业务和功能介绍
本项目是一个面向建筑领域的智能问答系统，旨在将大模型能力与行业知识深度结合，解决传统建筑信息查询效率低、专业门槛高以及安全合规风险大的问题。随着大模型在通用问答场景中的广泛应用，其在垂直行业中往往存在“回答不专业、胡乱生成、越权回答”等隐患，尤其在建筑规范、施工安全和法律责任相关问题上，错误回答可能带来严重后果。因此，构建一个安全、可信、可控的建筑大模型智能问答系统具有重要的现实意义。
在业务层面，该系统面向建筑设计、施工、监理及相关从业人员，提供建筑规范查询、专业知识问答和工程经验辅助决策等服务。系统以“安全合规优先”为核心原则，通过引入拒答机制，确保模型只在合理、合规、可回答的范围内进行输出，避免对高风险、越权或不确定问题给出误导性答案，从而提升业务可靠性与实际可用性。
在功能架构上，系统由前置拒答模块、核心问答模块和后置拒答模块共同构成。前置拒答模块基于专门训练的拒答模型，对用户问题进行安全与合规性判断，在高风险或不适合回答的场景下直接给出规范化拒答，避免问题进入生成环节。核心问答模块采用 RAG（检索增强生成）+ LangChain 架构，通过向量检索精准召回建筑领域知识文档，并结合大模型生成专业、可溯源的回答，显著降低幻觉问题。后置拒答模块则对模型生成结果进行二次审核，在发现潜在违规或不确定内容时进行拦截或修正，形成完整的安全闭环。
最终，系统以网站形式对外部署，为用户提供直观、便捷的交互体验，实现建筑行业知识的智能化、安全化与服务化落地。
在业务层面，该系统面向建筑设计、施工、监理及相关从业人员，提供建筑规范查询、专业知识问答和工程经验辅助决策等服务。系统以“安全合规优先”为核心原则，通过引入拒答机制，确保模型只在合理、合规、可回答的范围内进行输出，避免对高风险、越权或不确定问题给出误导性答案，从而提升业务可靠性与实际可用性。
在功能架构上，系统由前置拒答模块、核心问答模块和后置拒答模块共同构成。前置拒答模块基于专门训练的拒答模型，对用户问题进行安全与合规性判断，在高风险或不适合回答的场景下直接给出规范化拒答，避免问题进入生成环节。核心问答模块采用 RAG（检索增强生成）+ LangChain 架构，通过向量检索精准召回建筑领域知识文档，并结合大模型生成专业、可溯源的回答，显著降低幻觉问题。后置拒答模块则对模型生成结果进行二次审核，在发现潜在违规或不确定内容时进行拦截或修正，形成完整的安全闭环。
最终，系统以网站形式对外部署，为用户提供直观、便捷的交互体验，实现建筑行业知识的智能化、安全化与服务化落地。
项目实现
本项目采用模块化、分层式的大模型系统架构，围绕“安全可控 + 行业知识增强”的核心目标进行整体设计。系统整体流程为：用户问题首先进入前置拒答模块进行安全与合规判断，通过筛选的问题再进入RAG 增强问答模块生成答案，最后由后置拒答模块对输出结果进行二次校验，确保最终回复的可靠性与规范性，并通过 Web 服务对外提供能力。
在技术架构上，前置与后置拒答模块均基于 Qwen3Guard 0.6B 模型进行 LoRA 微调，采用 PyTorch + HuggingFace Transformers + PEFT 完成训练与推理部署，用于高效判断高风险、越权及不确定问题。核心问答模块采用 RAG + LangChain 技术栈，使用 Sentence Embedding + 向量数据库（如 FAISS） 进行建筑领域知识检索，并结合大模型生成最终答案，从而在保证专业性的同时显著降低幻觉问题。系统整体通过 FastAPI 提供服务接口，并部署至 Web 前端，实现完整的端到端问答流程。
在项目中，我主要负责拒答模块的设计、训练与集成，包括拒答数据构建、模型微调方案制定以及与 RAG 问答链路的融合。具体工作中，我独立完成了约 16 万条拒答数据的清洗与格式统一，并基于 Qwen3Guard 0.6B 进行 LoRA 训练，在单卡 GPU 环境下实现稳定收敛。实验结果显示，前置拒答模块对高风险问题的拦截率提升至 90% 以上，有效减少了不合规问题进入生成阶段；后置拒答模块进一步降低了不安全回答的输出概率，使系统整体安全性显著提升。
在实现过程中，主要难点在于显存受限条件下的大模型训练与稳定性控制，以及拒答边界定义不清导致的误拒答问题。针对显存瓶颈，我通过 LoRA 微调、FP16、梯度累积与合理的 batch size 设置 成功完成训练；针对误拒答问题，我对数据标签进行多轮修正，并引入前后置双重拒答策略，在保证安全性的同时尽量减少对正常业务问答的影响。最终，该方案实现了安全性与可用性的平衡，为建筑行业大模型应用提供了可落地的工程实践。
在技术架构上，前置与后置拒答模块均基于 Qwen3Guard 0.6B 模型进行 LoRA 微调，采用 PyTorch + HuggingFace Transformers + PEFT 完成训练与推理部署，用于高效判断高风险、越权及不确定问题。核心问答模块采用 RAG + LangChain 技术栈，使用 Sentence Embedding + 向量数据库（如 FAISS） 进行建筑领域知识检索，并结合大模型生成最终答案，从而在保证专业性的同时显著降低幻觉问题。系统整体通过 FastAPI 提供服务接口，并部署至 Web 前端，实现完整的端到端问答流程。
在项目中，我主要负责拒答模块的设计、训练与集成，包括拒答数据构建、模型微调方案制定以及与 RAG 问答链路的融合。具体工作中，我独立完成了约 16 万条拒答数据的清洗与格式统一，并基于 Qwen3Guard 0.6B 进行 LoRA 训练，在单卡 GPU 环境下实现稳定收敛。实验结果显示，前置拒答模块对高风险问题的拦截率提升至 90% 以上，有效减少了不合规问题进入生成阶段；后置拒答模块进一步降低了不安全回答的输出概率，使系统整体安全性显著提升。
在实现过程中，主要难点在于显存受限条件下的大模型训练与稳定性控制，以及拒答边界定义不清导致的误拒答问题。针对显存瓶颈，我通过 LoRA 微调、FP16、梯度累积与合理的 batch size 设置 成功完成训练；针对误拒答问题，我对数据标签进行多轮修正，并引入前后置双重拒答策略，在保证安全性的同时尽量减少对正常业务问答的影响。最终，该方案实现了安全性与可用性的平衡，为建筑行业大模型应用提供了可落地的工程实践。
示例图片视频
相似推荐
基于Web的模拟电路三维虚拟实验与故障检测平台-模拟电路虚拟实验平台
面向电子信息、自动化等专业的模拟电路教学与实训，开发一套可在浏览器运行的三维虚拟实验平台。平台涵盖单管及多级放大、运算放大、滤波、比较、波形发生、振荡、整流稳压、功率放大等21类实验及多个子实验。用户可在三维实验板上选择端子完成交互连线，使用重置、故障检测和一键布线等功能；系统能够识别缺失连接和多余连接，并根据当前实际连线自动生成SPICE网表，调用ngspice完成电路仿真，再通过可缩放、平移和导出的示波器波形展示输入输出结果，适用于课前预习、课堂演示、实验训练和故障排查。
远程设备控制系统-设备控制
本远程设备控制系统面向物联网智能设备管控场景，配套网页管理端与微信小程序双载体，实现全流程设备远程可视化管控：
设备数据实时采集：在线读取温湿度、电量、设备运行状态等传感数据，数据实时刷新展示；
远程控制操作：支持远程开关设备、调节灯具亮度、继电器通断、参数阈值自定义配置；
设备资产管理：设备分组管理、在线离线状态监测、历史运行数据存储与查询；
告警提醒机制：设备异常、超温断电等场景自动推送消息提醒，方便运维人员及时处置；
权限分级管控：区分管理员、普通操作员账号，限定设备操作与数据查看权限。
遥感影像处理软件框架搭建
底层架构与跨平台编译：独立负责软件整体框架的 CMake 构建系统配置，解决 Windows/Linux 下第三方库（Qt5、QGIS Core、GDAL）的依赖链接与版本冲突问题，实现了项目的自动化跨平台构建。基于Qt5开发软件框架，集成QGis进行二次开发，算法接口设计与解耦：针对后续算法人员（深度学习/点云处理）的需求，设计并封装了标准化的 插件接口
面向中国星网打造的卫星运维一体化管控平台-中国星网综合管控平台
面向中国星网打造的卫星运维一体化管控平台，整体分为四大分系统，集成卫星运维管理、实时故障监测、故障溯源、AI 算法模型训练、数据管理等能力，服务卫星日常运维与智能研判工作，障知识图谱功能落地，大幅缩短卫星故障定位与排查耗时；综合管理模块采用配置化设计，支持算法、模型快速新增配置；解决大屏大数据渲染卡顿问题，系统稳定性与迭代效率显著提升。
无人机智巡智检系统
立项背景和目标
随着我国电力线路总里程突破200万公里、光伏装机容量连年跃升，传统人工巡检模式已难以为继。巡检人员需翻山越岭、登高作业，不仅效率低下（人均每日仅能巡检5~8公里），更面临高空坠落、触电、中暑等严重安全风险。与此同时，存量设备老化加速，缺陷漏检、误检时有发生，导致非计划停运事件频发，经济损失巨大。国家“十四五”规划明确要求加快工业互联网与能源基础设施深度融合，推动巡检作业向无人化、智能化转型。无人机技术、5G通信、AI视觉识别和数字孪生等前沿技术的成熟，为这一转型提供了坚实的技术底座。
基于此，本项目立项建设一套“无人机智巡智检系统”，总体目标如下：一是实现巡检作业全流程自动化，通过预设航线自主巡航，将单次巡检耗时从平均2小时压缩至20分钟以内，效率提升6倍；二是依托深度学习算法对可见光、红外热成像等多源数据进行实时分析，缺陷识别准确率不低于92%，误报率控制在5%以下；三是构建从任务规划、数据采集、智能诊断到工单派发、整改反馈的完整业务闭环，消除信息孤岛；四是利用数字孪生技术，在三维实景地图上叠加巡检数据，实现空间态势感知与历史数据对比分析，为运维决策提供直观支撑。最终，系统将覆盖输电线路、变电站、光伏场站、石油管道等多种场景，助力企业降本增效、本质安全。
2. 软件功能、核心功能模块介绍
系统共包含六大核心功能模块，各模块协同运转，形成完整能力矩阵：
（1）无人机飞控与航线管理模块：支持多品牌、多机型无人机设备的统一注册、健康状态监控及固件升级管理；内置航线库，支持KML/KMZ等标准格式导入，并提供可视化航点编辑工具，可在二维GIS或三维地球上进行航线规划，模拟飞行轨迹，预判碰撞风险。
（2）巡检任务管理模块：提供日常巡检、特殊巡检、应急巡检等多种任务类型；支持单次、周期性、触发式任务调度；任务执行过程中实时接收无人机回传的经纬度、高度、电量、速度等遥测数据，并以动态仪表盘呈现；任务结束后自动归档影像、日志和识别结果。
（3）AI智能识别与分析模块：基于YOLOv8和ResNet等深度网络模型，针对绝缘子破损、导线断股、销钉缺失、鸟巢、树障、异常发热等十余类典型缺陷进行自动检测；支持模型在线更新和增量学习；分析结果附带置信度分数和定位框，并支持人工复核标注，形成闭环优化数据。
（4）数字孪生与三维可视化模块：基于倾斜摄影和激光点云技术构建巡检场景的高精度三维模型（厘米级），在地图上融合显示无人机实时位置、历史航迹、缺陷标注点；支持多期数据对比，通过卷帘工具直观展示设备前后变化；支持空间量测、剖面分析等高级功能。
（5）缺陷管理与工单闭环模块：统一展示所有识别出的缺陷，按严重等级（危急、严重、一般）分级高亮；每个缺陷可一键生成工单，自动关联位置、影像和识别结果，派发给指定的运维班组；支持工单状态追踪（待处理、处理中、已完成）
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服