雷达售后运维智能 Agent 系统产品系统Vibe Coding

雷达设备项目交付后，售后环节长期存在这些痛点：
1. 售后工程师人手有限，现场调试、故障排查依赖老工程师经验，新人上手慢；
2. 故障手册、调试文档、历史工单分散，查资料慢，现场遇到报错需要翻大量 PDF、聊天记录；
3. 设备台账、历史报修记录分散在数据库，查询设备历史故障、跟进记录步骤繁琐；
4. 同类问题反复咨询技术开发，占用研发精力，故障经验无法沉淀复用。

1. 知识库智能问答（RAG 检索）
导入雷达硬件手册、调试指引、常见报错、故障解决方案文档，工程师用自然语言提问（比如 “雷达报 XX 错误代码怎么排查”），Agent 只基于内部资料给出方案，减少 AI 幻觉。
2. 工单 & 设备台账查询（工具调用）
支持通过设备编号、客户名称、工单编号，自然语言查询 MySQL 售后工单、设备信息、历史售后记录，自动调取历史故障、维修记录。
3. 故障案例检索
根据故障现象、报错代码，自动匹配历史同类故障案例，参考之前的处理方式。
4. 多轮对话跟进
支持连续追问，模拟技术沟通，一步步引导排查故障，留存对话记录。
5. 知识库维护
支持上传新的故障文档、新版手册，自动切片、向量化入库，持续更新经验库。
6. 对话记录留存
保存每一次问答记录，方便复盘、追溯问题。

1. 技术基座
以豆包大模型作为 LLM 基座，基于 LangChain 实现 Agent 编排，使用 Function Call 工具调用能力，搭配 RAG 检索增强，规避大模型幻觉。
2. 数据层
业务数据库：MySQL，存储售后工单、设备台账、客户、售后跟进记录；
向量库：FAISS/Chroma，存放文档向量，实现相似度检索；
3. 后端服务
Python + FastAPI 搭建接口服务，负责文档解析、文本分片、向量化、检索、大模型接口调用、数据库查询封装；
4. 前端交互
Web 网页方案：浏览器内网访问，无需安装客户端，运维简单；
Qt 桌面端方案：PyQt/PySide 开发，和公司现有雷达上位机风格统一，适合工程师本地使用；
5. 测试
开展功能测试、RAG 召回准确率测试、边界测试、防幻觉测试，使用 Postman 做接口测试，结合售后业务人员做验收；
6. 运维部署
部署在内部 Linux 服务器，通过 Supervisor 托管服务，Nginx 做反向代理；Shell 脚本定时完成数据库备份、日志维护，定期更新知识库与向量索引。