企业云巡AiAgent（自然语言转sql）产品系统Vibe Coding

面向市政道路病害智能管养行业，传统养护业务人员查询病害统计、病害分布数据需依赖研发人员编写 SQL，沟通链路长、响应效率低，且查询结果仅原始数据，缺少标准化养护处置方案。本项目搭建市政病害 AI 智能查询 Agent，打通自然语言查询、自动数据分析、专业养护建议全流程，解决市政养护数字化分析门槛高、决策支撑不足的痛点，实现市政设施管养智能化升级，为城市智慧巡检、道路数字化养护提供 AI 落地样板。

自然语言 Text2SQL 全链路能力：基于 LangChain+Qwen-turbo 构建 AI Agent，输入养护业务自然语言，自动解析意图、检索库表结构、生成合规查询 SQL 并执行，输出结构化病害统计数据；
RAG 知识库与自进化学习：集成 Chroma 向量数据库搭建市政养护知识库，结合 Few-shot 示例提升 SQL 准确率，支持专家人工修正结果自动增量更新向量库，实现模型持续自优化；
业务分析与建议输出：配套 FastAPI 后端接口、数据分析模块，基于查询数据自动生成病害分析结论，输出 200 字内标准化专业养护处置建议，支撑养护人员快速决策。

本人为项目开发负责人，统筹整体技术方案设计、前后端开发分工、大模型链路调优、知识库迭代落地全流程。采用 LangChain 框架搭建智能 Agent 编排链路，接入通义千问 Qwen-turbo 大模型；基于 Chroma 向量库实现 RAG 语义检索 + Few-shot 提示词优化，搭建自进化学习闭环；使用 FastAPI 开发对外服务接口与数据分析模块，完成自然语言转 SQL、数据计算、养护建议生成一体化封装。项目难点是市政行业专业术语适配、SQL 生成幻觉抑制、向量库增量更新链路稳定；核心成果验证 AI 在市政设施管养场景落地可行性，完成 Chroma 向量库工程化落地，为后续 Qdrant 向量库迁移、数据库 Schema 增强迭代打下完整技术底座。