LLM与规则引擎的智能决策系统产品系统Vibe Coding

本项目旨在解决企业引入大模型（LLM）时面临的“幻觉不可控”与“API单点故障”痛点。在智能客服、工单自动化分流、复杂业务审批等场景中，大模型虽然能生成灵活的策略，但常常输出不符合业务规范的垃圾数据，甚至直接宕机。本系统通过“AI生成+传统代码双重校验”的混合架构，保障业务在享受AI红利的同时，拥有绝对的确定性与高可用性。

项目核心在于构建一个既聪明又稳定的AI决策闭环：

智能策略生成：接入主流大模型API（如GPT/千问），根据用户输入或业务上下文，自动生成处理策略或回复话术。
硬核规则校验：将大模型输出的JSON/文本交由Java规则引擎进行严格校验（如：金额是否超限、权限是否匹配、违禁词过滤）。
失败回喂重试：若校验不通过，系统自动收集错误信息，重新组装Prompt回喂给大模型，令其自我修正（最多重试3轮）。
纯规则降级兜底：若模型多次重试失败或API网络超时/宕机，系统自动无缝切换至纯本地预设规则引擎，确保业务100%不中断。

1、具体任务：独立完成整体架构设计与全栈代码开发。包括大模型API的SDK封装、Prompt模板工程的动态化设计、Java规则校验器的开发以及全链路降级监控的接入。
2、技术栈与亮点/难点：架构基于Spring Boot生态，利用Redis做会话状态与重试次数的缓存限制。
亮点：创新性地引入了“AI幻觉防御机制”。并没有让大模型直接触碰底层业务逻辑，而是将其作为“参谋”，由Java代码作为“主将”做最终裁决。
难点：如何设计轻量级且高扩展的规则校验链（使用设计模式解耦不同的业务规则），以及如何优化Prompt，使大模型在重试时能精准理解校验失败的原因并进行修正。