智能诊断 Agent 系统_系统开发案例-程序员客栈

技术信息

语言技术
Python、postgres、Docker、Redis、React系统类型
Linux、Web、小程序轻应用行业分类
人工智能、工业互联网

作品详情

行业场景

面向电力局部放电在线监测场景，针对设备诊断过程中需要人工查询监测数据、查阅技术规程并结合经验分析的问题，设计开发私有化智能诊断 Agent 平台，实现设备状态查询、规程检索、异常分析和诊断报告生成的一体化辅助诊断。

功能介绍

1.设计了长短期记忆
2.基于parent-child切分的rag多路检索，metadata中包含版本号，权限等诸多细节
3.自然语言查询text2sql功能，包含预检，schema返回（以及少样本返回），sql生成（模板或llm依据字段生成），只读ast审计等
4.plan and excute 模式
5.tool 工具流式生成执行，后工具可调用前工具即时生成结果
6.使用渐进式压缩摘要优化上下文，考虑输入端提示词超限和输出端返回超限两种情况的摘要做法

项目实现

技术栈：LangGraph、Qwen3.5-35B、bge-m3、bge-large-zh、FastMCP、pgvector、Ragas、LangSmith、Prometheus
诊断流程编排：针对局放诊断过程中需要同时查询设备状态、历史监测数据及技术规程的问题，设计基于 LangGraph 的任务流程，将数据查询、知识检索和诊断分析拆分为可复用节点；根据任务类型选择 Text2SQL、RAG 或联合推理流程，并增加异常重试与结果校验机制，提高复杂诊断流程稳定性。
知识检索与RAG评测：针对电力标准、检测规程等文档章节层级复杂、上下文容易丢失的问题，设计条款/章节级切分策略，结构化文档采用层级切分，通用文档采用 Recursive Chunk；结合 Metadata Filter、Hybrid Retrieval 优化知识召回；构建200条黄金测试集，引入 Ragas 建立 RAG 离线评测流程 RAG Recall 提升约22%。
Text2SQL 数据查询：针对诊断人员需要通过自然语言查询监测数据的问题，设计安全可控的 Text2SQL 流程。通过 Schema 召回、Few-shot 匹配和规则约束缩小模型生成范围，并增加 SQL 字段校验、AST 安全审计和只读执行机制，降低 SQL 幻觉及误操作风险；针对执行失败场景保留 Schema 上下文进行自动纠错。
多轮诊断上下文管理：针对多轮诊断过程中上下文过长的问题，设计记忆与上下文分离机制；记忆负责历史会话保存和摘要压缩，上下文根据当前任务动态选择设备信息、检索证据和历史结果进入模型输入，提高长流程诊断任务稳定性。