1、立项原因：饲料生产许可现场审核涉及法规条款多、专业性强，传统人工逐条对照方式效率低下且易遗漏关键项。本项目以大模型为核心，通过自然语言交互式完成检查项智能匹配与审核报告自动生成，解决审核标准不统一、报告撰写耗时等行业痛点。
2、行业场景：饲料生产企业接受农业农村部门现场审核时，需要依据《饲料和饲料添加剂管理条例》及地方细则逐项核验。审核人员多为行业专家但非IT人员，企业自检人员也缺乏系统化工具。本系统基于大模型，只需输入企业基本情况，即可自动推理出适用的检查清单；审核中通过对话式引导打分；审核后大模型根据现场记录一键生成正式报告，适用于审核前准备、现场检查、审核后归档全流程。
1、项目具体功能模块包括：企业信息对话采集模块、大模型检查项推理匹配模块、现场审核打分模块、不达标项智能分析模块、大模型审核报告生成模块、历史审核记录查询模块、H5移动端适配模块。
2、主要功能描述：用户通过H5页面以自然语言描述企业类型、生产规模、设备配置等信息，大模型自动推理并生成个性化检查清单，过滤无关条款。现场审核时，审核人员逐项打分并补充现场情况描述，大模型实时理解不达标项的根本原因并给出整改建议。审核结束后，系统将所有打分原始数据、现场照片描述、备注文本提交大模型，大模型自动撰写完整的审核报告，包括审核结论、不达标项清单、整改意见、法规依据引用，全程无需人工撰写报告文案。
1、“我”负责的具体任务：完成后端架构设计，包括数据库设计、RESTful API开发、大模型API对接；设计Prompt工程模板，实现检查项推理匹配与报告生成两条核心链路；编写现场审核数据采集与存储逻辑；实现H5前端与后端的交互；部署MySQL并编写初始化脚本。
2、技术栈与核心亮点：采用Spring Boot + MyBatis-Plus + MySQL + Vue3 + Vant H5 + 大模型API（文心/通义千问/GPT）。项目最大亮点是完全以大模型为智能中枢：①检查项不再由人工预置或硬编码，而是每次根据企业描述动态推理生成，能够自适应不同地区政策差异和企业特殊情况；②报告生成模块利用大模型将分散的打分、备注、照片描述融合为流畅专业的三段式报告（基本情况、检查发现、整改要求），并自动引用法规条款；③设计了上下文窗口管理策略，将整个审核过程的对话记录打包送入大模型生成报告。难点在于：设计高鲁棒性的Prompt，确保大模型输出可解析的JSON结构用于前端渲染；处理大模型偶尔生成的“幻觉条款”，通过后置规则匹配标准法规库进行校验；控制Token消耗，优化长上下文（如50个检查项+多项备注）的报告生成成本与响应时间。
评论