AI 工程

在二次供水 AI 项目中接入私有化模型服务，处理知识问答、告警分析和智能问数，重点解决内网运行与数据安全问题。

先用工作流验证知识库、提示词和业务工具调用，再把稳定链路接回现有 Java 平台。

在供排水项目中搭建知识库与问答链路，处理业务资料检索、上下文拼装和接口联调。

在 Python 服务中组织检索、Agent 和工具调用，Java 继续负责身份、权限和核心业务边界。

整理设备手册、故障案例、运维保养和安全规程，处理切分、召回、重排、引用与增量更新。

开发巡检、告警优化和语音助手等智能体，把模型判断与设备阈值、业务规则和工具执行组合起来。

把工单、巡检和查询等业务能力封装为模型可调用的工具，同时保留身份与权限边界。

承载模型、RAG 和 Agent 接口，统一超时、异常、鉴权和降级约定，便于与 Spring Cloud 服务协作。

接入语音识别和自然语言处理能力，为供排水平台提供语音查询、意图解析和业务工具调用入口。

围绕水务故障与运维语料做过 DeepSeek-7B LoRA 适配，更新更频繁的业务资料仍由知识库补充。

边缘工控机负责本地采集和轻量推理，内网 GPU 服务处理较重任务，同时处理断网、同步和远程更新。

为 AI 调用补上权限、可信度判断、超时、异常降级、日志和人工兜底，避免模型结果直接驱动高风险操作。