开发一个船舶故障检索网站产品系统Vibe Coding

船舶在远海航行过程中常面临发动机、液压系统、电气设备等关键装备的突发故障,而船员专业背景参差不齐、随船维修资料多为非结构化的纸质手册和案例文档,排障效率低下。同时海上网络环境受限,无法依赖云端大模型在线问答。立项旨在解决船舶装备故障诊断中知识难以结构化、专业术语检索不精准、海上离线场景缺乏智能辅助、维修建议来源不可追溯等产品问题,为船舶运维人员提供可离线运行、答案可溯源的智能问答工具,覆盖船舶发动机、液压系统、电气设备等关键装备的运维业务场景。

本项目是一套面向船舶装备故障诊断的离线智能问答系统,主要功能模块包括:(1)知识图谱构建模块,将船舶故障案例、维修手册等非结构化数据抽取为故障现象、故障原因、维修步骤、零部件、注意事项等实体与关系,实体数不少于 500、关系数不少于 80;(2)混合检索模块,基于 LangChain 框架融合关键词检索与语义向量检索,并联动 Neo4j 知识图谱进行结构化推理,提升召回率与准确率;(3)RAG 问答模块,采用参数规模不超过 7B 的开源大模型(如 GLM-4、Llama 3),结合检索结果生成可追溯的维修建议;(4)Streamlit 交互界面,支持文本输入、关键词检索、历史对话管理、答案导出;(5)知识图谱可视化模块,展示"故障现象—原因—解决方案"的关联关系;(6)轻量化部署模块,保证完全离线环境下内存占用不超过 8GB、启动时间不超过 30 秒、单轮响应不超过 3 秒。

我主要负责整套前端系统的设计与开发。技术栈采用 Vue 3 + Vite + Pinia + Vue Router,UI 组件库选用 Element Plus,知识图谱可视化使用 ECharts 关系图(Graph)与力导向布局,接口通信基于 Axios 封装统一的请求拦截与错误处理,与后端 Python(LangChain + Neo4j + 本地大模型)通过 RESTful API 对接。架构上将界面拆分为问答对话、历史会话、知识图谱、答案溯源四大模块,通过 Pinia 集中管理会话状态与图谱筛选条件,利用流式响应(SSE)逐字渲染大模型生成内容以提升交互体感。亮点在于实现了知识图谱可视化与问答结果的联动,即用户提问后图谱会自动高亮命中的实体与多跳路径,使答案"看得见、可追溯";难点在于完全离线环境下的前端资源加载优化与大规模图谱节点的渲染性能,最终通过 Vite 静态打包、字体与图标本地化、ECharts 节点分层渲染与懒加载,使界面在普通 PC 上启动不超过 30 秒、500+ 节点图谱仍能流畅交互。