做一个项目介绍:这是一个面向养老护理场景的一体化业务系统智能化升级项目。Java 侧负责老人档案、设备管理、告警处理、家属端/员工端业务流程Python Agent 侧负责健康报告解读、护理知识检索、异常信息分析、护理建议生成和问答式辅助决策。问1:怎么去降低大模型幻觉输出混乱我没有让模型直接自由发挥而是尽量让它先查库、再查知识库、再结合外部公开信息最后再生成结论。也就是说先取证据再生成答案这样比纯 Prompt 直出更可靠。问2:传统业务系统和Agent服务的边界怎么划分业务系统擅长稳定流程、事务、权限和主数据管理Agent 服务擅长自然语言任务拆解、知识检索和结果生成。难点在于两边不能互相侵入太深否则很难维护。我采用的是“Java 承载业务主流程Python 承载智能分析”的边界划分。问3:你的分析助手是不是只是调了一个API不是简单调一个 API。调用模型接口只是底层能力真正有价值的是我把它接进了养老业务场景前面有业务上下文组织中间有数据库查询、知识库检索和文件处理后面还有实时回传、结果输出和业务页面落地所以它本质上是一个智能分析链路而不是输入一句话返回一句话的聊天接口。问4:设备告警的难点是什么常见难点有三个第一是规则和数据模型如何对齐第二是如何避免重复告警、无效告警第三是告警结果如何和设备、老人、位置等业务数据串起来便于护理人员快速处理。问5:设备告警和 Agent 到底怎么关联设备告警负责发现问题Agent负责解决问题理解问题Agent 不是一个孤立的聊天窗口它和设备告警链路是可以串起来的。设备告警模块负责先发现异常Agent 模块负责在异常发生后做上下文补全、异常解释和护理建议生成。 
