 项目、奖金池 $60,000
今年的 LA Hacks 2025 在 UCLA 体育馆里汇聚了来自全美各地的黑客、导师与赞助商，为期 36 小时的开发冲刺落幕后，前三名全部是 AI Agent 赛道的项目——自主调试流水线、阿尔茨海默症辅助眼镜、AI 驱动的求职自动化。三支团队都在黑客松现场完成了 end-to-end 可演示的产品，且全部明确表达了创业意向。1
🥇 第一名：Alto——移动端 Bug 自主修复流水线
团队：Neel Shettigar & Daniel Odicho（2 人）
一句话定义：接入 Bug 报告平台，多个 AI Agent 协同分析、复现、生成 Maestro 测试脚本，结果推送 Slack——开发者不需要手动操作任何调试流程。2
コンテンツカードを読み込んでいます…
Alto 背后是一套完整的多 Agent 系统，每个 Agent 只负责一件事：
| Agent | 职责 |
|---|---|
| ExtractorAgent | 从 Instabug 接收 Bug 报告，分类优先级与错误类型 |
| TriageAgent | 通过 gitingest 从 GitHub 仓库拉取相关代码上下文 |
| HypothesisAgent | 调用 Gemini 2.5 Pro 生成根因假设，定位可疑代码位置 |
| MaestroGenAgent | 生成 Maestro UI 自动化测试 YAML 脚本，用于复现 Bug |
| ReplicatorAgent | 在本地环境执行脚本，验证 Bug 是否可复现 |
| NotifierAgent | 把分析结果和复现状态推送到 Slack |
团队使用了 Fetch.ai 的
uagents 框架并在 Agentverse 上注册，核心 LLM 选用了 Google Gemini 2.5 Pro——其大上下文窗口是处理整个代码仓库内容的关键。Flask GatewayAgent 提供 REST 接口，使外部系统可以触发整个工作流。为何值得关注：当前市面上的 Bug 追踪工具（Sentry、Instabug）和 AI 辅助编码工具（Devin、Cursor）分属两个闭环，Alto 是第一个尝试将「Bug 报告摄入 → 代码上下文理解 → 自动复现 → 通知」全链打通的开源原型。团队明确表示计划将其孵化为独立初创公司。2
🥈 第二名：Lumos——帮助阿尔茨海默症患者认出熟人的 AR 眼镜系统
团队：Chayan Shah、Puneet Bajaj、Kalpesh Patil、Rutuja Nemane（4 人）
一句话定义：Snapchat Spectacles 眼镜 + 实时人脸识别 + AI 记忆提示，让阿尔茨海默症患者在看到亲人时能得到「这是你的女儿 Lisa」这样的 AR 叠加提醒。3
コンテンツカードを読み込んでいます…
Lumos 的系统由四层构成：
- AR 眼镜端：Snapchat Spectacles（SnapOS）运行人脸识别，AR 叠加显示姓名与关系
- AI Agent 层：Fetch.ai + Dain + Gemini 2.5 驱动人脸识别、情境提醒、安全区域监控和日记提示
- 后端存储：Node.js + MongoDB Atlas，保存患者档案、照料者数据、安全区域与记忆日志；Melissa API 实时查找最近医院
- 照料者 App：React Native 移动端，照料者可远程管理提醒、设置安全区域、接收实时警报
团队在 36 小时内将硬件限制（AR 眼镜算力不足、实时人脸识别延迟）、多服务编排（地理围栏 + 人脸识别 + 语音日记并行）与伦理设计（如何不让技术感觉是监控）同时作为工程挑战来攻克，并完成了完整 Demo。3
为何值得关注：医疗辅助 AI 叠加可穿戴设备是一个在大厂技术栈与消费者需求之间存在明显空白的领域；Lumos 的原型验证了边缘推理 + 多模态 AR 辅助在受限硬件上的可行性。
🥉 第三名：OpenSesame.Work——让 AI Agent 替你投简历、联系招聘方
团队：Rahut Taeudomkul & Proud Puangmaha（2 人）
一句话定义：用户上传简历、填好偏好，剩下的事——自动投递岗位、AI 生成个性化 LinkedIn 连接请求——全部由 Browser Automation 接管，只需说一声「Open Sesame」。4
コンテンツカードを読み込んでいます…
OpenSesame.Work 技术方案的核心是 Gemini 驱动的 Browser-Use：让 LLM 直接操控浏览器完成填表、点击提交、发送 LinkedIn 请求。为了避免被招聘平台限流，团队实现了并发多任务的浏览器工作流管理和失败重试机制；AI 生成的 LinkedIn 消息则通过简历解析 + 关键词提取做个性化，使其不像模板输出。
Puneet Bajaj（第二名 Lumos 团队成员）如此评价 LA Hacks："LAHacks 不只是一场黑客松——它是一个发射台。从精彩的导师到在 300+ 人面前登台 pitch，一切都经过精心组织，令人振奋。" 1
为何值得关注：Browser Use 是目前 Agent 执行真实任务的最直接路径，而求职是一个高频、摩擦巨大的场景。OpenSesame.Work 的原型已实现完整链路：从用户输入 → 真实投递 → 真实 LinkedIn 外联，方向与近期多个「AI 求职 Agent」初创吻合，竞争窗口正在打开。4
三个项目的共同信号
这届 LA Hacks 前三名拼出了一张完整的技术地图：
| 项目 | 核心 Agent 范式 | 主要 LLM | 硬件/平台 | 创业信号 |
|---|---|---|---|---|
| Alto | 多 Agent 流水线（调试） | Gemini 2.5 Pro | GitHub / Instabug / Slack | 明确提及「独角兽潜力」 |
| Lumos | 多模态边缘 Agent（医疗） | Gemini 2.5 + Dain | Snapchat Spectacles | 关注伦理与规模化 |
| OpenSesame.Work | Browser Use Agent（求职） | Gemini（Browser-Use） | LinkedIn / 招聘平台 | 规划 Dashboard 与 RL 优化 |
三个项目都在当届比赛赞助商 Fetch.ai Agentverse 赛道框架下构建，多 Agent + Gemini 已成为这批参赛者的主流技术选型。对早期投资人和创始人而言，这批原型是当前「AI Agent 落地哪些场景最快」的一手参考样本。
本文资料来自 LA Hacks 官方网站及各项目 Devpost 页面，比赛于 2025 年 4 月 25–27 日举办。
このコンテンツについて、さらに観点や背景を補足しましょう。