本项目为医疗企业 CT 研发部门与阿里云联合开展的 AI PoC，目标是解决缺陷文档（IA Template）编写效率低、跨系统检索困难、人工分析一致性差等问题。围绕 CleQu、SRS/RS 需求文档、测试文档等数据源，构建基于 RAG 的 AI Agent 文档生成能力，实现缺陷信息自动抽取、关联需求检索、Impact 内容生成与结果导出，验证 AI 在 CT 研发文档场景的可落地性与业务收益。
技术实现：
1. 整体架构：基于阿里云资源（阿里百炼）搭建 Web + 服务端 + AI Agent 三层架构，采用 Java/Python 混合开发模式；Web 端支持登录控制、文件上传、结果导出，后端提供标准化接口与流程编排能力。
2. RAG 能力建设：完成知识库文档清洗、切分、向量化与检索服务建设，支持 SRS ID 精确检索与语义相似度检索双通道，解决需求 ID 高相似导致的误召回问题。
3. Prompt 与流程编排：针对 Headl、RCause、Solution、Impact、Test 等关键字段设计专项 Prompt，结合规则后处理，提升结构化抽取准确率与输出稳定性。
4. 工程化落地：打通从 Defect 输入到 IA Template 输出的全链路，支持批量任务处理、异常兜底、结果可追溯与可复核，满足 PoC 验证阶段的可演示与可评估要求。
职责描述：
1. 负责 PoC 后端服务与接口开发，完成数据接入、任务编排、结果组装与导出能力，保障前后端链路稳定可用。
2. 参与 AI Agent 集成开发，落地检索增强生成链路（精确匹配 + 向量检索），并对接业务规则完成字段后处理。
3. 参与评测集构建与全链路测试，针对 bad ca 进行问题定位与迭代优化，持续提升结果准确率和处理效率。
4. 与业务方、算法工程师协作推进方案落地，完成 PoC 演示材料与结果复盘，支撑后续规模化推广评估。