output_example.txt

【痛点分析】
- 学生经常反复咨询相同问题，人工客服压力大。
- 教务规则分散在多个系统和公告中，信息检索成本高。
- 新生/转专业/补考等场景问题复杂，标准答案难以统一。
- 高峰期响应慢，容易影响学生满意度。

【核心逻辑流】
1. 识别用户问题类型：课程、考试、学籍、证明、流程咨询。
2. 检索结构化知识：教务规章、FAQ、通知公告。
3. 生成候选答案与引用依据。
4. 进行合规检查：避免越权、避免编造。
5. 输出最终答复，并在低置信度时转人工。

【风险与控制】
- 若知识库未及时更新，可能输出过期政策。
- 若问题涉及个案审批，不能直接给出确定结论。
- 若用户提供敏感个人信息，需要做脱敏和最小化存储。
- 当置信度不足时，应明确提示“建议联系教务处人工确认”。

项目名称：高校教务问答智能助手

一、项目解决的核心痛点
- 学生咨询问题重复度高，人工答疑效率低。
- 教务信息分散在公告、制度、FAQ中，学生检索成本高。
- 复杂事务存在规则多、流程长、口径不统一的问题。

二、核心逻辑流
1. 先由问题分析 Agent 识别用户问题类型与边界。
2. 再由规划 Agent 拆解任务，形成检索、推理、生成、校验的长链路。
3. 由校验 Agent 对答案进行合规、时效和置信度审查。
4. 最后由写作 Agent 整合输出，并在需要时转人工。

三、多 Agent 协作
- 问题分析 Agent：提取核心诉求。
- 规划 Agent：生成可执行推理链路。
- 风险审查 Agent：识别越权、过期信息和幻觉风险。
- 输出 Agent：形成可提交的最终文本。

四、落地效果
- 降低重复咨询成本。
- 提升回复速度与一致性。
- 复杂问题可人机协同处理，提高服务质量。