光伏 / 储能 / 充电桩一体化电站的运维场景。
电站业主和运维人员日常在监控大屏、报表、告警列表和产品手册之间来回切换：查一次发电量要跨三四个页面，改一次大屏配置要等实施人员排期，翻产品手册找一条告警的处置步骤要十几分钟；告警发生时，还要人工把实时数据、历史工单、设备手册拼起来判断根因。
我在原有电站管理平台里加了一个自然语言入口：用户一句话完成"查数据、配大屏、问手册"，告警发生时自动关联实时数据与相似历史工单做根因推理，满足条件的直接生成诊断工单，不满足的附诊断报告转人工。
1、自然语言查数：一句话查发电量、辐照量、设备状态、告警与报表，由模型自主选择并组合调用平台已有接口，结果以表格/图表返回，支持多轮追问与条件澄清。
2、按角色装配工具：不同角色可用的工具集不同，执行层再校验客户、电站等数据范围，保证多租户之间的查询权限隔离。
3、问答式大屏生成：说"把 3 号电站的发电量、SOC 和充电功率放首页，按小时展示"，模型生成大屏配置对象，前端即时预览，用户确认后才落库生效。
4、产品手册与工单知识库：PDF、Word 等文档统一解析，按内容类型差异化切分，回答附带原文出处，可点开核对。
5、告警根因分析工作流：告警解析 → 关联实时数据 → 检索相似历史工单 → 根因推理 → 规则门控，多信号分级决定"自动建单"还是"附报告转人工"。
6、多轮记忆与会话持久化：短期上下文、活跃会话缓存与全量消息异步落库分离，长会话自动摘要，兼顾连续追问与 Token 成本。
7、多模型路由与降级：意图识别、查数等轻量任务走本地小模型，复杂检索生成与诊断走云端大模型，异常可重试、可降级。
8、安全护轨：输入侧识别提示词注入，执行侧用工具权限与数据范围双重校验防越权，输出侧对敏感信息与诊断建议做风险审核。
1、基于 Spring Boot + LangChain4j 搭建 Agent 主链路。把发电量、辐照量、设备状态、告警、报表等中台接口封装成带参数 Schema 的 Tool，由模型按用户意图自主选择与串联；Tool 描述按"何时该用、何时不该用"来写，误调用率明显下降。
2、大屏生成用结构化输出约束。把已有大屏组件抽象成组件注册表（组件类型、数据源、时间粒度、展示顺序），模型只能输出合法配置 JSON，经 Schema 校验通过才进预览、再由用户确认落库，模型无法凭空生成不存在的组件。
3、知识库检索做完整链路：Tika 统一解析 → 按内容类型差异化切分（产品手册按章节、操作 SOP 保留完整步骤块、历史工单按单条记录）→ BGE-M3 Dense/Sparse 双路召回 → RRF 融合 → Reranker 精排 → PGVector 向量存储。同时自建回归评测集（问题、标准答案、应命中片段），每次改切分或 Prompt 都跑一遍。
4、告警诊断用 LangGraph4j 编排成图：告警解析、数据关联、相似工单检索、根因推理、规则门控五类节点，支持中断恢复与人工介入（HITL）。
5、记忆分层：MessageWindowChatMemory 管短期窗口，Redis 缓存活跃会话状态，业务层把完整会话消息异步持久化到 MySQL；拼装上下文时用「历史摘要 + 最近 N 轮对话 + 结构化会话参数（客户/电站/设备/时间范围）」，而不是把历史全量塞给模型。
6、模型路由按任务类型、成本、时延动态选择：意图识别与查数优先本地模型，复杂生成与诊断走云端；失败重试、超时降级、结果校验不通过一律转人工，宁可慢不可错。
7、流式输出走 SSE，工具调用过程和中间结果逐字下发，降低等待感。
评论