一、项目概述与设计原则
1.1 建设背景与目标
智慧康养（智慧健康养老服务）是信息技术与健康养老深度融合催生的新专业方向，人才培养横跨养老服务、健康管理、智能设备应用、信息系统操作、机构运营、政策法规等多个知识域。传统教学面临三个痛点：
- 知识更新快：行业政策、法规、标准频繁更新，教材滞后；
- 实务性强：核心技能（接待评估、线路定制、应急处置等）必须通过场景化演练习得，真实实习资源有限；
- 教学场景特殊：实训室、部分校区机房处于无外网或弱网环境，云端 AI 服务不可用，且涉及老年人健康等敏感数据不宜出校。
本平台目标是构建一套完全离线可用的"教、学、练、评"一体化智能体系统：教师端辅助备课与课堂讲解，学生端提供课后答疑与实训演练，全程数据本地留存。
1.2 用户角色
| 角色 | 核心诉求 | 对应能力 |
|---|
| 教师 | 备课提效、课堂讲解支撑、出题组卷 | 备课助手、课程 AI 助教、题库管理 |
| 学生 | 课后答疑、个性化学习、实训演练与反馈 | 课后答疑助手、实训智能体 |
| 实训管理员 | 编排实训场景、组织演练、查看评估报告 | 实训中心、场景库管理、评估报告 |
| 教务/系统管理员 | 知识库维护、模型与系统运维、权限管理 | 管理后台、知识库管理、更新包管理 |
1.3 设计原则（离线优先）
- 模型本地化：所有大模型（LLM / Embedding / Reranker / 语音）均以开源权重部署于校内服务器，不依赖任何外部 API；
- 知识库本地化：RAG 语料、向量索引、题库全部本地存储；
- 全栈可离线安装：操作系统、容器镜像、模型权重、依赖包均以离线安装包形式交付，一次性导入；
- 更新可移动介质分发：政策法规更新、模型升级通过签名的"离线更新包"（U 盘 / 移动硬盘）导入；
- 内外网物理隔离：平台部署于校园内网，数据不出校；更新包导入经过完整性校验与人工审核。
二、总体架构设计
平台采用六层架构：客户端层 → 应用服务层 → 智能体引擎层 → AI 能力层（模型服务）→ 知识与数据层 → 基础设施层。上层只依赖相邻下层接口，模型层与知识层可独立升级（配合离线更新机制）。
图 2-1 平台六层总体架构
架构关键决策：智能体引擎层是系统的"中枢"，所有业务功能不直接调用模型，而是经由网关→路由→智能体。这样做的好处是：① 智能体（提示词+RAG+工具）与模型解耦，换模型只需改引擎层配置；② 统一实施鉴权、限流、审计与内容护栏；③ 教学与实训智能体共享记忆、检索等公共组件，避免重复建设。
三、教学智能体模块设计
教学模块包含 4 个智能体，均以「领域系统提示词 + 课程/法规知识库 RAG + 受控输出模板」的方式构建，同一底座模型、不同人格与知识面。
1课程 AI 助教
课堂场景 · 面向教师投屏使用 · 单轮快答为主
核心功能
- 课堂讲解辅助：教师选中知识点一键生成"通俗解释 / 案例引入 / 数据支撑 / 类比说明"四类讲解素材；
- 知识检索：对教材、讲义、课件做混合检索，返回带出处的原文段落，可一键插入讲解；
- 课堂互动生成：即时生成提问、投票题、随堂小测；
- 术语卡：生成智慧康养专业术语卡片（定义+英文+关联概念）。
技术要点
低延迟流式输出
课程知识库 RAG
引用溯源
请求 → 意图分类（解释/检索/出题/术语）→ RAG 检索 top-k → 生成（≤500字，结构化模板）→ SSE 流式返回
2老师备课助手
备课场景 · 面向教师 · 多轮任务流
核心功能
- 教案生成：输入课程+课时+教学目标，按学校教案模板生成完整教案（学情分析、重难点、教学环节、板书设计、作业布置），教师可分节修改后定稿；
- 课件素材生成：生成课件大纲、每页要点与讲稿备注；可调用本地文生图能力生成配图（可选模块），并检索素材库已有图片/视频；
- 习题生成：按知识点+难度+题型（单选/多选/判断/简答/案例分析/情境操作题）批量生成，自动附答案、解析、知识点标签，经教师审核入库；
- 组卷：按知识点覆盖度、难度分布自动组卷，输出双向细目表。
技术要点
多轮任务流编排
课程标准库
题库写入（人工审核后）
文档导出 docx/pptx
教案向导（课程→课时→目标→生成→分节迭代）→ 产物落库 → 导出 Office 文档（本地模板引擎，无需外网）
3学生课后答疑助手
课后场景 · 面向学生 · 个性化多轮对话
核心功能
- 课程内容答疑：严格基于课程知识库回答，标注教材出处与页码，杜绝"编造"；
- 个性化解答：结合学生学习画像（已学进度、历史薄弱知识点、历次问答）调整讲解深度——对基础弱的学生给"阶梯式讲解+前置知识补充"；
- 拓展学习路径：从问题出发推荐关联知识点、微课视频与练习题；
- 追问引导：以苏格拉底式反问引导思考，而非直接给答案（教师可配置模式）。
技术要点
RAG 强约束（无依据不答）
长期记忆（学习画像）
推荐引擎
学生提问 → 课程定位（当前章节）→ 检索（教材+微课+题库）→ 个性化改写（画像注入）→ 回答+出处+推荐 → 问答记录沉淀入画像
4政策法规问答助手
行业场景 · 面向师生 · 高可信、强溯源
核心功能
- 政策法规检索问答：覆盖养老、健康旅游、康养服务、安全监管等领域的法律、行政法规、部门规章、地方政策与行业标准；
- 强溯源回答：每条回答必须附文件名、发文机关、文号、发布/生效日期、原文条款；
- 时效性提示：自动识别所引文件是否已被修订/废止（知识库元数据），给出提示；
- 政策对比与沿革：多文件条款对比、新旧版本差异梳理。
技术要点
法规库版本管理
条款级切分
拒答机制（库外问题声明无法确认）
提问 → 意图识别（查条款/对比/程序）→ 条款级检索+重排 → 仅依据命中的条款作答并引用 → 时效校验 → 超出知识库范围时明确告知"以官方发布为准"
四个智能体的差异化设计：课堂助教追求快（流式、短答案），备课助手追求结构化产出（模板+可编辑），答疑助手追求个性化与严谨（画像+RAG强约束），法规助手追求可信（条款级溯源+时效校验）。同一底座模型通过不同的系统提示词、知识库与输出模板实现四者差异。
四、实训智能体模块设计
实训模块面向专业核心课程的技能演练，由三个职能智能体 + 一个模拟引擎组成，覆盖"业务场景模拟 → 操作流程引导 → 实训结果评估"完整闭环。
4.1 面向核心课程的典型实训场景库
| 核心课程 | 典型业务场景（剧本） | 演练形式 |
|---|
| 康养服务实务 | 客户接待与需求评估（角色扮演：康养顾问 ↔ 咨询入住老人）、入住服务办理 | 对话式角色扮演 |
| 老年健康管理与评估 | 健康档案建立、慢病风险评估、日常生活能力（ADL）评定实操 | 表单实操 + 对话 |
| 智慧养老信息系统应用 | 平台工单闭环、电子照护档案管理、智能报警分级处置演练 | 任务式设计 |
| 康养基地运营管理 | 基地服务排班、客户投诉处理、满意度回访 | 对话 + 决策 |
| 老年心理与沟通 | 情绪疏导、代际沟通、临期离站关怀面谈 | 对话式角色扮演 |
| 应急救护与安全 | 跌倒处置、慢病急性发作应急处置、突发事件上报流程 | 时限压力演练 |
| 政策法规与合规 | 服务合同签订合规审查、纠纷调解模拟 | 案例分析 |
4.2 三个职能智能体
A情景角色扮演智能体（场景模拟）
- 按剧本扮演"客户/NPC"（如一位有高血压史的独居候鸟老人），性格、诉求、隐藏信息由剧本设定；
- 事件注入：演练中途按剧本触发突发事件（客户突然头晕、投诉升级），考察应变；
- 多模态交互：文字对话 + 语音（本地 ASR/TTS，NPC 可"开口说话"）；
- 扮演行为受"角色卡"强约束：不得跳出角色给出专业答案。
剧本加载 → 角色卡注入 → 学生对话 → LLM 角色化回复（经角色一致性校验）→ 事件触发器判定 → 推进剧本阶段
B流程引导智能体（操作引导）
- 依据行业 SOP（如"接待评估八步法"）逐步引导学员操作，当前步骤提示、关键动作提醒；
- 三种引导强度可配：教学模式（每步给提示）→ 陪练模式（走错才提示）→ 考核模式（不提示只记录）；
- 学员偏离流程时给出纠正与原理说明（关联知识库条款）；
- 提供"流程图导航"侧栏，实时标注已完成/当前/待做步骤。
SOP 状态机 → 比对学员动作（对话/表单提交）→ 引导或纠偏 → 记录偏离点 → 推进状态
C实训评估智能体（结果评估）
- 多维评分：流程完整度、专业规范性（术语/表格/法规引用）、沟通态度、处置正确性、时效性；
- 规则引擎 + LLM 评分：关键动作（如"测量血压""呼叫急救"）由规则硬判分，软性维度由 LLM 依据评分量表（rubric）打分并给出依据；
- 生成个人评估报告：得分雷达图、逐项点评、错因分析、改进建议、关联补练知识点；
- 生成班级报告：共性薄弱环节，反哺教学。
演练记录（对话转写+操作日志）→ 规则评分 + LLM rubric 评分（双通道）→ 交叉校验 → 报告生成 → 写入学员实训档案
4.3 实训模拟引擎（智能体的运行底座）
图 4-1 实训模拟引擎运行机制
剧本（Scenario Script）是实训模块的核心资产。采用结构化 JSON 描述（角色卡、阶段、事件、评分点），由"实训管理员 + 备课助手"协同创作、评审入库，保证教学专业性；LLM 只负责"演绎"剧本，不即兴改变教学设定，这是实训可信度的关键。
五、智能体引擎与编排
5.1 统一智能体网关
- 会话管理：会话 ID + 多轮上下文（滑动窗口 + 摘要压缩，超长对话自动摘要归档）；
- 意图路由：轻量分类模型（本地小模型或规则+关键词）判定请求归属（课堂/备课/答疑/法规/实训），也可由前端入口显式指定（推荐，准确率更高）；
- 配额与限流：按角色限流（防止课堂高峰并发打爆 GPU）；
- 审计日志：全量问答日志落库（本地），支持教学督导回溯。
5.2 智能体通用构造
每个智能体 = 系统提示词（角色/边界/输出格式） + 专属知识库（RAG 检索注入） + 工具集 + 输出模板/校验器。
| 智能体 | 系统提示词要点 | 挂载知识库 | 工具 |
|---|
| 课程AI助教 | 简洁、准确、面向课堂，输出短结构化 | 课程库（教材/讲义/课件） | 检索、随堂出题 |
| 备课助手 | 遵循学校教案模板，产出可编辑，不自造课标 | 课程标准库、题库、素材库 | 文档生成（docx/pptx）、题库写入（需审核） |
| 答疑助手 | 仅依据检索结果作答，无依据时明确说明；苏格拉底模式 | 课程库、微课索引、题库 | 检索、学习画像读写、推荐 |
| 法规助手 | 必须引用条款出处，注明时效；库外问题拒答并声明 | 政策法规库（版本化） | 条款检索、版本比对 |
| 角色扮演（实训） | 严格遵守角色卡，不泄露答案，情绪符合人设 | 场景剧本 | 事件触发、状态读写 |
| 流程引导（实训） | 按 SOP 提示，强度随模式变化 | SOP 库 | 状态机查询、纠偏提示 |
| 实训评估 | 按 rubric 打分，每项给依据，禁止无据打分 | 评分量表库、法规库 | 日志检索、规则评分、报告生成 |
5.3 内容护栏（所有智能体共用）
- 输入过滤：敏感词与越权指令检测（本地词表+分类器）；
- 输出校验：法规类回答强制校验引用存在；习题类校验题型结构；评估类校验分数区间与依据完整性；
- 医疗边界：涉及健康处置的演练回答，强制附加"教学模拟，非医疗建议"声明。
六、数据与知识库方案
6.1 数据资产全景
| 类别 | 内容 | 存储形态 | 管理者 |
|---|
| 课程知识库 | 教材、课程标准、讲义、课件、微课脚本、案例集 | 原始文件（MinIO）+ 向量/全文索引 | 教师/教务 |
| 政策法规库 | 法律、法规、规章、地方政策、行业标准（含文号、机关、生效日期、修订关系） | 条款级切分 + 版本元数据 + 索引 | 教务（专人审核） |
| 实训场景库 | 场景剧本 JSON、角色卡、SOP、评分量表 | 结构化 JSON（数据库）+ 文件仓 | 实训管理员 |
| 题库与试卷 | 题目（含知识点标签、难度、题型、答案、解析）、试卷、双向细目表 | 关系数据库 | 教师（AI 生成→审核入库） |
| 素材库 | 图片、音频、视频、文档模板 | 对象存储 + 元数据库 | 教师/管理员 |
| 用户与教学数据 | 账号权限、选课、学习进度、答疑历史、实训记录、学习画像 | 关系数据库 + Redis | 系统自动 |
6.2 RAG 检索管线（离线）
图 6-1 离线 RAG 知识管线
6.3 知识库治理要点
- 切分策略：法规库按"条"为最小单元（保留章/条层级路径作为元数据）；教材按节+段落，保留页码；这是"引用到条款/页码"的前提；
- 版本与时效：政策文件登记生效/废止日期与修订链；检索命中已废止条款时自动附加提示；
- 人工审核发布：AI 生成的习题、备课素材、新剧本均走"草稿→教师/管理员审核→发布"流程，AI 产物默认不入正式库；
- 更新包机制：知识库以"版本快照"管理，可整体或增量导出为加密签名的离线更新包，分校/实训室导入，保证多套部署环境的一致性。
七、离线部署技术实现方案
7.1 模型选型（全开源、可商用、支持本地部署）
| 用途 | 推荐模型 | 量化 | 显存占用（估） | 说明 |
|---|
| 主力对话/生成 | Qwen3-14B / Qwen2.5-14B-Instruct | AWQ/GPTQ INT4 | 约 10–12 GB | 中文能力强，覆盖备课、答疑、助教、角色扮演 |
| 推理/评估增强（可选） | DeepSeek-R1-Distill-Qwen-14B | INT4 | 约 10 GB | 用于评估打分、难题解析等需要深度推理的任务 |
| 轻量单机版 | Qwen3-8B / Qwen2.5-7B-Instruct | GGUF Q4 | 约 6 GB | 一体机/低配场景，Ollama 运行 |
| 向量 | BGE-M3 | FP16 | 约 2.5 GB | 中文检索效果佳，支持稠密+稀疏 |
| 重排 | bge-reranker-v2-m3 | FP16 | 约 2.3 GB | 提升检索精度 |
| 语音识别 | FanASR / SenseVoice-Small | — | 1–2 GB | 中文实训语音转写 |
| 语音合成 | CosyVoice（本地部署版） | — | 2–3 GB | NPC 角色语音（可选模块） |
选型原则：模型全部使用开源权重（遵守各自开源协议），部署前完成安全评估与内容测试；模型与知识库解耦，后续可平滑升级换代（更换模型只需重跑适配测试，不必重建知识库）。
7.2 推理服务与并发
- 校级服务器（多用户）：vLLM 提供 OpenAI 兼容 API，开启 continuous batching，14B INT4 在 24GB 卡上可支持 10–20 路并发对话（课堂场景够用）；Embedding/Reranker/ASR/TTS 以独立容器常驻；
- 单机一体机：Ollama 或 llama.cpp 运行 7–8B GGUF 模型，单用户/小组使用；
- 降级策略：高峰期限流排队 + 优先保障课堂助教与实训评估任务；备课等后台任务转低峰执行。
7.3 部署形态与硬件配置
| 形态 | 适用 | 推荐硬件 | 软件栈 |
|---|
| A · 校级 GPU 服务器（推荐） | 整校/多班级，内网集中服务 | 2× RTX 4090 24G 或 A6000/国产加速卡（如昇腾/寒武纪配套推理栈）、64G 内存、2T NVMe、万兆内网 | Ubuntu Server 22.04 + Docker（离线镜像仓）+ vLLM + Qdrant + PostgreSQL + Redis + MinIO |
| B · 实训室一体机 | 单实训室、无服务器条件 | RTX 4060Ti 16G / 4090、32G 内存工作站 | 同上精简版：Ollama + SQLite/Qdrant 嵌入式 + 单容器栈 |
| C · 纯 CPU 轻量版（降级） | 应急/低端机房 | 32G 内存无 GPU | 仅关键词检索+7B Q4 CPU 推理（llama.cpp，速度受限） |
7.4 离线安装与更新机制
图 7-1 离线安装与更新机制
7.5 交付物清单（离线包）
- 系统镜像与容器离线镜像包（含全部依赖，无外网拉取）；
- 模型权重包（分模型独立打包，支持按硬件选装）；
- 知识库初始包（教材、法规、SOP、剧本、题库 v1.0）；
- 一键安装/升级/回滚脚本与《离线运维手册》《管理员操作手册》《师生使用手册》；
- 本地监控栈：Prometheus + Grafana（GPU 利用率、推理时延、并发、磁盘水位），告警仅在内网看板与本地邮件/短信网关（可选）。
八、安全、合规与内容护栏
- 数据不出校：全栈内网部署，无任何外部 API 调用；日志、问答、实训记录仅存本地；
- 涉老与健康数据保护：实训中的健康档案、评估表等模拟数据按《个人信息保护法》要求分级存储、脱敏展示、按学期归档清理；
- 权限分级：学生/教师/实训管理员/系统管理员四级权限 + 教学班隔离；
- 内容安全：本地敏感词库 + 输入输出双重过滤；政策法规回答强制溯源，超出知识库明确声明"以官方发布为准"；
- AI 产物审核制：AI 生成的习题、教案、剧本必须经人工审核方可进入正式教学库；
- 审计与追溯：全量操作与问答审计日志，支持教学督导查询。
九、实施路线与分期计划
| 阶段 | 周期 | 内容 | 里程碑 |
|---|
| 一期 · 基础平台 | 1–2 月 | GPU 服务器与离线环境搭建、模型服务、网关与路由、课程知识库 v1 | 内网可访问，课程 AI 助教上线 |
| 二期 · 教学智能体 | 2–3 月 | 备课助手、答疑助手、政策法规库建设与法规问答助手、题库体系 | 4 个教学智能体全部试运行 |
| 三期 · 实训智能体 | 3–4 月 | 模拟引擎、3 个实训智能体、首批 8–10 个核心场景剧本、语音模块 | 实训演练+评估闭环跑通 |
| 四期 · 试点与推广 | 2 月 | 2 个班级试点、评估报告校准（评分量表迭代）、教师培训、多校更新包分发机制 | 形成可复制的离线交付包 v1.0 |
方案总结：以「本地开源大模型 + 版本化 RAG 知识库 + 智能体编排引擎」为技术底座，教学侧四智能体覆盖"课堂—备课—答疑—法规"全场景，实训侧以剧本驱动的模拟引擎保障演练的专业可信度，配合"规则+LLM"双通道评估；通过离线安装包 + 签名更新包机制实现无外网环境下的可部署、可运维、可演进。