1.立项原因：
中小学学生、家长和教师在日常学习生活中，有大量重复的校园信息查询需求，如“图书馆几点开门”“我明天有什么课”“我的数学成绩”“校园卡丢了怎么办”等。这些信息分散在规章制度文档、教务系统和一卡通系统中，查询入口多、效率低，且常需人工答疑。传统聊天机器人无法准确理解上下文，直接使用大模型又会编造答案。因此需要构建一个能检索真实校园知识、查询个人数据、记住用户身份、支持多轮对话的智能体，提升校园服务效率和体验。
2.业务背景：
校园信息化建设逐步完善，但各系统相对独立，师生需要一个统一、自然、智能的服务入口。中小学数据规模适中，适合落地轻量级 AI 应用，且对数据权限隔离有明确要求。
1.校园知识问答：基于 RAG，覆盖 20+ 份中小学规章制度文档，支持图书馆、转学、校园卡、宿舍、请假、奖学金等问题的准确回答，回答有据可查，避免大模型幻觉。
2。个人数据查询：支持课表、成绩、一卡通余额查询，用户登录后自动使用学号，无需重复输入；支持“今天”“明天”“后天”等相对日期和星期查询。
3.多轮对话记忆：基于 LangGraph MemorySaver，支持跨轮次指代和上下文理解，例如先问“我明天有什么课”，再问“后天呢”能正确识别。
4.用户身份与权限管理：学生登录后只能查询本人数据，管理员可查询任意学生并支持按姓名检索；实现学号、姓名双重越权拦截。
5.知识库管理后台：管理员可上传、删除制度文档，一键重建向量库，无需修改代码。
6.Web 界面与 API 服务：Streamlit 提供交互界面，FastAPI 提供标准 REST API，支持多端访问和后续系统对接。
我负责的具体任务：
独立完成从需求分析、系统设计、技术选型、核心功能开发、测试优化到部署文档编写的全流程。包括 Agent 架构设计、RAG 知识库构建、工具调用实现、多轮记忆与歧义确认机制、权限隔离、前端界面与 API 开发、SQLite 数据库与 CSV 导入工具、知识库管理后台、部署脚本和面向零基础用户的部署文档。
技术栈与架构：
Python、LangGraph、LangChain、DeepSeek、ChromaDB、SiliconFlow Embedding、FastAPI、Streamlit、SQLite。
实现亮点：
采用 LangGraph 构建有状态多节点 Agent，实现意图识别、条件路由、工具调用和持久化记忆。
设计 RAG 检索增强流程，通过相似度阈值优化召回，回答成功率 100%。
采用“规则预处理 + LLM 兜底”混合策略，解决 LLM 工具调用不稳定问题。
实现多轮歧义确认机制，避免混合话题下的答非所问。
实现学生/管理员双角色权限隔离，防止越权查询。
实现难点：
大模型幻觉与知识过时：通过 RAG 强制基于文档回答，检索不到时返回兜底话术。
简略指代理解：通过 MemorySaver + 历史上下文 + 待确认机制解决。
工具调用参数缺失：通过用户信息注入和历史学号提取自动补全。
权限隔离：登录身份贯穿所有查询节点，学号与姓名双重校验。
评论