1．搭建RAG检索链路，LangChain+Chroma做语义检索，叠加BM25关键词混合召回。纯向量检索对课程专业术语命中率不够，引入BM25后召回率提了约15个百分点，问答准确率达80%。2．设计多轮对话记忆模块，动态维护上下文窗口。难点是历史过长会撑爆token限制，最终用滑动窗口+摘要压缩平

本项目包含五大核心模块：1.FEMDA五维状态引擎：实时监控物质(M)、信息(I)、逻辑(L)、能量(E)、功能(F)五维熵值，动态评估系统健康度。2.双脑协同系统：外脑（LLM）提供创造性语义生成，内脑（FEMDA内核）保障确定性逻辑推演与安全审查。3.动态源码自进化协议：基于熵值驱动，系统运行中

系统包含商家意图理解、分层长期记忆、企业知识检索、工具调用、权限校验、敏感操作确认和全链路追踪等模块。用户提出经营问题后，Agent会结合账户上下文与历史记忆完成向量检索、BM25关键词检索和重排，再生成可解释的答案或调用受控工具执行任务。对于修改数据、对外发送等操作，系统会先展示执行计划并要求用户

一、双任务共享编码模型基于BERT-base-Chinese构建单模型多任务架构：底层共享编码层，上层分别接安全分类头（正常/广告/色情/暴力/政治敏感五分类）与情感分析头（正面/负面/中性三分类）。一个模型同时输出两个结果，比跑两个独立模型节省近一半资源。二、推理服务提供实时分类与批量审核两类接口

系统按一条完整链路设计：用户提出需求-任务拆解-多源检索-结构化生成-质量评估-人工精修。共六个核心模块：一、Coordinator任务拆解引擎接收「撰写某行业报告」这类自然语言需求，自动拆解为6-8个子任务（宏观环境-市场规模-竞争格局-财务对比-风险提示），并构建任务依赖图（DAG），无依赖的节

系统包含四大核心模块：多模态数据输入：支持用户上传舌苔照片、体检报告，并用语音和文字描述症状。中医知识库检索：基于阿里百炼平台搭建RAG工作流，检索中医古籍与医案。AI辨证推理：大模型结合知识库，进行体质诊断。结构化方案输出：生成包含运动、饮食、方剂参考的个性化调理报告。

系统包含文档管理、知识库问答、引用溯源三个核心模块。文档管理支持上传PDF、Word、TXT、Markdown等格式，自动完成文本解析、切分与向量化入库；知识库问答采用语义检索与大模型生成结合的方式，员工输入自然语言问题后返回结构化答案；引用溯源为每条结论标注对应的文件名、段落与相似度，并展示原文片

1、Agent决策（agent_brain）：解析模型输出、整理成结构化动作，递归解析校验XML标签（含嵌套标签）并纠正模型写错的标签，动作检测复杂度O(n²)→O(1)。2、多Agent编排：XProgrammer、API_Document、Ask、RemoteAgent等角色，各有Full-Cy

主流程分四段：一、工单受理——录入工单号、服务器角色、紧急程度、任务描述；二、任务包组装——把工单拼装成结构化任务包，包含任务目标、环境线索、边界约束（如"数据必须来自真实命令输出，禁止编造""涉及删除、格式化、重启等危险操作先停下请求授权"）；三、人工审批——关键动作必须人工确认才放行，审批不通过

主要功能模块：①品牌知识库——企业介绍、服务清单、交付案例等结构化沉淀；②对话问答——访客可直接询问"你们能做什么""怎么收费""凭什么相信你们"，回答基于真实交付记录而非套话；③防编造约束——prompt层设计"基于真实记录回答、无依据即如实说明"的约束，回答带出处；④预制引导——提供高频问题引导