FireAgent：知识增强的多模态消防隐患分析系统

FireAgent 是一个面向消防安全巡检的研究型智能体系统。项目以“图像理解 + 知识检索 + 记忆增强推理”为核心，支持上传现场图片后自动输出风险识别、法规依据与整改建议，面向校园、居民区、办公与工业/工地等多场景。

项目定位

• 从“单次图片识别工具”升级为“持续安全管理系统”
• 目标不是只给结论，而是给可追溯证据、可执行建议与历史趋势洞察

方法亮点（Method）

• 两跳推理（Two-Hop Inference）
  • Stage1：多模态模型抽取场景观察与疑似隐患
  • Stage2：基于检索到的知识证据进行合规推理与风险归因
• 知识增强推理（Knowledge-Enhanced LLM）
  • 融合消防法规与工程规范知识库，降低无依据输出
• 四层记忆架构（4-Layer Memory）
  • Core Memory：系统级安全与输出约束
  • Task Memory：当前任务目标与场景上下文
  • Short-Term Memory：会话内交互状态
  • Long-Term Memory：历史案例嵌入检索与风险画像
• 幻觉防护（Hallucination Guardrail）
  • 证据不足时触发保守策略，避免“强行下结论”
• 结果缓存（Result Cache）
  • 基于 image_hash + scene 快速命中，重复图片秒级返回

系统架构（System）

• 后端：FastAPI + SQLAlchemy + 模块化服务（Agent / Retriever / Memory / Analyzer）
• 前端：Web 页面与小程序端交互（上传、识别、历史、建议）
• 知识层：本地法规库 + 可扩展向量检索管线

核心能力（Features）

• 图片隐患识别与分级（safe / warning / danger）
• 法规/规则证据引用与解释
• 场景化巡检建议（校园/居民区/工业等）
• 历史记录聚合分析（7/30 天趋势、复发风险）
• 本周综合建议与整改优先级清单

研究价值（Research Value）

本项目强调“可解释、可验证、可落地”的安全智能：

• 可解释：结论绑定证据与规则来源
• 可验证：支持准确率、法规命中率、幻觉率、延迟等指标评估
• 可落地：支持真实巡检流程中的多次复查与持续改进

可扩展方向（Roadmap）

• 混合检索增强（Lexical + Dense + Rerank）
• 工业场景专用知识子库与动态路由
• 多智能体协同（Planner / Retriever / Compliance Checker / Reporter）
• 周报导出与整改闭环管理

快速开始（Quick Start）

以下命令以本地开发环境为例，请按你的实际 Python/虚拟环境调整。

# 进入项目
cd backend

# 安装依赖（示例）
pip install -r requirements.txt

# 配置密钥
# Windows PowerShell:
# $env:SILICONFLOW_API_KEY="your_api_key"

# 启动后端
uvicorn app.main:app --host 0.0.0.0 --port 8010 --reload

前端访问地址按你的本地静态服务或开发服务配置为准。

License

仅用于学习、研究与毕业设计展示。商用前请自行完成合规审查。