基于 Multi-Agent 的智能教务助手系统产品系统Vibe Coding

排课、学员查询、成绩统计、课时核算等教务工作规则复杂、重复性高，人工操作效率低且易出合规风险。基于前期 RAG 技术沉淀，落地 Multi-Agent 智能教务助手，实现核心教务场景自动化执行与智能化辅助。

覆盖排课/学员档案/成绩统计/课时核算等 12 类教务场景自然语言交互，意图到工具调用映射准确率 91%，异常误操作率降低 80%。
常规查询与核算效率提升 60%；重耗时场景从 40 分钟缩短至 5 分钟；新人上手周期从 2 个月缩短至 2 周，培训成本降低 60%。
沉淀 PHP 传统业务快速植入 Multi-Agent 的可复制路径，现有系统无需重构即可完成 AI 升级，提供标准化框架。

Multi-Agent 分层协作架构：PHP 后端构建 Agent 调度中枢，设计“路由 Agent - 领域 Agent - 审核 Agent”三级协作；路由 Agent 负责意图分类、槽位填充与任务分发；状态机环路治理引入最大 Tool Call 深度限制、动态上下文剪枝、JSON Schema 强校验，解决 ReAct 循环死锁与幻觉调用；封装排课冲突检测、学员档案查询、成绩统计、课时核算、课表导出等 12 类业务工具。
"API Function Calling + 隔离型 Text2SQL" 双轨数据交互：打通排课/学员/订单系统，将 12 类业务操作封装为带 JSON Schema 校验的 API Function 工具；灵活查询采用 Schema 剪枝（仅暴露业务视图）+ SQL 语法树预检，严格限制只读权限与查询行数，从源头拦截高危 SQL；意图到工具调用映射准确率 91%，支持多轮对话参数补全。
"硬规则引擎 + LLM-as-a-Judge" 双重安全卫士：输出前先经 PHP 硬规则引擎拦截排课时间重叠、课时扣减边界、数据权限等刚性校验，再由审核 Agent 做大模型合规性与上下文一致性二次校验；高敏感批量核算引入人工确认 Hook；异常误操作率降低 80%。
高并发 Agentic 实时状态流架构：Redis 维护分布式会话状态与 Token 窗口，保障多实例上下文一致；RabbitMQ 解耦排课计算、批量课时核算等长耗时任务；SSE 协议实时推送 Agent 推理过程、阶段结果与任务状态；复杂排课冲突排查、批量课时核算平均耗时从 40 分钟压缩至 5 分钟。