每年全国高考报名人数突破1400万，但优质志愿填报咨询资源极度稀缺——线下一对一咨询动辄数千元且"一号难求"，通用AI又缺乏垂直知识库容易编造录取数据，家长在出分后3-7天内面临"选城市、选学校、选专业"的高压决策。
本系统是一个面向高考志愿填报场景的垂直领域AI智能体，以"张雪峰风格"为核心产品差异化，采用"路由分类→双通道检索→大模型生成"的RAG架构：自建1000+篇高考知识库（覆盖31省政策、959所院校、175个专业方向），通过Qdrant向量数据库实现语义检索，结合SQLite结构化录取数据进行冲稳保判断，最终由DeepSeek大模型生成"先结论、再风险、后替代方案"的务实回答，并内建三道防幻觉防线（禁止编造清单+事实优先级+输出验收规则）确保数据可靠性，解决信息不对称下普通家庭"填不好志愿"的痛点。
系统核心功能包括：智能问答路由——自动识别用户提问类型（分数咨询、院校分析、专业解读、政策规则、家庭约束），精准匹配对应知识库进行检索；双通道RAG检索——命名实体直接命中+Qdrant向量语义检索并行，从1000+篇高考知识库中提取最相关内容；结构化数据查询——接入SQLite录取数据库，实时计算冲稳保录取概率，支持按省份、院校、专业多维度查分；张雪峰风格回答生成——通过风格库+案例库+系统提示词三层注入，让大模型输出"先结论、再讲风险、后给替代方案"的务实人话回答，而非百科式AI腔；防幻觉保障——禁止编造分数位次等硬数据，历史数据自动附带免责声明，所有经验判断与事实数据明确区分；后台可视配置——支持在线切换LLM模型（DeepSeek/NVIDIA/Anthropic）、调节并发数、管理广告奖励策略，无需改代码即可调参上线。
技术栈采用Node.js原生http模块（无框架）+纯HTML/CSS/JS前端+SQLite结构化数据库+Qdrant向量数据库+LM Studio本地Embedding+DeepSeek云端大模型，整体为五层RAG架构：内容层（1000+篇Markdown知识库）→数据层（SQLite录取数据）→检索层（路由分类+Qdrant向量检索）→模型层（本地向量化+云端LLM）→前端层（原生对话界面）。
实现亮点：一是自研路由分类引擎，将用户问题自动归类为分数咨询、院校分析、专业解读、政策规则、家庭约束五种类型，按类型定向检索对应向量集合，避免全库暴力搜索；二是双通道检索设计，命名实体直接命中（如用户提到"山东大学"则直接读取该校档案）与向量语义检索并行，兼顾精准度和召回率；三是三阶段数据摄入管道，Markdown按标题分段+1200字符切块+LM Studio向量化+Qdrant批量写入，支持增量更新；四是Prompt工程体系，通过风格库、案例库和系统提示词三层注入，让大模型输出张雪峰式的务实人话回答而非百科腔。
难点在于：防幻觉控制——通过禁止编造清单、事实优先级标注、输出验收规则三道防线约束LLM不编造分数位次等硬数据；路由准确率——多级规则匹配+命名实体提取+关键词打分的复合策略，处理"612分能上什么大学"这类同时触发多个路由的歧义问题；检索去噪——重排序算法需根据路由类型动态过滤无关片段，同时始终保留风格案例确保回答风格一致；并发与成本平衡——本地Embedding零成本但LLM调用有费用，通过maxConcurrency限流+前端排队动画+广告奖励机制控制成本。
评论