县域经济智能分析与协同决策平台 Agent 内核
基于 LangGraph 编排 9 条业务链的主 Agent + Subagent 协同决策系统，融合 RAG 知识库与结构化数据双通道，通过 6 层质量门禁实现从资料接收到 Word 报告交付的全自动化链路。
- 在隆昌县试点完成全链路交付验证，涵盖运行监测、产业诊断、瓶颈归因、政策决策、项目招商、一县一策规划等完整业务场景
- 处理 1000+ 份政府文档（统计公报、政府工作报告、政策 PDF、部门 Excel 等），建成 6 类 Dify 知识库（2100+ 分块，约 270 万字）
- 单次全链路报告生成从人工数天缩短至约 30 分钟，自动生成 12 类结构化交付物（诊断报告、政策矩阵、项目清单、规划送审稿等）
- 建设 81 份可交付成果，包括规划书、样例报告、质量报告、任务包、Word 送审稿和交接验收材料
- 成功完成 OpenClaw → Hermes Agent 架构迁移，将项目从聊天触发式升级为支持长期运行、业务链编排与多格式交付的智能内核
- 构建 50+ 项自动化测试用例覆盖全链路，编写 50+ 项 Evals 评估指标确保交付质量
本项目由四川省发展和改革委员会发起，属于省级统建的政务数智化应用场景。直接起点是省政府 2025 年 8 月的批示——要求"建设数智赋能县域经济动态监测和研究分析平台"，随后由省发改委牵头，经"四张清单"申报论证程序立项，总投资概算约 2682 万元。项目不是从零开始的全新系统，而是对省发改委现有县域经济监测平台的智能化升级——原平台仅覆盖约 20 项宏观监测指标，以人工填报和静态排名为主，无法支撑精细化研判和跨部门协同决策。四川省 183 个县（市、区）发展差异大、产业定位趋同、政策传导效率低，需要一套数智化工具来支撑精准施策。
全省县域季度核心指标约 3500 个、年度约 8000 个，但现有监测体系偏重 GDP、固投等宏观指标，缺少产业结构、增长动能、要素配置等深度分析维度。数据人工汇总校核效率低，从收集到报告产出周期需 1—3 个月。
在全省 15+N 现代产业体系布局下，61.2% 的县域主导产业集中在食品饮料、装备制造等传统赛道，产业筛选和比较优势研判仍依赖经验判断，缺乏量化工具支撑错位发展。
县域经济核心监管事项中有 15 项需跨部门调取 12 类数据，涉及 18 个省级部门。全省跨部门数据共享响应平均时长超 72 小时，三级联动依赖人工对接。
省级每年向 183 个县下发经济发展、产业扶持、民生保障类政策超 200 项，但仅三分之一实现全流程跟踪，事前无沙盘推演、事中无实时监测、事后无精准评估。
报告产出周期长，人工汇总校核易出错，从数据采集到分析报告落地存在显著时间损耗，无法匹配经济形势快速变化。
基层面临数据重复报送、表格多头填报、分析任务繁重等问题，人工汇总效率低、误差大，亟需数智化工具减负增效。
智能内核不是单一聊天机器人，也不是单一报告生成脚本，而是嵌入三大业务平台全流程的智能分析引擎——把县域经济分析所需的业务链、专家角色、知识库、结构化数据、证据边界、质量门禁和交付物组织成可复用、可追踪、可平台化接入的智能体业务编排系统。项目重构三大核心业务流程：县域经济监测分析从人工填报升级为多源数据自动归集与智能预警；主导产业错位发展规划从经验判断升级为量化比较优势分析与"一县一策"方案智能生成；政策执行从事后总结升级为事前推演、事中监测、事后量化评估的全周期闭环。系统明确划定边界：不替代统计部门的正式数据口径，不直接生成正式考核排名或因果结论，所有 AI 产出标注证据层级和使用边界，正式规划仍需人工组织和专家评审。
以隆昌县为试点，展示从原始数据采集到正式交付物产出的完整链路
数据采集与治理
采集隆昌县多源政府文档（统计公报、政府工作报告、政策 PDF、企业 Excel 等），建立覆盖 183 县 × 5 年的数据资产目录，量化每个县的数据缺口并生成部门补数清单。
知识库建设与文档解析
将 1000+ 份文档经 MinerU / MarkItDown / Jina 解析后入库，构建 6 类 Dify 知识库（2100+ 分块，约 270 万字），覆盖政策、规划、会议纪要、产业资料等。
运行监测与产业诊断
系统自动完成隆昌经济运行态势摘要与预警识别，形成产业画像和比较优势判断，产出运行监测报告和产业诊断报告。
瓶颈归因与政策决策
将监测预警和产业诊断转化为待核验瓶颈假设与验证任务，匹配政策依据，生成政策行动矩阵和决策报告。
一县一策规划与项目招商
汇总上游分析包，生成一县一策规划框架（v0.1→v0.2 深化稿）、规划专家任务包和招商补链机会清单，由 county_planning_subagent 协同规划写作队列。
质量门禁与交付
经证据核验 Subagent、质量审查 Subagent 和专家终审三级门禁，产出 12 类结构化交付物（Markdown 报告、JSON 清单、Word 送审稿），不通过则进入人工复核重跑闭环。
覆盖 925 个地区、970 张统计表，时间跨度 1952—2024 年，含 183 县专属 11 类指标
覆盖 21 个市州，包含工商登记、行业分类、经营范围等 18 个字段
12 个专题知识库，约 254 万字，覆盖政策、规划、会议纪要、产业资料等
183 个县 × 5 年 × 多张统计表的覆盖度评估，量化每个县的数据缺口
全量源材料卡片 + 原始文件（22 MB），覆盖 281 个 Hermes 文件 + 167 个 OpenClaw 文件
独立负责 Agent 智能内核全栈建设：设计 CountyEconomyState 状态模型与 LangGraph 多业务链条件路由；开发 9 条业务链（数据治理→运行监测→产业诊断→瓶颈归因→政策决策→项目招商→一县一策规划→模型分析→县域治理知识）的节点实现与多步接力编排；构建专家角色协同机制与质量门禁体系；主导从 OpenClaw 到 Hermes Agent 框架的架构迁移；在隆昌县完成试点全流程交付验证。
LangGraph 多业务链编排
解决县域经济分析中业务流程松散、多环节依赖人工衔接效率低的问题
- 设计 CountyEconomyState 状态模型，承载 request → workflow → roles → data → analysis → review → outputs → trace 全链路状态
- 使用 add_conditional_edges 实现 9 条业务链的条件路由，分支由 workflow_id 控制而非模型临场发挥
- 支持多步接力：招商链需经"运行监测→产业诊断→瓶颈归因"后才生成招商机会与政策闭环清单
13 阶段报告生成链路
解决从原始材料到正式报告周期长达数天、人工汇总校核易出错的问题
- 从"需求触发"到"Obsidian 归档"的 13 阶段连续链路，而非一次性 prompt 写作
- 文档解析层：MinerU 解析扫描件、MarkItDown 转 Markdown、Jina 抽取网页、pandas 清洗 Excel
- 分析包构建：先汇聚经济运行摘要、产业画像、瓶颈假设、政策依据等中间层，再交由专家角色生成草稿
RAG + 结构化数据双通道
解决政策判断缺乏依据、数字结论缺少来源的可信度问题
- Dify 承载 6 类知识库（2100+ 分块，约 270 万字），覆盖政策、规划、会议纪要、产业资料等软知识
- PostgreSQL 承载县域指标、企业、项目等硬数据，支撑具体数字和结构化查询
- 融合原则：具体数字必须有结构化来源，政策判断必须有政策依据，不足以定性写成"待核验事项"
6 层质量门禁体系
解决 AI 生成内容无审查机制、可能越界承诺或输出错误结论的安全风险
- 数字门禁（来源/年份/口径）、证据门禁（追溯性）、逻辑门禁（因果边界）
- 结构门禁（章节合规）、发布门禁（人工复核）、敏感门禁（脱敏检查）
- 门禁不通过进入 needs_human_review 状态，支持 retry_job 重新运行
OpenClaw → Hermes 架构迁移
解决原架构定位为聊天入口 Gateway、无法承载长期运行业务内核的技术瓶颈
- OpenClaw 定位为多渠道 Gateway，适合入口层但不适合承载长期运行的业务内核
- Hermes 提供 Persistent Memory、Skills System、MCP、Subagent Delegation、Cron 和 API Server
- 迁移后业务链、专家角色、质量门禁和交付闭环沉淀为可复用的项目资产
工具链与 MCP 服务化
解决工具能力分散、接入方式不统一、无法标准化复用的问题
- 封装 12 个标准化 MCP 接口（指标查询、RAG 检索、文档解析等），接入 20+ 项县域核心指标
- 工具链分层：MinerU（扫描件 OCR）→ MarkItDown（Office 转换）→ Jina（网页抽取）→ pandas（表格清洗）
- FastAPI 接口层支持 SSE 流式输出与 WebSocket 推送
证据层级体系
严格区分硬数据（指标值、台账）、软证据（调研材料、政策文本）、待核验假设（瓶颈归因、因果推断）和专家规则（角色边界、门禁约束）四级证据，所有 AI 产出标注证据层级和使用边界，不把相关性写成因果性。
业务链强控制
9 条业务链的路由由 workflow_id 和 add_conditional_edges 控制，而非 LLM 临场发挥。相同入口稳定进入相同业务链，招商链必须经过"运行监测→产业诊断→瓶颈归因"后才能生成招商机会。
质量门禁驱动
报告不是一次性生成，而是经过 6 层质量门禁（数字/证据/逻辑/结构/发布/敏感）逐级审查。门禁不通过自动进入 needs_human_review 状态，支持 retry_job 重跑，确保产出可用于正式决策场景。
专属知识库 vs 通用大模型
区别于互联网通用大模型，系统基于地方政府专属的统计年鉴、政策文本、产业资料等构建领域知识底座。模型检索本地知识库而非互联网数据，确保产出贴合地方实际而非泛化生成。
多步接力而非单点问答
县域经济分析不是一次问答，而是多节点接力——项目招商链需经 5 个上游节点积累分析包后才产出招商清单，一县一策规划链需经 7 个节点才到达专家终审，每个节点读写同一个 CountyEconomyState 状态黑板。
这个项目让我深刻理解了 AI 在政务场景中的边界问题。最大的收获不是技术实现本身，而是建立了"证据层级意识"——在政务分析中，硬指标结论必须有硬数据支撑、瓶颈归因只能作为待核验假设、规划建议必须引用上游分析结论。这种边界控制思维在通用 AI 应用中容易被忽视，但在政务场景中是生命线。架构迁移（OpenClaw → Hermes）的经历也让我认识到：技术选型不是一次性决策，而是随项目形态演进的持续判断——当项目从"聊天入口触发 Agent"升级为"长期运行的业务智能内核"时，平台能力的匹配度比历史资产的沉没成本更重要。另一个重要反思是数据治理的优先级：我们花了大量时间从零建立覆盖全省 183 个县的数据底座，这看似是"基础设施工作"，但实际上决定了上层所有分析的可信度和可用性。
把县域、产业、指标、政策、项目、部门和证据来源之间的关系沉淀为可查询的知识图谱，从文档检索升级为关系推理。
当前质量门禁不通过需人工复核后重跑，后续将增加图内自动修订循环——质量门禁驱动 revision_planner 自动修改草稿再重新审查。
在隆昌试点基础上抽象多县模板、指标适配规则、产业类型画像和政策匹配方法，实现从单县验证到全省 183 个县的规模化覆盖。
将工作记忆和推理解释从 runtime state 写入 PostgreSQL 证据链数据库，支持跨 session 的分析追溯和版本化回滚。