冷链云 TMS 平台上线后，运维排障与业务取数成为两类高频堵点：一次服务变慢的排查，工程师要分别登录服务器看硬件指标、查 Nacos 服务注册状态、翻 Loki / ES 错误日志、拉 Prometheus 指标、比对 Git 最近变更，人工串联证据链，单点异常容易误判；运营人员想查某张运单的温度超标记录或装车单数量，业务表分散在多个库，表间关系是从运输任务到装车单、冷链采集再到温度数据的图结构，只能提需求等报表或自己写 SQL。而冷链运输对温度与轨迹是强实时，超温处置窗口很短。CCTSMate 因此立项：把运维诊断、数据查询、业务操作和知识问答收进同一个自然语言入口，让 AI 按证据链自动取证并生成诊断报告，让业务人员用一句话完成查数与异常登记。面向的使用者是冷链平台运营人员与 IT 运维人员。
系统按四类意图分流：运维诊断管线先做实体提取与非阻塞配置校验，再并行采集服务器硬件、Nacos 服务状态、Loki / ES 错误日志、Prometheus 指标和 Git 变更，采集后做交叉验证，交给专家智能体产出结构化诊断报告，报告含执行摘要、业务影响、详细分析、时间线，支持多轮补采与 PDF 导出；数据查询管线走选表、JSON 查询计划、程序拼 SQL、多层安全校验、EXPLAIN 预检到执行，结果以表格和图表呈现；业务操作管线抽取运单号等参数后调用冷链云 TMS、数据网关与质量中心接口，完成温度异常登记等操作；对话管线用 Milvus 稠密向量加 Lucene BM25 稀疏召回做混合检索，配合重排序与文档导入链回答 GSP 冷链规范类问题。平台层提供流式思考过程与节点执行卡、报告弹窗、审批与降级确认卡、任务中断恢复；管理侧有 AI 引擎配置、数据源与日志源、服务资产、知识图谱管理、Trace 追踪、审计日志和运营仪表盘。
我负责智能体架构与核心链路开发：设计「用户显式选模式为主路径、LLM 意图分析兜底」的路由，并实现增强版多层信号扫描与置信度决策门；搭建策略管线与 DAG 编排，支持固定路由、有界 ReAct 与 LangGraph4j 状态图三种编排切换；实现多源并发采集与证据交叉验证、NL2SQL 的两步骤生成与自纠错、Neo4j Schema 图谱的 JOIN 路径检索、SSE 流式推送与多轮上下文压缩，以及配置版本、故障注入与 Trace 留痕。技术栈为 Java 17 + Spring Boot 3.2 + LangChain4j / LangGraph4j + MyBatis-Plus + Spring Cloud OpenFeign / Nacos，配 Milvus、Neo4j、Redis、Lucene BM25、MySQL 与 MinIO，前端 Vue 3 + Vite + Pinia + ECharts + markdown-it。难点与取舍：显式模式直连避免每次请求都调用大模型，兜底链路才做语义判断；采集用并发编排加分组与全局超时，并对 Nacos 与日志、硬件与指标、代码变更与日志做交叉验证，单点异常不直接下结论；SQL 生成先选表再由程序拼装，配合白名单、语法解析、黑名单与执行计划预检四层拦截，失败按错误类型有限次自纠错；表间关系用图最短路径代替启发式 JOIN；长对话用摘要压缩与实体抽取控制上下文，流式输出用 SseEmitter 心跳与批量 flush 保证体验。
评论