【AI培训中台项目介绍】

AI智能培训中台 – 产品说明与技术设计文档

版本：v1.0 | 日期：2026-04-10 | 作者：田旭旭

---

一、产品概述

1.1 产品定位

AI智能培训中台（YQG AI Training Center）是一款面向金融催收行业的AI驱动全场景培训平台。平台通过大语言模型（LLM）模拟真实催收场景中的借款人角色，为催收员提供沉浸式的对话陪练、智能评分、个性化学习路径等能力，实现"AI替代传统师傅带徒弟"的培训模式革新。

1.2 核心价值

维度	传统培训痛点	AI培训中台方案
成本	资深员工带教成本高，占用产能	AI 24小时可用，零边际成本陪练
标准化	带教质量因人而异	统一Prompt+评分规则，输出一致
效率	新员工上手周期长（2-4周）	高频反复练习+即时反馈，缩短50%+
覆盖	场景单一，难以覆盖极端case	多剧本多角色，覆盖首催/复催/投诉等全场景
数据	培训效果难量化	多维度评分+数据看板，效果可追踪

1.3 目标用户

• 培训管理员：配置剧本、培训计划、评分规则，查看数据看板
• 催收员（学员）：执行陪练任务，查看评分报告，持续改进
• AI工程师：管理Prompt模板、评测实验、LLM调用监控
• 业务运营：通过数据看板监控培训ROI

---

二、产品功能全景

2.1 功能架构图

┌─────────────────────────────────────────────────────────────────────────┐ │ AI 智能培训中台 │ ├──────────────┬──────────────┬───────────────┬──────────────────────────┤ │ 培训管理 │ 内容管理 │ AI 工程 │ 系统管理 │ ├──────────────┼──────────────┼───────────────┼──────────────────────────┤ │ · 培训计划 │ · 剧本管理 │ · Prompt管理 │ · 用户管理 │ │ · 数据看板 │ · AI角色库 │ · Prompt调试 │ · 权限控制 │ │ · 全部练习 │ · 话术知识库 │ · DAG编排画布 │ · 通用配置 │ │ · 练习任务 │ │ · 评测中心 │ │ │ 看板 │ │ · LLM调用日志 │ │ │ · 员工学习 │ │ · RAG调用历史 │ │ │ 看板 │ │ │ │ ├──────────────┴──────────────┴───────────────┴──────────────────────────┤ │ 学员门户 │ ├──────────────┬──────────────┬───────────────┬──────────────────────────┤ │ · 学习首页 │ · 我的学习计划 │ · AI陪练对话 │ · 练习报告 │ │ · 排行榜 │ · 剧本详情 │ · 语音/文字输入 │ · 历史记录 │ └──────────────┴──────────────┴───────────────┴──────────────────────────┘

2.2 核心功能模块详述

2.2.1 剧本管理（Script Management）

剧本是培训的基础内容单元，定义了一次陪练对话的完整上下文。

两种对话模式：

• 开放式（OPEN）：无固定流程，学员自由发挥，AI根据角色设定灵活应对。适合综合能力评估。
• 流程式（PROCESS）：预设多个目标节点（如自我介绍→身份核实→共情→方案提出→异议处理→微信邀约→礼貌挂机），学员需按序推进。适合标准化技能训练。

剧本组成要素：

要素	说明
基本信息	剧本名称、场景描述、对话模式
AI角色	关联的借款人角色（性格、背景、年龄）
对话目标	开放式为整体目标，流程式为多个分步目标
目标达成/失败条件	每个目标的可观测、原子化判定条件
行为策略	每个目标下AI的触发行为和回应策略
过程反馈	学员特定行为时的即时系统反馈
标准话术	业务标准应答参考
评分规则	多维度评分体系（满分100分）
禁用词	违规词汇列表及扣分规则

AI辅助创建流程（8步DAG流水线）：

场景润色 → 问卷确认 → 角色生成 → 剧本生成 → 目标生成 → 评分规则生成 → 对话模拟 → 评分验证

2.2.2 AI陪练对话（Practice Session）

核心交互场景，学员与AI角色进行实时对话练习。

对话流程：

创建会话 → AI发送开场白 → 学员回复（文字/语音） ↓ [并行触发] ├── AI回复生成（LLM对话） ├── 话术润色（实时点评学员回复） ├── 灵感提示（推荐下一句话术） ├── 目标判定（流程式：是否达成当前目标） └── 结束判定（开放式：是否满足结束条件） ↓ AI回复 + TTS语音 → 学员继续回复 ↓ 对话结束 → 触发AI评分 → 生成练习报告

关键特性：

• 实时灵感提示：学员卡壳时，AI基于RAG知识库+标准话术推荐回复
• 实时话术润色：每轮对话后，AI以"教练"视角点评并提供改进版话术
• 语音支持：WebSocket + 阿里云NLS实现ASR（语音转文字）和TTS（文字转语音）
• 目标追踪：流程式对话实时展示目标进度，达成/失败即时通知
• 屏幕切换限制：防止学员切屏查阅资料（考试模式）
• 倒计时机制：限制每轮回复时间，模拟真实通话压力

2.2.3 AI智能评分（Scoring System）

评分架构 – MapReduce模式：

Map阶段：每个评分维度独立调用LLM打分（可并行） ↓ Reduce阶段：汇总各维度分数，生成综合评价和改进建议

评分三级对齐原则：

• Rule A（80%+）：学员话术覆盖了标准话术的核心要点
• Rule B（50%起）：标准话术未要求的内容，不额外扣分
• Rule C（50%以下）：严重偏离且有具体违规行为，必须引用原文

评分输出：

• 各维度得分及详细说明（含对话原文引用）
• 目标达成情况展示
• 综合评价（HTML折叠格式）
• 改进建议（"你说了X → 问题是Y → 建议改为Z"格式）

2.2.4 培训计划（Training Plan）

两种计划模式：

• 周期模式（CYCLE）：每月/每周定期轮训
• 日期范围模式（DATE_RANGE）：固定时间段内的一次性培训

计划组成：

• 多阶段（Stage）结构，支持顺序解锁和自由访问
• 每阶段包含多个剧本，可配置练习/考试模式
• 学员分配（支持组织架构导入）
• 通过分数线、考试次数上限、灵感提示开关、屏幕切换限制等精细配置

2.2.5 Prompt工程中心

Prompt版本管理：

• 模板内容 + 模型配置（模型名、温度）版本化存储
• 状态生命周期：Draft → Published → Active
• 配置中心热切换（DynamicProperties覆盖classpath模板）

Prompt调试：

• 在线输入变量执行测试
• AI建议输入变量
• 人工标注（满意/不满意）
• AI辅助Prompt修订（对比Diff展示）
• 调试历史记录追溯

DAG编排画布：

• 可视化展示8步Prompt DAG流水线
• 支持选择起止节点部分执行
• 节点级版本覆盖
• 中间结果传递与查看

评测中心（Eval Center）：

• Golden数据集管理
• 自动评测实验（Dokimos LLM-as-Judge框架）
• 5维度10分制评分：格式正确性(20%) + 指令遵循(25%) + 内容质量(30%) + 一致性(15%) + 安全性(10%)
• A/B实验对比
• 多次重复执行衡量稳定性（方差统计）

2.2.6 数据看板

三大看板：

1. 练习任务看板：总览卡片、剧本统计、学员排行榜（练习次数/时长/平均分）
2. 员工学习看板：完成率/参与率、部门排行、计划/剧本/维度诊断
3. 剧本使用看板：剧本使用频次、部门平均分、使用/学习/分数排行

可视化组件：

• ECharts 6 部门率对比图（水平柱状图）
• 饼图（完成率分布）
• 排行榜柱状图（多色调色板）
• 全部支持Excel导出

2.2.7 知识库与RAG

知识库类型：

类型	说明
CUSTOM	自定义Q&A知识库
SCRIPT_STANDARD_QA	剧本标准话术Q&A
SCRIPT_KNOWLEDGE	剧本背景知识
SCRIPT_TRANSITIONAL_REPLY	剧本目标过渡回复Q&A

两种交互模式：

• AGENT_ASK_AI_REPLY：催收员提问场景的标准回复
• AI_ASK_AGENT_REPLY：借款人提问时催收员应如何回复

RAG集成：

• 对话生成、灵感提示、话术润色、评分建议均注入RAG检索结果
• 优先级：RAG知识 > 标准话术 > 行为策略 > 兜底策略库

---

三、技术架构设计

3.1 系统架构总览

┌──────────────────────────────────────────────────────────────────────────┐ │ 用户层 │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ 管理员PC端 │ │ 学员PC端 │ │ 学员移动端 │ │ │ │ (Vue 3) │ │ (Vue 3) │ │ (H5适配) │ │ │ └──────┬───────┘ └──────┬──────┘ └──────┬───────┘ │ │ │ │ │ │ │ └───────────────────┼──────────────────┘ │ │ │ │ ├─────────────────────────────┼─────────────────────────────────────────────┤ │ 接入层 │ │ ┌────────────┴──────────────┐ │ │ │ Nginx / API Gateway │ │ │ │ (SSO + Token双认证) │ │ │ └────────────┬──────────────┘ │ │ │ │ ├─────────────────────────────┼─────────────────────────────────────────────┤ │ 应用层 │ │ ┌──────────────────────────┴──────────────────────────────────┐ │ │ │ Spring Boot 2.7 + JDK 21 │ │ │ │ ┌─────────┐ ┌──────────┐ ┌───────────┐ ┌────────────┐ │ │ │ │ │ Admin │ │ API │ │ Scheduler │ │ Consumer │ │ │ │ │ │ (REST) │ │ (RPC) │ │ (YJob) │ │ (Kafka) │ │ │ │ │ └────┬─────┘ └────┬─────┘ └─────┬─────┘ └─────┬──────┘ │ │ │ │ └─────────────┼─────────────┼─────────────┘ │ │ │ │ │ │ │ │ │ │ ┌──────┴──────┐ │ │ │ │ │ │ Core Module │ │ │ │ │ │ │ (业务逻辑) │ │ │ │ │ │ └──────┬──────┘ │ │ │ │ └─────────────────────┼─────────────┘ │ │ │ │ │ │ ├────────────────────────┼────────────────────────────────────────┤ │ │ AI 服务层 │ │ │ ┌─────────────────────┴──────────────────────────────────┐ │ │ │ │ │ │ │ │ │ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │ │ │ │ │ │PracticeLLM │ │ ScoreLLM │ │ ScriptLLM │ │ │ │ │ │ │Service │ │ Service │ │ Service │ │ │ │ │ │ │(陪练对话编排) │ │ (评分规则生成) │ │ (剧本生成) │ │ │ │ │ │ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ │ │ │ │ │ └─────────────────┼──────────────────┘ │ │ │ │ │ │ │ │ │ │ │ ┌──────────┴──────────┐ │ │ │ │ │ │ LangChainChatService │ │ │ │ │ │ │ (统一LLM调用封装) │ │ │ │ │ │ └──────────┬──────────┘ │ │ │ │ │ │ │ │ │ │ │ ┌──────────┴──────────┐ │ │ │ │ │ │ ChatModelFactory │ │ │ │ │ │ │ (模型路由+缓存) │ │ │ │ │ │ └──────────┬──────────┘ │ │ │ │ └───────────────────────────┼──────────────────────────────┘ │ │ │ │ │ │ ├──────────────────────────────┼───────────────────────────────────┤ │ │ 模型层 │ │ │ ┌───────────┐ ┌───────────┐ ┌───────────┐ ┌───────────┐ │ │ │ │ GPT-5.4 │ │DeepSeek │ │ Qwen3 │ │ Kimi K2 │ │ │ │ │ (Azure) │ │ V3.2 │ │ 系列 │ │ │ │ │ │ └───────────┘ └───────────┘ └───────────┘ └───────────┘ │ │ │ │ │ ├──────────────────────────────────────────────────────────────────┤ │ │ 数据层 │ │ │ ┌───────────┐ ┌───────────┐ ┌───────────┐ ┌───────────┐ │ │ │ │ MySQL 8 │ │ Redis │ │ Kafka │ │ RAG │ │ │ │ │ (JOOQ) │ │ (缓存+锁) │ │ (消息队列) │ │ Gateway │ │ │ │ └───────────┘ └───────────┘ └───────────┘ └───────────┘ │ │ │ │ │ │ ┌───────────┐ ┌───────────┐ ┌───────────┐ │ │ │ │ 阿里云NLS │ │ InfluxDB │ │ 七牛云 │ │ │ │ │ (ASR/TTS) │ │ (监控) │ │ (文件存储) │ │ │ │ └───────────┘ └───────────┘ └───────────┘ │ │ └──────────────────────────────────────────────────────────────────┘ │

3.2 技术栈明细

3.2.1 后端技术栈

类别	技术	版本	用途
语言	Java	21	主开发语言，启用虚拟线程等新特性
框架	Spring Boot	2.7.x	Web框架 + 依赖注入
云原生	Spring Cloud	-	服务治理
ORM	JOOQ	3.18.7	类型安全SQL，代码生成
数据库迁移	Flyway	9.22.3	Schema版本管理（36个迁移文件）
LLM框架	LangChain4j	1.12.2	统一LLM调用抽象
LLM评测	Dokimos	-	LLM-as-Judge评测框架
语音	阿里云NLS SDK	2.2.19	ASR（语音识别）+ TTS（语音合成）
消息队列	Kafka	-	异步事件处理
缓存	Redis	-	分布式缓存 + 锁 + WebSocket广播
调度	YJob	-	分布式定时任务
HTTP	OkHttp	4.9.0	外部API调用
NLP	HanLP	-	中文自然语言处理
工具	Hutool	5.7.12	通用工具集
认证	Chidori SSO	-	内部员工单点登录

3.2.2 前端技术栈

类别	技术	版本	用途
框架	Vue 3	3.x	Composition API + TSX
构建	Max (Vite)	-	内部构建工具链
UI	Ant Design Vue	4.2.1	组件库
图表	ECharts	6.0	数据可视化
状态	Pinia	-	全局状态管理
HTTP	Axios	-	API请求封装
拖拽	vuedraggable	-	剧本/阶段排序
Diff	diff	-	Prompt版本对比
Markdown	markdown-it	14.1.1	Prompt内容渲染
样式	LESS	-	CSS预处理
语言	TypeScript	-	类型安全

3.3 后端模块架构

3.3.1 Maven多模块设计

training-center-parent (pom.xml) ├── training-center-common # 共享工具类、异常定义 ├── training-center-client # RPC客户端接口 ├── training-center-core # 核心业务：Service + Model + 数据库迁移 + JOOQ生成 ├── training-center-admin # HTTP REST API（主服务入口） ├── training-center-api # 内部RPC接口 ├── training-center-scheduler # YJob定时任务 └── training-center-consumer # Kafka消费者

依赖规则（严格单向）：

• 所有Web模块 → core + common
• core → 仅依赖 common
• 模块间禁止交叉引用

3.3.2 分层架构

Controller层 (training-center-admin) │ 25+ Controller包，REST风格 /admin/training/{module} │ 所有接口 @PreAuthorize 权限控制 │ 独立VO类（请求/响应） ▼ Service层 (training-center-core) │ 33+ Service包 │ PracticeLLMService (841行) -- 对话编排核心 │ LangChainChatService (457行) -- LLM调用封装（含多策略JSON解析管道） │ ChatModelFactory (197行) -- 模型路由 │ PromptDynamicService (535行) -- Prompt模板管理 ▼ Model层 (training-center-core) │ JOOQ生成的Record类（54个表） │ TraBaseModel<T,R> 基类提供通用CRUD │ 57个Model类（命名为*Model而非*Dao） ▼ Database (MySQL 8.0) 46张表，utf8mb4编码，InnoDB引擎

3.4 LLM调用架构

3.4.1 多模型路由

┌─────────────────────────────────────────────────────────┐ │ ChatModelFactory │ │ │ │ 配置指纹热重载：computeConfigFingerprint() │ │ 指纹变化 → 缓存清空 → 模型实例重建 │ │ │ │ ┌──────────────┐ ┌──────────────────┐ │ │ │ Azure Gateway │ │ Qwen Compatible │ │ │ │ (GPT系列) │ │ Gateway │ │ │ │ │ │ (Qwen/DeepSeek/ │ │ │ │ · GPT-5.4 │ │ Kimi) │ │ │ │ · GPT-5.2 │ │ │ │ │ │ · GPT-5 │ │ · Qwen3-Next 80B │ │ │ │ │ │ · Qwen3.5-35B │ │ │ └──────────────┘ │ · Qwen3-Max │ │ │ │ · Qwen3-8B/14B │ │ │ │ · DeepSeek V3/ │ │ │ │ V3.1/V3.2 │ │ │ │ · Kimi K2.5 │ │ │ └──────────────────┘ │ └─────────────────────────────────────────────────────────┘

5级配置优先级：

1. training.center.llm.scenario.{场景}.model.{模型}.api.url– 场景+模型级
2. training.center.llm.scenario.{场景}.url– 场景级
3. training.center.llm.model.{模型}.api.url– 模型级
4. training.center.llm.api.url– 全局级
5. 硬编码默认值

场景化模型分配：

场景	默认模型	说明
practice	GPT-5.4	陪练对话
inspiration	GPT-5.4	灵感提示
score	DeepSeek V3.2	评分
script	GPT-5.4	剧本生成
scenario	GPT-5.4	场景润色
eval_judge	可配置	评测裁判

3.4.2 LLM调用流水线

业务Service调用 ↓ LangChainChatService.chatForJsonObject() / chatForText() ↓ 构建ChatMessages (system + user) ↓ ChatModelFactory.getModel(modelType, scenario, jsonMode) ↓ LangChain4j ChatModel.chat() → HTTP调用 ↓ [异常处理] ├── 网络/超时 → TIMEOUT → TrainingException ├── 内容过滤 → CONTENT_FILTER → TrainingException ├── 线程中断 → REQUEST_CANCELLED → 保留中断标志 └── HTTP错误 → HTTP_ERROR → TrainingException ↓ [响应清洗] ├── 正则去除 ```json...```代码块包裹 ├── 去除格式化伪影 └── JSON反序列化 → TypeReference<T> 强类型VO ↓ [自愈重试] JSON解析失败 + 输出含{/[ + 上下文<60K ├── 拼接失败输出 + 纠正Prompt └── 重试一次 ↓ [异步记录] LlmCallLogRecordingService → tra_llm_call_log ↓ 返回结果

3.4.3 Prompt模板管理

32个Prompt模板，存放于training-center-core/src/main/resources/promot/

模板加载策略：

1. 配置中心DynamicProperties.getString("training.center.prompt." + key)– 最高优先级（热切换）
2. Classpath文件缓存 – 默认

变量替换：Mustache语法{{camelCaseVariable}}，通过 LangChain4jPromptTemplate.from().apply()渲染

核心模板矩阵：

模板Key	文件	用途
practiceDialogueOpen	ai_practice_dialogue_open.md	开放式陪练对话
practiceDialogueProcess	ai_practice_dialogue_process.md	流程式陪练对话
practicePolish	ai_practice_polish.md	话术润色
practiceInspiration	ai_practice_inspiration.md	灵感提示（RAG优先+3步生成+难度策略库）
practiceGoalJudge	ai_practice_goal_judge.md	目标判定（已移除RAG依赖，精简输入）
practiceGoalSummary	ai_practice_goal_summary.md	目标摘要
practiceFinishCheck	ai_practice_finish_check.md	结束判定
practiceScoring	ai_practice_scoring.md	整体评分
practiceScoringDimension	ai_practice_scoring_dimension.md	维度评分(Map)
practiceScoringReduce	ai_practice_scoring_reduce.md	评分汇总(Reduce，折叠HTML+三行改进格式)
practiceScoringS suggestion	ai_practice_scoring_suggestion.md	评分建议
scriptCreateOpen	ai_script_create_open.md	开放式剧本生成
scriptCreateProcess	ai_script_create_process.md	流程式剧本生成（3-5目标+强制收尾目标）
scoreGenerateOpen	ai_score_generate_open.md	开放式评分规则
scoreGenerateProcess	ai_score_generate_process.md	流程式评分规则
trainingPolishedScenario	ai_training_polished_scenario.md	场景润色
trainingQuestionChecklist	ai_training_question_checklist.md	问卷生成
trainingRoleDef	ai_training_role_def.md	角色生成
knowledgeQaParse	ai_knowledge_qa_parse.md	知识库Q&A提取
qaKeywordExtract	ai_qa_keyword_extract.md	质检QA关键词提取+质量评分
qaSelectRepresentative	ai_qa_select_representative.md	代表性QA对筛选
qaKeywordCatalogCollection	ai_qa_keyword_catalog_collection.md	催收关键词目录（18类180+词）

3.5 数据库设计

3.5.1 核心ER关系

tra_character (AI角色) ↑ character_id tra_script (剧本) ──1:N──→ tra_script_goal (目标) │ │ │ 1:N ↓ │ tra_script_goal_strategy (策略) │ ├──1:N──→ tra_script_feedback (反馈规则) ├──1:N──→ tra_script_standard_reply (标准话术) └──1:N──→ tra_score_dimension (评分维度) │ 1:N ↓ tra_score_detail (评分细则) tra_plan (培训计划) ├──1:N──→ tra_plan_stage (阶段) ├──1:N──→ tra_plan_script (计划-剧本关联) ├──1:N──→ tra_plan_user (计划-学员关联) └──────→ tra_plan_script_user (三方进度) tra_practice_session (练习会话) ├──1:N──→ tra_practice_dialogue (对话消息) └──1:1──→ tra_practice_report (评分报告) │ 1:N ↓ tra_practice_report_detail (维度得分) tra_ai_prompt (Prompt定义) └──1:N──→ tra_ai_prompt_version (版本) │ ┌─────┴─────┐ ↓ ↓ tra_ai_prompt_ tra_eval_experiment debug_run (评测实验) │ 1:N ↓ tra_eval_result

3.5.2 数据库演进（9个阶段，36个迁移）

阶段	版本	表数	核心能力
基础设施	V1-V7	12	用户、角色、配置、Kafka
内容创作	V8-V12	8	AI角色、剧本、评分规则
培训管理	V13-V16	5	培训计划、学习进度
知识库	V14,V24,V30	2	Q&A对、RAG知识
陪练引擎	V17,V29,V33,V34	4	会话、对话、报告
Prompt管理	V18-V21	3	模板、版本控制
评测系统	V26	6	数据集、实验、结果
可观测性	V22,V28,V31-V35	7	RAG日志、热词、LLM日志
质检集成	V36-V37	3	质检数据同步+关键词提取
标注闭环	V38,V41	2	标注修复追踪（fix_session_id）
多租户	V40	1（影响18张表）	全表business_id扩展

设计模式：

• 软删除：大部分域表使用deleted字段（‘T’/‘F’）
• 毫秒时间戳：所有time_created/time_updated为bigint(20)毫秒精度
• 报告快照：tra_practice_report_detail冗余维度名、评估点、满分等，确保历史数据不受规则变更影响
• Kafka Outbox：kafka_message+kafka_message_lock保证消息可靠投递
• 状态机：会话(IN_PROGRESS→COMPLETED|TERMINATED)、报告(NONE→GENERATING→COMPLETED|FAILED)、版本(Draft→Published)

3.6 前端架构

3.6.1 双门户SPA

src/ ├── pages/ # 40+ 页面模块 │ ├── [Admin Portal] │ │ ├── training-plan/ # 培训计划管理 │ │ ├── script-management/ # 剧本管理 │ │ ├── script-editor/ # 剧本编辑器 │ │ ├── ai-role-library/ # AI角色库 │ │ ├── speech-library/ # 话术知识库 │ │ ├── prompt-list/ # Prompt管理 │ │ ├── prompt-debug/ # Prompt调试 │ │ ├── prompt-dag/ # DAG编排画布 │ │ ├── eval-center/ # 评测中心 │ │ ├──>3.6.2 API集成模式
所有API请求遵循统一模式：
// resources/practice-session.tsexportasyncfunctionsendChatMessage(sessionId:number,params:SendMessageParams){constres=awaitaxios.post(`/admin/training/practiceSession/${sessionId}/sendMessage`,params);returnunwrapBody<SendMessageResponse>(res);}
响应信封：{ status: { code: number }, body: T }
错误拦截：统一interceptor处理 token过期(302重定向)、权限不足(403)
3.6.3 实时通信 – WebSocket语音
浏览器 (Web Audio API) │ getUserMedia → ScriptProcessorNode │ 16kHz 16bit Mono PCM → Base64编码 │ 200ms/帧 (3200样本) ↓ WebSocket (/admin/practiceVoice) │ ESTABLISH → DATA(base64) → SEND → CLOSE ↓ 后端 PracticeVoiceWebSocketHandler │ 积累ASR句末结果 │ SEND时：flush转写器，等待4秒最终句 │ 拼接所有片段 ↓ 返回 TRANSCRIPTION → 前端展示 → 触发HTTP sendMessage
3.7 关键设计决策
决策
选择
理由
JOOQ而非JPA
JOOQ + Flyway
类型安全SQL，编译期校验，避免N+1问题
禁用@Transactional
手动事务
与加密JDBC驱动冲突
禁用@Async
ExecutorService
更精细的线程池控制
WebSocket仅做ASR
HTTP做对话
避免WS+HTTP双写消息
MapReduce评分
维度并行+聚合
单维度prompt更精确，可并行加速
Prompt配置中心热切换
DynamicProperties覆盖classpath
生产环境无需重启即可调优prompt
配置指纹热重载
fingerprint比对
LLM配置变更自动重建模型实例
LLM日志异步写入
2线程守护池
不阻塞主流程，保障可观测性
3.8 多区域部署
环境
用途
数据库
dev
本地开发
localhost
test
测试环境（中国）
远程MySQL
test-indo
印尼测试
印尼集群
test-sea
东南亚测试
东南亚集群
test-mex
墨西哥测试
墨西哥集群
prod
生产（中国）
生产MySQL
prod-indo
印尼生产
印尼集群
prod-phi
菲律宾生产
菲律宾集群
prod-mex-huawei
墨西哥生产
华为云
feat
预发布
Staging
四、AI Prompt工程设计
4.1 8步DAG流水线
Step 1: 场景润色 (trainingPolishedScenario) ↓ 用户原始输入 → 结构化Markdown场景描述 Step 2: 问卷确认 (trainingQuestionChecklist) ↓ 场景 → 4道ABCDE选择题，细化训练维度 Step 3: 角色生成 (trainingRoleDef) ↓ 场景+问卷+素材 → AI借款人角色（姓名/年龄/性格/背景） Step 4: 剧本生成 (scriptCreate[Open|Process]) ↓ 角色+场景+问卷 → 完整剧本（目标+策略+反馈+话术） Step 5: 目标生成 (scriptGoal[Open|Process]) ↓ 补充/追加训练目标 Step 6: 评分规则生成 (scoreGenerate[Open|Process]) ↓ 剧本 → 多维度评分体系（总分100分） Step 7: 对话模拟 (practiceDialogue[Open|Process]) ↓ 学员与AI实时对话 Step 8: 评分验证 (practiceScoring) 对话历史 → 多维度评分+改进建议
4.2 核心Prompt工程技术
技术
应用
示例
角色扮演（Persona）
全部模板
“你是一名逾期借款人” / “你是资深催收培训师”
结构化JSON输出
28/32模板
严格字段定义+长度约束
Few-Shot示例
8个模板
灵感提示5个完整示例、润色6个示例
Chain-of-Thought
5个模板
目标判定3步推理、灵感3步生成
领域知识注入
15+模板
催收全流程、还款方案分类、客户心理模型
负面约束
20+模板
禁用词列表、禁止格式、反面示例
情绪递进模型
对话模板
5阶段情绪弧：防御→试探软化→方案博弈→异议波动→理性回归
绝对被动原则
流程式对话
AI只在学员主动提及话题后才响应
输出自检
3个模板
“输出前检查：1.无行业术语? 2.回应了问题? 3.无泄密?”
优先级层级
5个模板
RAG知识 > 标准话术 > 行为策略 > 兜底策略库
互斥规则
3个模板
“achieved和failed不能同时为true”
Meta-Prompt
1个模板
ai_prompt_revise_meta.md – 用Prompt修改Prompt
五、Agent与开发效能工具
5.1 Claude Code Skill体系
项目深度集成了Claude Code的Skill生态，构建了完整的AI辅助开发工具链：
Skill
用途
backend-local-run
JDK 21构建并本地启动Admin服务
local-acceptance
前后端同时启动+验收清单生成
local-mysql-ops
Flyway迁移、JOOQ代码生成、Mock数据
schema-pull-sync
团队迁移脚本同步
code-style-review
代码规范审查
review-java
阿里巴巴Java规范+项目CodeStyle审查
eval-center-backend
评测中心后端开发专用
training-center-prd
AI辅助PRD生成
ut-scan
单测覆盖率扫描+自动补充
skill-reviewer
Skill质量审核
5.2 Cursor Agent
Agent
功能
规模
code-to-docs
代码变更→飞书技术文档
36KB配置
feishu-to-docs
飞书文档整理美化
40KB配置
5.3 Speckit工作流（15个命令）
speckit analyze → 需求分析 speckit specify → SDD规约生成 speckit plan → 实现计划 speckit implement → 代码实现 speckit verify → 验证 speckit parallel-* → 并行版本 speckit save/restore-context → 上下文保存/恢复
六、项目数据概览
指标
数值
后端总提交数
~362次
前端总提交数
~504次
贡献者
7人（后端）/ 11人（前端）
数据库表
46张+（V40多租户扩展18张表）
Flyway迁移
41个
JOOQ生成类
54个
Model类
57个
Controller包
25+
Service包
33+
前端页面模块
40+
API资源文件
28个
Prompt模板
32个
支持LLM模型
13个
部署区域
10个环境
活跃开发周期
2026.03 - 2026.04