项目名称 政务智能客服系统（Gov Agent v3）
本人角色 主导开发工程师 —— 负责整体架构设计与核心模块开发，协同前端工程师完成界面联调
技术栈 Python 3.10 · LangChain 1.2 · LangGraph 1.0 · PGVector · FastAPI · Docker · 阿里云百炼

业务背景与核心挑战
政务服务大厅每日面对海量重复性咨询，覆盖医保、社保、公安、市场监管等多个部门。传统人工坐席压力大、响应慢、知识一致性差。项目目标是构建一套能理解政务业务、支持自然语言问答、可私有化部署的智能客服Agent系统。
业务挑战 具体表现 技术解法
口语化问法难匹配 市民说「开餐馆」，知识库里存的是「食品经营许可证办理」，直接检索命中率极低 意图识别阶段LLM同步提炼标准政务用语再检索
多轮指代消解 用户追问「比例是多少」，系统不知道指的是医保报销比例还是缴费比例 截取近6条历史消息，LLM先做问题补全再做检索
政策文件杜绝幻觉 医保报销比例、备案有效期等数据必须来自官方原文，LLM不能自行生成 RAG召回政策原文片段，LLM仅做组织表达，不得编造数字
数据安全合规 政务数据不能上传公有云，需私有化部署，国内大模型优先 PGVector本地部署 + 阿里云百炼仅做API调用不传数据
03 系统架构设计
系统采用分层架构，从上到下分为五层，各层职责清晰、可独立替换：
层级 名称 技术选型 核心决策理由
L1 接口层 FastAPI · SSE流式 · CORS · uvicorn 异步高并发，流式输出改善等待体验
L2 AI编排核心 LangGraph · StateGraph · 9节点 · 2条件路由 复杂状态管理，Dify无法满足条件路由需求
L3 工具层 TOOL-01~04 · 向量检索 · 分类兜底 · 办事指南 工具解耦，便于单独调试和替换
L4 向量数据库 PGVector · HNSW索引 · 1024维 · 余弦相似度 团队熟悉PG，省去Milvus独立运维成本
L5 大模型API 阿里云百炼 · qwen-plus · text-embedding-v3 国内合规，数据不出境，API稳定