畜牧业智慧问数 AI 应用
案例介绍
项目角色： 技术负责人
项目周期： 4个月（已上线内测）
项目规模： 服务畜牧业从业人员，支撑自然语言问数、智能报表生成
一、项目背景
该项目是一套面向畜牧业垂直领域的 “问数”AI 应用系统，旨在解决传统数据查询依赖人工写 SQL、响应慢、门槛高的问题。系统允许用户通过 H5 前端以自然语言提问（如“2025 年江苏省生猪出栏量是多少”），后台通过工作流编排，自动完成知识检索、SQL 生成、数据查询与结果润色，最终将数据以口语化形式返回给用户，大幅降低了业务人员获取数据洞察的门槛。
二、核心技术架构：
项目采用 Spring Boot + Spring AI 作为主体框架，整合 阿里千问 大模型提供语义理解与生成能力；引入 RAGFlow 构建向量知识库，用于存储畜牧业专业术语、数据字典及历史政策文件；使用 LiteFlow 实现灵活的工作流编排引擎，支持可视化配置用户问数的处理链路；底层数据存储采用 MySQL 存放结构化畜牧业指标数据。
三、核心职责与技术实现：
1. 知识库构建与文档解析接入
设计并实现了多源文档解析管道，支持用户上传 PDF、Excel、Word 等格式的畜牧业报告。通过调用 RAGFlow 的解析接口，自动提取文档正文及表格内容，完成文本分块（Chunking）与向量化，存入向量知识库。
针对畜牧业数据字典的特殊性，我单独设计了“字段映射表”维护模块，将业务术语（如“出栏量”、“存栏量”、“能繁母猪”）与数据库实际字段名做映射，为后续精准的 Text-to-SQL 提供元数据支撑。
2. 基于 LiteFlow 的工作流编排引擎开发
我利用 LiteFlow 将用户的一次问数请求拆解为可插拔的多个节点（Node）：检索节点 → 提示词构造节点 → AI 调用节点 → SQL 执行节点 → 结果封装节点。
我封装了统一的 Node 组件接口，使运营人员可在后台管理端通过拖拽方式调整工作流顺序或替换 AI 模型，实现了业务逻辑与代码的解耦，极大提升了系统的扩展性。
畜牧业智慧问数 AI 应用
案例介绍
项目经验：畜牧业智慧问数 AI 应用
项目角色： 技术负责人
项目周期： 4个月（已上线内测）
项目规模： 服务畜牧业从业人员，支撑自然语言问数、智能报表生成
一、项目背景
该项目是一套面向畜牧业垂直领域的 “问数”AI 应用系统，旨在解决传统数据查询依赖人工写 SQL、响应慢、门槛高的问题。系统允许用户通过 H5 前端以自然语言提问（如“2025 年江苏省生猪出栏量是多少”），后台通过工作流编排，自动完成知识检索、SQL 生成、数据查询与结果润色，最终将数据以口语化形式返回给用户，大幅降低了业务人员获取数据洞察的门槛。
二、核心技术架构：
项目采用 Spring Boot + Spring AI 作为主体框架，整合 阿里千问 大模型提供语义理解与生成能力；引入 RAGFlow 构建向量知识库，用于存储畜牧业专业术语、数据字典及历史政策文件；使用 LiteFlow 实现灵活的工作流编排引擎，支持可视化配置用户问数的处理链路；底层数据存储采用 MySQL 存放结构化畜牧业指标数据。
三、核心职责与技术实现：
1. 知识库构建与文档解析接入
设计并实现了多源文档解析管道，支持用户上传 PDF、Excel、Word 等格式的畜牧业报告。通过调用 RAGFlow 的解析接口，自动提取文档正文及表格内容，完成文本分块（Chunking）与向量化，存入向量知识库。
针对畜牧业数据字典的特殊性，我单独设计了“字段映射表”维护模块，将业务术语（如“出栏量”、“存栏量”、“能繁母猪”）与数据库实际字段名做映射，为后续精准的 Text-to-SQL 提供元数据支撑。
2. 基于 LiteFlow 的工作流编排引擎开发
我利用 LiteFlow 将用户的一次问数请求拆解为可插拔的多个节点（Node）：检索节点 → 提示词构造节点 → AI 调用节点 → SQL 执行节点 → 结果封装节点。
我封装了统一的 Node 组件接口，使运营人员可在后台管理端通过拖拽方式调整工作流顺序或替换 AI 模型，实现了业务逻辑与代码的解耦，极大提升了系统的扩展性。
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
