《人工智能基础与应用（第二版）》课件 项目4-智能体开发实践

记忆知识库工具工作流测试LLM人工智能基础与应用｜第二版项目4智能体开发实践从“会聊天”到“会办事”：感知—推理—规划—执行—学习需求人设知识库工作流测试物联网工程学院（信息安全学院）

平震宇前言项目描述：从“会聊天”到“会办事”传统AI｜建议型分析数据，给出建议接收一个问题，给出一段回答知识来自预训练，时效与领域有限通常不直接操作外部系统结果是否正确，主要靠人判断智能体｜执行型理解目标，拆解并执行感知多模态、多源数据推理、规划，选择工具与路径调用知识库、API、数据库、设备以执行结果反馈，持续优化能力升级能力越强，风险越高：权限可控、审核前置、日志可追溯，是智能体落地的前提。2前言学习目标：知识、技能、素质三位一体知识目标理解与解释智能体的组成，与大模型、聊天机器人的区别五环节：感知、推理、规划、执行、学习RAG、Embedding、知识库、工作流、设计模式四维测试与自主智能体安全规范技能目标设计与构建完成需求分析四问与人设四部分在Coze创建智能体并配置模型、插件按五步法构建知识库，完成检索测试搭一个带分支的工作流，完成四维测试素质目标边界与责任理解“智能体可以自主执行，责任仍由人承担”坚持权限最小化、人工审核前置、日志审计保护商业机密与个人信息，尊重知识产权对高风险动作保持审慎，能说明人机分工3前言项目结构：认识—设计—构建—测试认识4.1—4.2制造业应用、智能体组成、五环节、工业场景设计4.3平台选型、需求四问、人设四部分、四条原则构建4.3大模型接入、知识库与RAG、工作流编排测试4.3—4.4四维测试、安全边界、综合实训与拓展4.1制造业典型应用预测维护、机器人、视觉检测、数字孪生4.2制造业中的智能体组成、五环节、工业场景、人机分工4.3平台与设计平台选型、需求四问、人设、设计原则4.3知识库与工作流RAG、Embedding、五步法、节点与分支4.3测试与安全四维测试、权限、审核、日志4.4综合实训与拓展课程助手、PMIC任务、设备巡检方案测试项目测试与小结概念、情境与开放题44.1SECTION人工智能在制造业中的典型应用场景从设备运维、质量检测到数字孪生，AI正在进入制造全流程。预测性维护：从被动维修到主动干预机器人与视觉检测：让设备看得见、动得准数字孪生与智能体：从仿真优化到自主执行项目4｜智能体开发实践4.1人工智能在制造业中的典型应用场景人工智能在制造业的九大应用领域1预测性维护提前发现设备故障2质量检测亚毫米级缺陷识别3数字孪生虚拟仿真与优化4机器人人机协同作业5供应链需求预测与库存优化6生成式设计加速零件研发7流程优化实时调整生产参数8安全与培训危险源监测、AR/VR9智能体自主决策与执行共同目标：降本、增效、提质、减碳；从单点工具走向全流程优化。64.1人工智能在制造业中的典型应用场景价值地图：AI在制造业到底改变了什么降本减少停机与浪费预测性维护减少非计划停机数字孪生减少物理试错供应链优化降低库存增效缩短周期与等待排产与调度更快跨系统流程自动流转研发与设计迭代加速提质提升一致性与检出率视觉检测7×24小时稳定缺陷检出率超过99%减少人为疲劳与误判减碳优化能耗与资源流程参数实时优化设备能效监测减少报废与返工讲价值时要说清基线、口径、统计周期；企业发布的数据只能作为案例参考，不能直接当作普遍结论。74.1人工智能在制造业中的典型应用场景AI预测性维护：从“坏了再修”到“提前干预”1感知层振动、热成像、电流、声学2边缘层5G传输、清洗、特征提取3模型层基线、异常检测、寿命预测4应用层工单、备件、MES/ERP联动典型场景新能源汽车远程诊断覆盖动力电池、驱动电机、整车控制器分析充放电特征，提前预警电池热失控从“故障后维修”转向全生命周期管理典型场景半导体产线能效平台监测真空泵等核心设备的电力波纹异常避免突发停机造成晶圆报废保障核心工序连续运行预测性维护的价值不在“预测”本身，而在预测—决策—执行的闭环。84.1人工智能在制造业中的典型应用场景AI驱动机器人：给机器装上眼睛、大脑和手感1视觉感知识别无序零件，精准抓取2自然语言口语下指令，降低门槛3力控柔顺碰撞停止，精密贴合4强化学习仿真中探索最优路径5灵活重配快速换型，多品种生产六大场景从单点自动化到柔性生产精密装配：电子器件、汽车零件，视觉+力控焊接喷涂：路径补偿，替代高危作业拣选码垛：视觉引导无序抓取危险环境：高温、有毒、密闭空间运维调度：物料配送、盘库、巡检全流程制造：上下料、装配、检测一体案例：均胜电子UR5e协作装配，人均效率提升45%；华为5G-A柔性产线换型时间缩短60%。94.1人工智能在制造业中的典型应用场景AI视觉检测：让缺陷识别更快、更稳、更一致1高精度成像线阵/面阵相机2图像预处理去噪、定位目标3深度学习推理纹理、颜色、几何特征4自动分拣判定类型、报警、剔除表面缺陷划痕、裂纹、变色装配完整性漏装、错装、焊接不良PCB/半导体微米级焊点、走线偏差食品医药异物、瓶损、药片缺损标签包装条码、有效期、位置三维尺寸非接触精密测量人工检测准确率约85%，AI检出率超过99%；但阈值、误报成本和样本代表性仍要人判断。104.1人工智能在制造业中的典型应用场景数字孪生：在虚拟世界里先跑一遍阶段1设计建设虚拟规划、瓶颈排查、提前调试阶段2仿真推演产线布局、物料流转、人机工学阶段3实际运营实时数据、快速定位、持续优化五大环节从设计到培训的全流程工厂设计与虚拟调试：降低试错成本设备预测性维护：降低非计划停工生产流程实时优化：识别瓶颈、动态排产供应链韧性管理：预演中断、提升履约员工培训与安全仿真：零风险反复演练案例从钢铁到面板南钢：生产、物流、设备、能耗三维可视化中铁盾构：研发—制造—施工—运维全生命周期长虹：物流自动化率95%，交付周期49天→11天数字孪生的关键不是“好看的三维模型”，而是虚实数据同步与可验证的决策价值。114.1人工智能在制造业中的典型应用场景六类工业智能体场景：智能体做什么，人把关什么自主排程订单拆解、工序排产、动态调度岗位：生产调度员人把关：停机/插单需审批自愈维护异常诊断、寿命预测、备件调度岗位：设备运维工程师人把关：停机维修需确认供应链需求预测、库存优化、补货建议岗位：供应链专员人把关：大额采购需审批知识Copilot检索工艺、标准、维修案例岗位：工艺/质量工程师人把关：结论需核对出处质量闭环缺陷识别、原因分析、参数建议岗位：质检工程师人把关：合格判定需人工知识传承班次交接、经验沉淀、培训问答岗位：班组长/培训师人把关：经验需审核入库案例数据只作参考；引用前通过工信部典型案例、企业官方发布核实口径。124.1人工智能在制造业中的典型应用场景人机分工：权限越大，审核越前置L1只读查询查知识库、查记录、查状态可自主L2生成建议方案、报告、诊断建议人确认后使用L3低风险执行创建草稿工单、发送提醒可自动，留日志L4高风险执行停机、下单、改参数、判合格必须人工审批权限最小化、人工审核前置、操作日志审计：这三条比“模型多聪明”更重要。134.2SECTION制造业中的智能体大模型是认知引擎，智能体是能办事的系统。智能体不等于大模型：还需要记忆、知识、工具、工作流五环节：感知—推理—规划—执行—学习两类形态：虚拟智能体与具身智能体项目4｜智能体开发实践4.2制造业中的智能体智能体≠大模型：七块能力拼成一个系统智能体=大模型+提示词+记忆+知识库+工具+工作流+测试评价1大模型理解与推理缺了：无法理解2提示词角色、任务、边界缺了：边界不清3记忆多轮上下文与偏好缺了：对话断裂4知识库专业、可追溯的依据缺了：回答无依据5工具API、数据库、设备缺了：只能给建议6工作流多步骤任务编排缺了：复杂任务做不完7测试评价质量、安全、体验缺了：风险失控缺一块，就少一种能力；能办事=认知+记忆+依据+行动+评价。154.2制造业中的智能体智能体与聊天机器人：五个维度看差异维度聊天机器人智能体主要能力一问一答，被动响应自主规划，主动执行知识来源主要依赖预训练知识可结合专属知识库实时检索任务处理单轮或短对话拆成多步骤任务链外部交互通常没有可调用工具、API、数据库效果评价较少系统评价持续测试、审查、优化课堂任务4-1：各举一个聊天机器人和一个具备智能体特征的AI应用，对照表格说明差异。164.2制造业中的智能体系统组成与五个环节：从感知到学习大语言模型理解意图、逻辑推理记忆上下文、偏好、历史知识库RAG、专业依据工具调用API、数据库、设备工作流拆解、排序、推进1感知2推理3规划4执行5学习多模态、多源数据上下文理解、可追溯总目标拆成子任务调用工具、真正执行以结果反馈优化执行是分界：智能体不只给建议，而是直接调用工具完成任务；因此必须设置权限分级与人工审核。系统组成174.2制造业中的智能体用设备运维体会五个环节1感知电流50A+维修日记“轴承异响”输出：多模态状态来源：传感器+工单+文档2推理电流异常关联异响，判断轴承风险输出：可追溯的判断依据：历史案例+机理模型3规划立即停机损失1万元vs下班后维修风险输出：优先级方案权衡：成本/风险/产能/交付4执行发补货申请/下发降速指令输出：工单/指令/回执分级：低风险自动，高风险审批5学习记录预判准确度，改进下一次输出：改进规则沉淀：规则/案例/提示词一个智能体做不完时，把任务拆给排程、维护、质检、采购等专项智能体，由编排器统一调度。这就是多智能体协作的起点；本课程先建立概念，重点掌握单个智能体的设计与验证。184.2制造业中的智能体工业智能体：虚拟与具身两类形态虚拟智能体在数字环境里办事生产排程、查询、报告生成知识问答、工艺检索、异常分析调用MES、ERP、数据库、工单系统不直接操作物理设备具身智能体在物理世界里行动机器人、AGV、协作机械臂视觉、力控、导航、抓取在动态环境中感知与操作安全边界与急停机制更关键传感器/物联网机器视觉数字孪生MES/ERP机器人本体智能体的“感官”和“手脚”，来自制造业已经成熟的技术。194.3SECTION智能体开发实践：平台与设计先选平台、再做需求与人设；设计在前，创建在后。平台选型：Coze、Dify、FastGPT、RAGFlow、n8n需求四问：对象、任务、知识、工具人设四部分：角色、能力、流程、限制项目4｜智能体开发实践4.3智能体开发实践｜平台与设计平台选型：没有绝对优劣，只有适不适合表4-1智能体应用开发平台对比（节选）平台核心优势适用场景部署局限Coze零代码可视化，插件生态丰富对话应用、内容创作、教学实训云端定制化较弱Dify开源，兼容多模型，工作流强企业级系统、多模型编排云端/私有化高级功能需编程FastGPT专注RAG，中文优化突出企业知识库问答、合规问答云端/私有化配置门槛较高RAGFlow复杂文档解析，引用溯源强合同、报告、学术文献问答云端/私有化资源占用高n8n跨系统集成，支持人工审批ERP、运维、业务流程自动化云端/私有化需开发能力本课程以Coze为主线；选平台先看数据合规、部署方式和团队能力，再看功能多少。214.3智能体开发实践｜平台与设计需求分析四问，人设四部分需求分析先回答四个问题服务对象：谁用？他的专业背景和表达习惯是什么？主要任务：问答、分析、生成、调度，还是执行？知识依托：课程、手册、规范、案例，还是实时数据？外部工具：是否需要查数据库、调API、发工单？人设设计四部分写清楚角色定位：是谁、服务谁、语气如何主要能力：能做什么、不能做什么工作流程：先判断→再检索→再回答/执行限制规则：超范围、找不到依据、高风险动作怎么办温度参数：专业问答类智能体建议0.3～0.5，降低随机性；创意类任务可适当提高。224.3智能体开发实践｜平台与设计四条设计原则：用户、内核、架构、效能原则一用户本位面向非技术用户能理解模糊、口语化指令GUI+自然语言双入口检查：用户要不要学配置？做法：意图识别+默认值反例：要求用户先写JSON原则二智能内核规划：拆解复杂目标记忆：短时+长时反思：异常时修正并重试检查：会不会直接报错退出？做法：规划器+记忆+反思循环反例：异常时直接终止原则三柔性架构功能插件化模型可热插拔接口标准化检查：换模型要不要停机重构？做法：插件注册+标准接口反例：换模型改全部代码原则四效能平衡复杂度路由：简单任务用小模型端云协同：敏感数据本地处理成本与体验平衡检查：是否所有任务都用大模型？做法：复杂度路由+端云协同反例：所有请求走最大模型四条原则互相支撑：好用、会办事、能演进、算得过来。234.3智能体开发实践｜平台与设计任务：创建“人工智能课程助手”1需求分析对象、任务、知识、工具2基本信息名称、介绍、图标3模型配置温度0.3~0.5、输出长度4撰写人设角色、能力、流程、限制5测试优化问答+学习计划本任务验收｜四类问题各测一次概念题3+学习计划1+超范围1；查答非所问、虚构。人设文本示例你是“人工智能课程助手”，服务本课程学生。主要能力：课程知识问答、学习规划、错题分析。工作流程：先判断问题是否属于课程范围；属于则检索知识库作答；不属于则礼貌说明并引导咨询任课教师。限制规则：不代替学生完成作业原始作答，只提供思路；不虚构课程中没有的知识点；找不到依据时明确说明。检查人设：找不到依据怎么办？超范围怎么回应？限制能否被测试？语气是否适合学生？244.3智能体开发实践｜平台与设计进阶案例：售后服务智能体与插件售后服务智能体从问答到工单用户提问：产品型号、故障现象、使用环境检索：产品手册、故障案例、维修规范分析：可能原因、排查步骤、所需备件输出：结构化工单（JSON/表格），含“是否需人工审核”摘要助手插件三种输入，一套输出文本粘贴：直接摘要网页链接：链接读取插件抓取正文文档上传：文件解析插件提取文本人设写清：输入适配→摘要生成→交互反馈课堂任务4-2：创建摘要助手，三种输入各测一次，记录插件调用是否正常、摘要数据是否与原文一致。254.3SECTION知识库与工作流给智能体可靠的资料库，再把多步骤任务串成可控流程。RAG与Embedding：先检索，再生成知识库五步法：收集、清洗、切分、向量化、检索测试工作流四要素：节点、逻辑、数据流、资源集成项目4｜智能体开发实践4.3智能体开发实践｜知识库与工作流RAG：先检索，再生成1构建知识库清洗、切分、向量化、入库2检索关键词+语义混合检索3重排与增强相关片段排在前面，与问题合并4生成回答模型基于检索依据作答作用一扩展知识广度弥补预训练知识在时效和领域上的不足例：新标准发布后，不必重训模型作用二降低虚构风险让生成有可核对的事实依据例：回答附条款号，便于核对作用三增强专业性引入权威资料，适配医疗、金融、工业例：工业规范、医疗指南、合规文件RAG不是“把文档丢给模型”，而是检索—重排—增强—生成的完整链路。274.3智能体开发实践｜知识库与工作流Embedding：把语义变成可计算的距离语义空间（示意）猫狗宠物汽车卡车轿车问题找最近的片段三个用途检索、记忆、推荐语义检索：问题向量与文档片段向量比相似度上下文记忆：多轮对话形成连续语义轨迹个性化推荐：用户行为向量匹配内容长文档先切分，再分别生成向量切分长度与重叠要测试，不是越细越好语义相近→向量距离相近；Embedding是RAG的“检索底座”。284.3智能体开发实践｜知识库与工作流知识库构建五步法：上传不等于完工1资料收集手册、规范、案例2数据清洗去重、去噪、去无关3文本切分按语义完整性切分4Embedding转成向量入库5检索测试真实问题检验指标一召回率知识库里真正相关的内容，能不能被找出来测：相关问题能否命中指标二精确率返回的片段和问题到底有多相关测：命中片段是否相关指标三覆盖率领域常见问题是否都有资料支撑测：常见问题清单检索测试不是可选项：至少准备正常、边界、超范围三类问题，逐条看命中了什么。294.3智能体开发实践｜知识库与工作流知识库维护与Prompt/RAG协同维护知识库会“过期”规章、产品、标准更新后，替换或增量更新只入库权威、有效的版本商业机密与个人信息：权限控制+脱敏保留更新记录，能追溯“当时依据哪一版”1提示词约束边界、语气、范围2RAG检索找到可核对依据3大模型生成基于依据回答4安全过滤敏感内容拦截人设必须写：找不到依据就说明、超范围就拒绝、不直接说“根据文档内容”。304.3智能体开发实践｜知识库与工作流任务：学生手册规范问答智能体需求唯一知识来源：学生手册覆盖学籍、奖惩、学业、宿舍等条款支持PDF/Word/TXT修订后增量更新范围判断：属于手册则答，不属于则引导模糊问题主动追问；超范围礼貌回绝1创建文本知识库2上传手册3分段预览与清洗4构建索引5新建智能体并绑定6人设约定规则7典型问题测试是否标出处，取决于使用者能否核对；授权、脱敏、版本三件事先确认。314.3智能体开发实践｜知识库与工作流平台接入与模型配置：先把“思考能力”接上1进入空间选择智能体开发关键：工作空间→开发2基本信息名称、介绍、图标关键：三项必填3模型配置模型、温度、输出长度关键：温度0.3~0.54插件链接读取、文件解析关键：先看权限再添加5开场白引导用户输入关键：写清能做什么6预览发布测试后发布关键：多类输入各测一次模型选择精度、速度、成本三者平衡复杂长文本：选语义理解强的模型；高频摘要：选兼顾速度与质量的轻量模型；时延敏感：选更小的模型。专业问答温度0.3～0.5；最大输出长度按任务设定。平台菜单名称随版本变化；课堂以当前界面和数字实训手册为准。324.3智能体开发实践｜知识库与工作流知识库创建流程：分段预览必须人工核查1资源库右上角“资源”→“知识库”2创建知识库名称、用途、文本类型3上传文档本地导入PDF/Word/TXT4分段预览核查语义完整性、清理冗余5构建索引Embedding、写入向量库6绑定智能体编排界面添加知识库重点分段预览看什么一段是否表达完整语义是否混入页眉、页脚、页码是否把条款和标题拆散是否重复、乱码、空段调整后重新预览，再构建索引知识库质量的上限，往往在分段这一步就决定了。334.3智能体开发实践｜知识库与工作流工作流四要素与常用节点要素1节点最小执行单元，标准输入输出要素2逻辑控制选择、意图识别、循环、异常要素3数据流变量引用、强类型、上下文透传要素4资源集成知识库、数据库、API、模型开始唯一边界入口LLM分类、分析、生成插件调外部能力代码精确计算、解析知识库RAG检索结束定义输出格式节点之间靠变量连接；上游输出格式，必须与下游输入格式相容。画工作流前先在纸上写清：输入→节点→分支→输出；再拖控件。344.3智能体开发实践｜知识库与工作流分支、数据流与异常处理选择节点按问题类型/参数值分流意图识别自动判断参数查询、失效分析等循环节点批量处理多条测试记录异常分支节点失败时兜底，不中断变量引用{{start.user_test_query}}强类型约束字符串/数值/JSON/数组上下文透传芯片型号、历史查询数据校验阈值范围、格式校验异常分支不是“可选项”：节点失败、数据缺失、格式不符都要有兜底。354.3智能体开发实践｜知识库与工作流工作流与自主智能体：路径由谁决定工作流路径由开发者预先规定节点与连线固定过程可检查、可复现适合规则清晰、风险可控典型：参数查询、分流、审批流自主智能体路径由模型动态决定可自行选择工具可中途重新规划灵活性高，过程不易预先检查典型：开放环境多步任务维度工作流自主智能体可控性高较低可复现性强较弱灵活性中高适用风险低—中需更强隔离与审批364.3智能体开发实践｜知识库与工作流任务：车规级PMIC测试工作流1开始问题、型号、测试项2意图识别参数查询/失效分析3知识库检索手册、AEC-Q100、规程3LLM+知识库原因分析、方案生成4格式化结论、依据、建议5结束输出合格判定→人工审核工作流适合规则清晰、风险可控的测试流程；高风险结论必须保留人工审核节点。验收：6个问题覆盖参数查询、失效分析、超范围、缺字段、多型号、合格判定；记录分流是否正确、引用是否可核对、是否转人工。议一议：如果测试项新增“EMC”，工作流要改哪些节点？374.3智能体开发实践｜知识库与工作流六种基础设计模式：把提示词方法变成流程必学提示词链固定步骤，前一步输出作后一步输入例：抽取→分类→生成报告必学路由按问题类型选择不同路径例：参数查询vs失效分析了解并行化独立任务同时执行再汇总例：多份文档同时摘要结合测试反思评估输出、识别问题、迭代改进例：自检答案再修正了解工具使用调用API、数据库、插件例：查数据库、发工单进阶规划自主安排行动序列，随障碍调整例：多步巡检任务工作流多用提示词链+路由；自主智能体更多依赖规划+工具+反思。384.3智能体开发实践｜知识库与工作流进阶模式与协议：知道它们解决什么问题人机协同关键环节人工监督、审批、纠偏记忆管理会话、状态、长期记忆分层知识检索RAG，引入外部依据多智能体专项智能体+编排器调度MCP模型上下文协议统一工具与数据源接入A2A智能体间协议跨厂商、跨框架通信与分派上下文工程组织给模型的信息RAG+记忆+人设按重要度组织提示词工程侧重“怎样表达”，上下文工程侧重“给模型什么信息”。394.3SECTION智能体开发实践：测试与安全智能体上线前必须系统测试；能力越强，风险越高。四维测试：功能、知识、安全、体验三条底线：权限最小化、审核前置、日志审计高风险动作必须人工审批项目4｜智能体开发实践4.3智能体开发实践｜测试与安全四维测试：功能、知识、安全、体验维度一功能测试能否正确回答能否调用指定工具工作流是否完整执行典型任务逐一验证例：查参数、走流程、转人工维度二知识测试回答正确率幻觉率引用是否准确已知标准答案抽样例：标准题、超范围题维度三安全测试越权访问敏感信息泄露恶意提示诱导边界与攻击用例例：越权、泄露、诱导维度四体验测试响应时间任务成功率用户满意度多轮实际使用记录例：3轮追问、响应时长实训任务4-1：四个维度各设计3个用例，共12个，运行并记录，写一份简要测试报告。测试不是“问几个问题看看”：每个用例都要有输入、预期、实际、结论。414.3智能体开发实践｜测试与安全安全边界：权限最小化、审核前置、日志审计权限最小化只给完成任务所需的最小权限审核前置高风险动作先审批再执行日志审计记录操作、依据、时间、责任人L1查询自主L2建议人确认L3低风险执行自动+日志L4高风险执行人工审批法规底线：《生成式人工智能服务管理暂行办法》2023-08-15施行；《个人信息保护法》2021-11-01施行。424.3智能体开发实践｜测试与安全安全审查清单：把“能不能做”写清楚自主范围哪些查询、生成、草稿可以自动完成？例：查手册、生成建议、创建草稿工单高风险审批哪些动作必须人工确认？例：停机、下单、改参数、判合格敏感信息知识库里哪些内容要保护？例：客户信息、价格、工艺参数责任界定误判时谁负责、如何追溯？例：日志、依据、审批人、复核记录议一议4-3：清单里哪一项最容易被忽略？为什么“日志”是责任界定的前提？434.4SECTION综合实训与拓展把方法串起来，完成一个可测试、可审查的智能体。基础任务：AI学习助手智能体企业任务：车规级PMIC测试智能体拓展：设备巡检方案与自主智能体安全项目4｜智能体开发实践4.4综合实训与拓展项目综合实训：三级任务与评价基础版｜必做基础闭环需求四问+人设四部分；5份文档；5题检索测试完整版｜推荐验证闭环加工作流、功能/知识测试、安全清单、AI使用声明专业/企业｜选做真实场景本专业助手，或车规级PMIC测试智能体基础必做；选做附加分最高10分评价项权重需求分析与人设20%知识库20%工作流20%四维测试20%安全审查10%效果与AI使用声明10%等级关键点优秀与不及格优秀：关键用例独立设计、安全审查到位、能说明人机分工不及格：无核查验证，或说不清AI与人的贡献454.4综合实训与拓展企业任务：车规级PMIC测试智能体资料包教师提供的虚构或脱敏材料；企业资料先确认授权人设与限制回答附条款出处；材料没有的明确说明；只辅助判断分流工作流参数查询→知识库；失效分析→LLM+知识库；判定→人工四维测试功能、知识、安全、体验；专设人工审核用例PMIC场景的底线：回答必须有依