1、立项原因 — 旨在解决的产品问题
本项目针对“分散且难以解释的风险判定流程”，通过多智能体协同分析与基于检索增强生成（RAG）的 LLM 报告自动化地完成风险识别、归因和可审计报告，降低人工审查成本、提升风险判定一致性并增强结果可解释性（关键模块：app/agents/multi_agent_workflow.py、app/skills/risk_analysis_skill.py、app/skills/llm_report_skill.py、app/skills/report_generation_skill.py）。
2、行业场景与业务背景
适用于金融风控、反欺诈、合规审查与交易监控等场景：系统可接入交易/事件数据进行多维度风险判断、生成审计级别的分析报告并对接前端与 API（相关文件：app/api/transaction_api.py、app/api/risk_api.py、app/api/report_api.py、frontend）。在监管要求严格或需快速批量筛查与留痕的业务线（银行、支付、证券、保险、企业合规）能显著提升效率并提供可复核的决策依据。
交易流水查询：按用户 ID 查询最近交易记录
规则风险识别：根据金额、时间、地点、设备等因素计算风险分数
风险报告生成：输出结构化风控分析结果
LLM 智能报告：调用大模型生成专业中文风控报告
RAG 知识库检索：基于 FAISS 检索本地风控规则文档
LangGraph 工作流：串联 SQL、风险识别、RAG、报告生成节点
多 Agent 分析：SQL Agent、Risk Agent、RAG Agent、Report Agent 协作完成分析
会话记忆：按 session_id 保存和读取历史分析结果
前端页面：提供一个简单的 Web 控制台用于发起风险分析和查看报告
技术栈
我负责整个项目的开发
技术栈：
后端框架：FastAPI
ASGI 服务：Uvicorn
数据库：MySQL
ORM/SQL：SQLAlchemy + PyMySQL
大模型框架：LangChain / LangChain OpenAI
多 Agent 编排：LangGraph
向量数据库：FAISS
Embedding 模型：sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
配置管理：pydantic-settings + python-dotenv
前端：HTML + CSS + JavaScript
声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态
评论