🏗️ 工程检测智能领航员 | Inspection AI Pilot

连接检测数据与国家标准，打造“实测实量”的自动化 AI 专家

🎥 演示 • ✨ 亮点 • ⚡ 快速开始 • 🧩 架构

---

📖 项目背景 (Background)

在传统的工程检测行业（建筑、交通、地基基础）中，工程师面临两大痛点：

1. 📚 标准繁杂：各类 GB/JGJ 规范更新快，条款多，尤其是复杂的换算表格（如回弹法测强），人工查阅耗时且易错。
2. 🏝️ 数据孤岛：现场仪器（IoT）数据与后端标准库割裂，需要人工手动录入并核对合规性，效率低下。

Inspection AI Pilot 是一个验证性 MVP，旨在通过 LLM Agent 技术解决上述问题。它不只是一个“聊天机器人”，而是一个能干活的“数字员工”。

🎥 演示 (Demo)

TBD

✨ 核心亮点 (Features)

特性	说明	关键词
🤖 智能体架构	采用 ReAct 范式，AI 自主规划路径：获取数据 -> 查阅标准 -> 逻辑判定。	Agentic Workflow
📊 结构化 RAG	摒弃粗糙的 PDF 切片，采用 Markdown 重构标准文档，完美保留表格语义，确保查表计算准确。	Table Semantics
⚡ 极速环境	使用 Rust 编写的 uv 进行依赖管理，环境构建速度提升 10-100 倍。	Modern Tooling
🔌 模拟 IoT 集成	内置 Mock API 服务，模拟从现场智能检测设备实时拉取原始记录。	IoT Simulation
🛡️ 严格溯源	所有的判定依据均会索引至具体的规范条款，满足检测行业 ISO 17025 的严谨性要求。	Compliance

⚡ 快速开始 (Quick Start)

本项目使用 uv 进行极速依赖管理。

1. 克隆仓库

git clone https://github.com/yourusername/inspection-ai-pilot.git
cd inspection-ai-pilot

2. 环境配置

确保你已安装 uv (极速 Python 包管理器):

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

使用 uv 创建虚拟环境并同步依赖：

# 初始化并安装依赖 (自动创建 .venv)
uv sync

# 或者仅安装依赖
uv pip install -r requirements.txt

3. 设置 API Key

复制配置文件模板：

cp .env.example .env

在 .env 中填入你的 LLM API Key (如 Qwen / OpenAI)。

4. 启动应用

# 通过 uv 运行 Streamlit
uv run streamlit run app.py

🧩 系统架构 (Architecture)

graph TD
    User[👤 用户/检测员] -->|下达指令| UI[💻 Streamlit 界面]
    UI -->|自然语言| Agent[🤖 Qwen Intelligent Agent]
    
    subgraph "🧰 Tools (工具箱)"
        Agent <-->|决策调用| Router{Tool Router}
        Router -->|获取现场数据| IoT[🛠️ Mock Instrument API]
        Router -->|查阅规范| RAG[📚 Standard Knowledge Base]
    end
    
    IoT -->|JSON| Agent
    
    subgraph "🧠 RAG Engine"
        RAG <-->|检索| VectorDB[(ChromaDB)]
        VectorDB <-->|加载| MD[📄 Markdown 标准文档]
    end
    
    Agent -->|汇总分析| Report[✅ 自动化合规报告]
    Report --> UI

Loading

📂 目录结构

inspection-ai-pilot/
├── 📂 agents/          # LangChain Agent 核心逻辑
├── 📂 knowledge_base/  # Markdown 格式的工程规范 (RAG源)
├── 📂 mock_iot/        # 模拟 IoT 设备 API
├── 📂 ui/              # Streamlit 前端代码
├── app.py              # 启动入口
├── pyproject.toml      # uv 项目配置
└── requirements.txt    # 依赖列表

🗺️ Roadmap

• ✅ 完成回弹法测强（JGJ/T 23-2011）标准库构建
• ✅ 实现 IoT 数据 Mock 接口
• 🚧 接入真实 MQTT 设备数据流
• 🚧 支持多模态输入（上传裂缝照片自动分析）
• 📝 生成 PDF 正式检测报告

🤝 贡献 (Contributing)

欢迎提交 Issue 和 PR！如果你觉得这个项目对你有帮助，请给它一个 ⭐️ Star！

📄 许可证 (License)

本项目基于 MIT License 开源。