AI问题诊断助手产品系统Vibe Coding

立项原因：金融行业IT运维中，异常排查依赖人工经验，平均故障定位耗时30分钟以上，且运维人员夜间值班响应慢、误判率高。本项目旨在通过AI自动化替代人工排查，将故障诊断时间压缩至秒级。

核心功能模块：
MCP 工具集成层 — 基于 MCP 协议封装多个标准化的工具接口，实现一站式的跨系统查询能力：
交易信息查询：根据交易流水号/订单号，实时调取支付网关的交易状态、支付渠道返回码、时间线轨迹
账户信息查询：查询用户账户余额、冻结金额、日累计限额、卡状态等账户维度的关键数据
接口规范查询：检索各支付渠道（银联、网联、第三方支付）的接口文档、错误码映射表、字段约束规范
AI 智能诊断引擎 — 接入大语言模型，将 MCP 工具返回的结构化数据（交易状态、账户快照、接口错误码）与业务上下文（订单信息、渠道规范）一同组装为分析提示词，由大模型自动推理交易失败的原因链，输出：
根因定位（如"银联返回码 03 - 无效商户，原因：商户号未在银联侧报备"）
责任归属（我方 / 渠道方 / 用户侧）
修复建议（如"前往银联商户平台完成报备后重试"）
诊断对话界面 — Vue 构建的 Web 对话式交互界面，运维/客服人员输入交易流水号，系统自动调用 MCP 工具链查询 → 大模型分析 → 自然语言返回诊断结论，支持追问和上下文延续。
诊断报告与知识沉淀 — 每次诊断自动生成结构化报告（含时间线、根因、处理建议），支持一键导出；高频问题自动沉淀至故障案例库，持续优化大模型的诊断准确率。

本人职责：独立完成项目整体架构设计、后端 Java 诊断引擎开发、前端 Vue 管理界面实现，以及基于 LangChain 的 RAG 知识库检索链路搭建。
技术栈与架构亮点：
后端：Spring Boot 3 + MyBatis-Plus + MySQL，采用微服务架构，诊断引擎模块与业务系统解耦
前端：Vue 3 + Element Plus
AI 层：接入通义千问 / DeepSeek 等国产大模型 API，结合 LangChain 框架构建 RAG 检索增强生成链路，实现"问题解析 → mcp工具调用 → 提示词组装 → 诊断输出"全流程自动化。