油训智安——油气储运教学实训与岗位技能智能体系统

问题：教学实训需要一个”可管、可问、可信”的智能体

油气储运教学实训场景中，学员岗位技能训练需要一个能回答专业规程问题、引导补学、并严格按标准作答的智能体。它不是简单的”套壳问答”：答案必须可溯源（引用核验）、流程必须可编排（工作流引擎）、部署必须可在内网离线环境落地。

自研 FSM 工作流引擎：问答链路的骨架

不同于把 LLM 直接暴露给用户，系统用自研有限状态机工作流引擎编排整条问答链路：

1. 1

   意图识别

   识别用户问题类型，路由到对应处理分支

2. 2

   输入守卫

   拦截 Prompt 注入与危险输入

3. 3

   查询改写

   对用户查询进行改写优化，提升检索质量

4. 4

   RAG 检索重排

   向量检索 + 重排序，产出候选证据

5. 5

   LLM 生成

   基于候选证据生成答案，支持 SSE 流式输出

6. 6

   引用核验

   对答案中的引用做二次核验

7. 7

   输出守卫

   过滤编造标准编号等不合规输出

状态机让每个环节的边界清晰可测——守卫规则可以独立迭代，不会牵连生成逻辑；新增一个处理环节只需要注册状态和转移规则。

RAG 全链路：从文档到可溯源答案

搭建覆盖”解析→切分→向量化→检索→重排→核验”的完整管线：

• 文档解析与切分：PDF / DOCX 解析（表格转 Markdown），按章节条款结构化切分，保留”第 X 条”这类条款引用锚点；
• 向量化与检索：text-embedding-v3 向量化，Qdrant 检索 top20，重排后取 top5 进入生成环节；
• 引用核验：以 LLM 结构化输出对答案引用做二次核验，无来源不输出，有效抑制模型编造标准编号与虚构规程。

LLM 工程化：多模型网关与安全守卫

• 多 Provider 模型网关：通义千问 / 讯飞星火 / Mock 降级三级接入，支持运行时切换——内网环境不可用外网模型时自动降级，保证系统可用性；
• 规则化安全守卫：拦截 Prompt 注入、危险设备指令、编造标准编号，规则独立于生成逻辑，可审计可迭代；
• 能力画像与自适应补学：基于 EMA 加权更新学员六维能力画像，驱动”薄弱知识点→补学资源”的闭环，让系统不只是问答，而是教学工具。

工程交付：在小服务器上跑起来的完整系统

完成 Docker Compose 五服务编排（后端 / 前端 / 数据库 / 向量库 / 网关），在 2 核 2G 服务器上完成离线部署上线。416 个自动化测试覆盖工作流状态转移、守卫规则与 RAG 管线，保证链路改动不引入回归。

经验与反思

• 工作流引擎的价值在”边界”，不在”功能”。 状态机拆开后，每个环节可以独立测试、独立替换，这是 416 个测试能真正挡住回归的前提。
• “无来源不输出”比”输出更流畅”重要。 教学场景对错误的容忍度远低于通用问答，宁可让模型说”资料中未找到”，也不能编造标准编号。
• 2 核 2G 是真实约束，不是玩笑。 离线部署倒逼每个组件做减法：Qdrant 用小内存模式、LLM 走远程 API 而非本地推理、SSE 流式输出降低首字延迟。