某部专业技术干部 AI 考评系统产品系统

一、立项背景与产品问题
1. 传统考评流程效率不足
专业技术干部调级晋职考评涉及申报、审核、评审、评分、投票和归档等多个环节，传统模式主要依靠人工整理材料、线下审核和人工统计，存在材料数量多、审核周期长、流程协同效率低等问题。
2. 评审标准复杂，过程追溯困难
考评过程中涉及岗位条件、资格要求、评分规则、专家评价等复杂业务规则，不同人员对政策和标准理解可能存在差异，影响评价一致性。
3. AI 辅助提升智能化水平
项目建设 AI 智能考评系统，通过人工智能、大模型、知识库和业务流程管理技术，对考评全过程进行数字化升级。利用申报 Agent、预评审 Agent、评分 Agent 和投票辅助 Agent，实现材料解析、资格核验、规则匹配、评分辅助和结果整理，提高审核效率。
二、行业场景与业务背景
1. 专业技术人才评价场景
系统主要应用于专业技术人才评价、岗位晋升考核和干部能力评估等场景，服务申报人员、审核人员、评审专家及管理单位。
2. 智能申报与资格审核场景
申报人员可上传文字、图片、Word、PDF 等材料，系统通过 AI Agent 自动解析内容，提取关键字段，生成结构化申报信息，并根据材料状态提示缺失内容。
3. 智能评审与结果管理场景
现场评审阶段支持题目抽取、答辩记录、专家评分和异议复核。AI 根据评分标准、答辩内容和知识依据生成辅助评分建议，并提供依据说明；投票阶段支持专家独立投票、结果统计和权限管理，实现全过程留痕和可追溯管理。
系统采用 C/S+B/S 混合架构，Electron+Vue 实现客户端和现场控制端，Vue 浏览器端支持专家评分与投票，Spring Boot 提供业务服务，Python+FastAPI 提供 Agent 编排和知识检索能力，实现 AI 技术与考评业务深度融合。

一、项目功能模块
1. 智能申报模块
面向专业技术干部个人申报场景，提供材料录入、附件上传、信息提取和申报提交功能。支持文字、图片、Word、PDF 等多类型材料导入。
2. 智能预评审模块
面向审核人员提供资格核验和基础项计分辅助能力。系统根据本批次考评规则、资格条件和申报信息，对任职时间、专业方向、成果证明、材料完整性等内容进行自动检查。
3. 智能评审与答辩评分模块
面向现场评审专家，实现题目抽取、答辩记录、评分辅助和异议复核功能。系统支持客观题抽取和主观题现场提问，结合评分标准、标准答案、答辩转写内容及知识依据。
4. 专家投票与结果归档模块
支持评委通过浏览器端独立投票，系统按照业务规则完成投票有效性校验、自动计票和结果展示。AI 辅助完成进度查询、异常记录检查、结果整理和报告生成。
二、项目主要功能描述
1. AI Agent 智能业务处理
项目基于多 Agent 架构，将申报 Agent、预评审 Agent、评审 Agent、投标 Agent 融入考评业务流程，实现从材料提交到结果归档的智能辅助。
2. 知识库与智能检索功能
系统建设面向考评业务的知识库，对政策制度、资格条件、评分标准、历史材料等内容进行解析、切分和结构化管理。
通过知识增强能力，系统能够为资格审核、规则匹配、材料一致性检查和异常关联分析提供可追溯依据，提高审核准确性。
3. 智能评分与结果管理功能
系统支持评分规则、标准答案、评分点和分值结构化管理，实现客观题抽取、主观题评分辅助和异议复核。
4. 多端协同与业务支撑功能
系统采用 C/S+B/S 混合架构，实现多角色协同工作。Electron+Vue 支持申报客户端、操作控制端和现场展示端；Vue 浏览器端支持专家评分和投票；Spring Boot 提供业务流程、权限管理和状态控制。

1. 负责具体任务
作为项目个人独立全栈开发人员，负责项目从需求分析、系统设计、技术选型到开发部署的全过程工作，包括业务流程梳理、系统架构设计、UI 设计、客户端开发、前后端开发、AI Agent 开发、知识库建设、测试及现场部署。负责设计并实现申报、预评审、评审、投票四大业务模块。负责 AI 能力建设，设计并实现申报 Agent、预评审 Agent、评审 Agent 以及投标 Agent。负责系统工程化交付，包括 Docker 部署、数据库设计、权限控制、日志记录、异常恢复和多端联调，保障系统在局域网环境下稳定运行。
2. 技术栈、系统架构及实现亮点、难点
采用 C/S+B/S 混合架构，Electron+Vue 实现桌面客户端、操作控制端和现场展示端；Vue 实现专家浏览器端；Spring Boot 提供业务服务、权限管理、流程控制和数据接口；Python+FastAPI 提供 AI Agent 编排和知识检索服务。核心技术包括 LangChain、LangGraph、LightRAG、Milvus、Neo4j、MySQL、Function Calling、Docker 等。
3.项目实现亮点主要包括：
（1）AI 与业务流程深度融合。
将 AI Agent 应用于材料申报、资格审核、评分辅助和异议复核等实际业务场景，通过 Function Calling 接入材料解析、规则校验、成绩计算等业务工具，实现 AI 在受控范围内执行任务。
（2）评分规则智能化管理。
将题目、标准答案、评分点、分值规则进行结构化管理，实现评分依据、作答内容和证据材料关联。
4.项目难点主要包括：复杂业务流程与 AI Agent 结合、评分规则准确控制、知识检索可靠性以及局域网环境下多端协同。