一年一度的开源之夏拉开序幕，作为中科院软件所“开源软件供应链点亮计划”发起并长期支持的一项暑期开源活动，旨在鼓励在校学生积极参与开源软件的开发维护，培养和发掘更多优秀的开发者，促进优秀开源软件社区的蓬勃发展，助力开源软件供应链建设。
参与学生通过远程线上协作方式，配有资深导师指导，参与到开源社区各组织项目开发中并收获奖金、礼品与证书。这些收获，不仅仅是未来毕业简历上浓墨重彩的一笔，更是迈向顶尖开发者的闪亮起点，可以说非常值得一试。每个项目难度分为基础和进阶两档，对应学生结项奖金分别为税前人民币 8000 元和税前人民币 12000 元。
阿里云可观测秉承开源开放精神，在本届开源之夏共有两个项目参与其中，包括 LoongCollector、opentelemetry-go-auto-instrumentation。接下来，我们为大家详细介绍相关项目课题与参与方式。
项目介绍
LoongCollector
1. 项目介绍
LoongCollector 作为一款集卓越性能、超强稳定性和灵活可编程性于一身的数据采集器，专为构建下一代可观测 Pipeline 设计。源自阿里云可观测性团队所开源的 iLogtail 项目，在继承了 iLogtail 强大的日志采集与处理能力的基础上，进行了全面的功能升级与扩展。从原来单一日志场景，逐步扩展为可观测数据采集、本地计算、服务发现的统一体。
作为国内可观测领域领先的开源软件，LoongCollector 社区拥有大量开发者踊跃参与贡献。来自阿里云、石墨文档、同程旅行、小红书、字节跳动、哔哩哔哩、嘀嗒出行的工程师共同建设 LoongCollector 社区。
2. 联系方式
关于 LoongCollector 更新信息可以通过以下途径获取：
- 官网：https://observability.cn/project/loongcollector/readme
- Github：https://github.com/alibaba/loongcollector
- 微信联系方式与钉钉群：
3. 项目课题：LoongCollector 流水线性能和稳定性优化
LoongCollector 凭借其灵活的流水线和插件化设计，已在多个开源项目中成为数据流转的核心枢纽。然而，随着用户规模的快速增长，Kafka、OTLP 等主流开源数据源的高吞吐场景下，当前采集性能与稳定性仍存在瓶颈。通过系统性优化，让 LoongCollector 成为开源生态中最可靠的高性能数据采集工具！
- 项目难度：进阶
- 项目社区导师：阿柄（阿里云）
- 导师联系邮箱：bingchang.cbc@alibaba-inc.com
- 项目链接：
https://summer-ospp.ac.cn/org/prodetail/256eb0111?list=org&navpage=org
任务 1 - 性能突破：用 C++ 重构核心插件
目标：
针对 Kafka 等高频数据源，开发高性能 C++ 输出插件，取代现有插件的性能短板。
技术亮点：
1. 掌握 C++ 高性能编程，深入理解内存管理、线程池优化等底层技术；
2. 通过零拷贝（Zero-copy）和异步处理设计，实现吞吐量的量级提升；
3. 与现有 Go 插件对比测试，验证性能飞跃。
任务 2 - 瓶颈定位：用现代工具与技术精准优化
目标：
通过性能分析定位瓶颈，结合先进库与架构设计优化系统。
技术亮点：
1. 使用 perf 工具定位热点函数，结合火焰图（Flame Graph）深度分析；
2. 重构代码：通过批处理提升 Go 插件系统的流水线性能，升级 v2 接口；
3. 引入 SIDM（Single Instruction, Multiple Data）等并行计算技术；
4. 输出性能对比报告，量化优化效果。
任务 3 - 稳定性守护：构建全链路监控体系
目标：
通过插件级自监控，暴露系统问题。
技术亮点：
1. 通过 Prometheus Exporter 暴露自监控指标（如延迟、错误率、吞吐量）；
2. 提升系统容错能力，降低运维复杂度。
opentelemetry-go-auto-instrumentation
1. 项目介绍
opentelemetry-go-auto-instrumentation 作为阿里云开源的无侵入 Golang 语言观测数据采集探针，其通过在编译时期对 Golang 代码的抽象语法树进行更改，实现了“一行代码都不改，观测数据全知道”能力。该项目经过半年多的开源，已经适配支持包括 Gin，Kratos 在内的大部分主流 Golang 开源框架的数据采集，并已成功捐献给 CNCF OpenTelemetry 社区，成为 Golang 编程语言全自动数据采集标准方案之一。
作为国内可观测领域领先的 Golang 语言观测数据采集探针，opentelemetry-go-auto-instrumentation 社区拥有大量踊跃参与的开发者。目前阿里云、腾讯、DaoCloud、DataDog 等公司共同参与社区共建。
2. 联系方式
关于 opentelemetry-go-auto-instrumentation 的更新信息可以通过以下途径获取：
- 官网：
https://observability.cn/project/opentelemetry-go-auto-instrumentation/rbr2dub4uff1g2vr/ - Github：
https://github.com/alibaba/opentelemetry-go-auto-instrumentation - Slack Channel：
https://cloud-native.slack.com/archives/C088D8GSSSF - 钉群：
102565007776
3. 项目课题：opentelemetry-go-auto-instrumentation Golang 大模型无侵入可观测
在社区底座的基础上，开发 eino【1】,ollama【2】 等 Golang 知名大模型应用框架的数据采集插件，在不修改用户代码前提下对以上大模型应用框架进行有效观测数据采集。
- 项目难度：进阶
- 项目社区导师：古琦、青风（阿里云）
- 导师联系邮箱：zhb192729@alibaba-inc.com、qingfeng.yy@alibaba-inc.com
- 项目链接：
https://summer-ospp.ac.cn/org/prodetail/254f90090?list=org&navpage=org
https://summer-ospp.ac.cn/org/prodetail/254f90153?list=org&navpage=org
课题 1 - 数据采集：基于底座监控大模型应用，并适配 OpenTelemetry GenAI 规范
目标：
通过已有开源底座，编写大模型应用框架的监控插件，完成对大模型应用的无侵入数据采集，同时采集的数据需要符合 OpenTelemetry GenAI【3】 规范。
课题 2 - 稳定性守护：构建完整回归验证用例
目标：
通过现有测试框架，完成对大模型应用框架监控插件在各个版本下的完整回归测试，保证整体代码的健壮程度。
参与方式
如何参与活动？
1. 访问开源之夏活动官网（https://summer-ospp.ac.cn）注册并详细了解项目列表。
2. 浏览 LoongCollector、opentelemetry-go-auto-instrumentation 社区的项目介绍，找到让你心动的课题。
3. 准备一份展现你热情与能力的申请书，与我们的社区导师取得联系，探讨你的想法与计划。
4. 完成申请流程，静待佳音，准备开启你的开源之旅！
参加活动需要符合什么条件？
- 本活动面向年满 18 周岁的在校学生。
- 暑期即将毕业的学生，只要在申请时学生证处在有效期内，就可以提交申请。
- 中国籍学生参与活动需提供身份证、学生证、教育部学籍在线验证报告（学信网）或在读证明。
- 外籍学生参与活动需提供护照，同时提供录取通知书、学生卡、在读证明等文件用于证明学生身份。
参加活动可以收获什么？
- 结识开源界小伙伴和技术大牛。
- 获得社区导师的专业指导，与开源项目开发者深度交流。
- 丰富项目实践经验，提升项目开发技能。
- 为学习方向提供参考，为职业发展积累人脉。
- 获得结项奖金和结项证书（基础难度税前 8000 元 RMB，进阶难度税前 12000元 RMB）；通过结项考核的学生将更有机会获选优秀学生证书。（注：奖金由开源之夏官方提供，细则参见
https://blog.summer-ospp.ac.cn/help/student%20guide）
一定要关注的时间节点！
5 月 4 日 - 6 月 9 日期间，学生可以通过开源之夏官网注册、与导师沟通项目并提交项目申请。对 LoongCollector 以 opentelemetry-go-auto-instrumentation 社区开源之夏课题感兴趣的同学，可以通过本文上方导师邮箱，提前联系导师沟通课题需求，找到最适合自己的课题方向。
学生在开源之夏课题参与期间，通过线上工作形式完成课题，相关项目结项需要在 9 月 30 日前以 PR 形式提交到相应项目的社区仓库，并在 10 月 31 日前完成合并，结项的同学根据项目难度获得结项成果及奖金，并有机会获选主办方优秀学生。
【1】einohttps://github.com/cloudwego/eino
【2】ollamahttps://github.com/ollama/ollama
【3】OpenTelemetry GenAIhttps://opentelemetry.io/docs/specs/semconv/gen-ai/
