工作台智能 AI 助手-快手 app 端-AI 助手

基于 LangChain4J 框架，构建快手日常运营智能助手，服务于内容答疑、粉丝分析、趋势发现等核心业务场景。系统采用 LLM + RAG + Agent + LLM Loop 技术，提供高效、可扩展的智能问答与决策支持能力。

项目模块主要包括：知识库模块（RAG 架构）、Agent 模块（Function Call & Agent Loop）等

个人职责
主导快手工作台 AI 助手从零到一的设计、开发及上线，全面负责核心架构和技术选型。
基于 Dify 开源项目二次开发，搭建初版 AI 助手知识库和 Agent 工作流系统。
使用 Java + LangChain4J 框架构建稳定版系统，实现 RAG、Tool Use、Function Call 等关键功能模块的自研。
知识库模块（RAG 架构）
RAG 架构设计：结合语义检索与大语言模型，支持问答、内容分析与趋势洞察，保证回答的准确性和实时性。
向量化检索优化：构建多层向量索引体系，包括文档分块（doc chunk）、语义嵌入和快速检索策略（top K 检索），实现海量内容低延迟查询。
动态知识更新：设计自动化知识同步机制，采用定时和动态结合，将平台文档数据、经营数据、粉丝互动数据和平台趋势数据实时纳入知识库，保持系统输出时效性。
核心自研模块
独立开发知识聚合、向量化检索、候选答案生成和对接内容风控过滤模块（含风控拦截能力），确保系统高可用和易维护。
业务场景适配：根据快手工作台需求，提供多维度检索和个性化问答，支持内容运营、粉丝互动分析及趋势洞察。
Agent 模块（Function Call & Agent Loop）
Function Call 集成：设计统一接口，实现 AI 助手调用内部函数和外部工具（如数据分析、内容标签化、趋势监控）的自动化。
Agent Loop 流程设计：构建多轮推理与动态任务拆解机制，支持复杂问答、粉丝分析和趋势预测场景的连续处理。
多任务调度：实现基于任务类型和上下文的智能调度策略，保证在高并发环境下的稳定响应。
可配置工作流：提供可扩展的 Agent 工作流模板，使业务团队可快速新增任务或工具调用，增强系统灵活性。
智能决策与安全控制：和风控中台团队合作，引入输出决策规则与风控处理撤回机制，确保 AI 助手回答内容安全、合规，并满足运营需求。
成果
系统成功服务于快手平台，DAU 60W，实现内容答疑自动化、粉丝行为分析智能化和趋势发现可视化。知识库与 Agent 模块稳定运行，支持每日海量问答和分析请求。