一套知识库能从1200份资料中找到段落,却不能据此完成污染溯源。这个项目的关键决策,是把“查资料”“算空间关系”“核检测数值”“形成可签字结论”拆成四条可验证链路,再由智能体编排,避免让大模型在一个对话框里自由推断。
本文复盘的是白泽智能已公开的污染源溯源智能体平台。公开项目页记录的输入规模约为9.5GB、1200+份异构资料,业务覆盖资料收集、初步研判、现场踏勘、补充监测、成因分析和成果编制等环节,并按27个样本单元组织研判。公开资料没有提供节省工时、模型准确率或最终验收结论,本文不会补写这些数字。
先说结论:RAG只负责“找到依据”
污染溯源至少同时处理四类证据:
| 证据类型 | 典型输入 | 处理方式 | 必须输出 |
|---|---|---|---|
| 文档证据 | 法规、历史报告、企业档案 | RAG检索、引用定位 | 文件、章节、页码、版本 |
| 检测证据 | 点位浓度、限值、时间、单位 | 结构化数据库、规则计算 | 原始值、换算过程、比较结果 |
| 空间证据 | 水系、风向、地形、企业与点位 | PostGIS、GIS工具 | 图层版本、空间关系、可复算结果 |
| 现场证据 | 照片、访谈、踏勘记录 | 任务单、人工复核 | 时间、地点、责任人、待核实项 |
RAG适合回答“哪份文件写了什么”,但不应直接承担单位换算、缓冲区叠加、上下游判定或污染通量计算。后几类任务需要确定性程序保存输入、参数和结果。大模型可以解释这些结果,不能替代计算过程。
项目为何没有做成一个通用问答库
公开项目资料包含政策规范、历史报告、企业清单、遥感影像、shp/gdb/kmz空间文件、检测报告、踏勘照片和访谈记录。它们的更新频率、权限和证据强度不同。
- 版本冲突:旧报告和新标准可能同时被召回,答案看似完整,适用日期却不一致。
- 数值失真:表格拆分后容易丢失单位、点位和采样时间;语言模型生成的比较过程无法作为原始计算记录。
- 空间关系缺失:文档里出现同一条河流,不等于两个点位存在上下游或汇水关系。
- 责任状态模糊:“疑似污染源”仍要区分已证实、待踏勘、待采样和已排除,不能把推测写成结论。
因此项目采用分层数据底座。法规、报告和项目资料进入带来源与元数据的知识库;检测数值写入PostgreSQL;点位、企业、水系和行政边界进入PostGIS;原始文件继续保留版本和权限。智能体拿到的是受控工具和明确任务,不是一个没有边界的文件夹。
从资料到“一村一档”的数据流
第一步,建立资料目录。每份文件至少记录来源、日期、行政单元、资料类型、版本和权限。解析失败、扫描件缺页或表格结构异常的文件进入人工处理队列,不直接参与结论生成。
第二步,形成初步研判。RAG检索政策条款和历史结论,GIS工具计算企业与点位距离、缓冲区、水系连通和可能的迁移路径,系统把两类结果并列展示。此时输出应是“事实—判断—待核实项”,而不是最终归因。
第三步,生成踏勘和补充监测任务。待核实项转成地点、对象、问题、所需照片和采样要求;现场回传后按镇、村、点位和污染源归档。新的检测结果进入结构化表,再调用标准限值和确定性计算。
第四步,编制成果。报告智能体按模板组织“一村一档”、区级总结和汇报材料,QA环节检查引用、限值、章节、点位和数值一致性。专业工程师复核证据并决定阶段是否流转,关键结论仍由有权限的人员确认。
重庆市生态环境局公开材料显示,重庆自2023年起以行政村为单元开展重点区域涉镉污染源排查,并建立“一村一档”和“一源一策”。生态环境部也要求构建受污染农用地、潜在污染源和水系的空间底图。这些要求解释了为什么目录、空间图层和状态流转是交付主体,聊天界面只是一种入口。
验收不能只测“问得对不对”
1. 引用追溯
准备包含新旧版本、扫描件和相似文件名的资料集。随机抽取问题,检查答案能否返回原文件、章节或页码,失效文件是否被标记,权限不足的用户是否无法看到内容。引用缺失时,系统应停止输出确定性结论。
2. 计算复现
给定固定点位、坐标系、缓冲距离、时间窗口和限值,让系统与人工GIS/表格结果逐项核对。验收记录应保存输入、参数、工具版本和输出,不能只保存自然语言摘要。
3. 阶段流转
构造“待踏勘、已取样、结果异常、证据不足、已排除”等状态,检查任务能否进入正确人员的工作台,关键节点是否要求人工确认,退回后是否保留修改历史。
4. 成果一致性
从同一批数据生成村级档案、区级汇总和汇报材料,核对点位数、污染源状态、检测值和引用是否一致。任何一处数值变更,都应能定位受影响的图表和章节。
一个可用的停止条件是:来源无法追溯、确定性计算不可复现、越权资料可被召回,或模型能绕过人工确认直接写入正式结论。出现其中任一项,就不应进入生产使用。
公开结果与尚未取得的数据
本案例公开资料可以确认的结果包括:多类异构资料被纳入统一目录;RAG、GIS、检测计算和报告编制被拆成独立环节;阶段产物采用“草稿+证据”;最终成果面向“一村一档”、区级总结和汇报材料。
公开资料没有给出模型问答准确率、污染源识别准确率、节省工时、项目金额或正式验收结论。因此这些指标不能写成项目成绩。后续若要评估效率,应先记录人工基线,再分别统计资料定位时间、GIS计算复现率、引用完整率、返工次数和人工签字周期。
哪些企业可以复用,哪些不适合
适合复用的场景通常同时具备三项条件:资料量大且版本复杂;需要GIS或结构化计算;最终结论必须留下证据和责任人。环境治理、园区风险排查、管网巡检、自然资源调查等项目都可能采用类似架构。
仅做内部制度问答、没有空间分析或确定性计算的知识库,不必照搬完整链路。资料来源不清、权限无法梳理、现场数据长期不回传的项目,也不宜先建设复杂智能体。先治理目录和责任边界,比增加模型参数更重要。
如果企业正评估类似项目,可以先准备五项资料:代表性文档与版本清单、结构化检测表、空间图层和坐标系、现有报告模板、权限与签字流程。白泽智能可据此协助完成企业RAG研发的范围诊断;本案例的公开背景、方案和边界可在污染源溯源智能体平台查看。
常见问题
这类项目必须使用RAGFlow吗?
不必须。公开案例使用RAGFlow承载文档知识库,但选型重点是解析质量、元数据、权限、引用追溯和可替换性。满足这些条件的其他组件也可以进入方案比较。
GIS结果能让大模型直接计算吗?
不建议。缓冲区、空间相交、上下游关系和坐标转换应由PostGIS、GDAL、GeoPandas等确定性工具执行。模型负责选择受控工具、解释结果和提出待核实项。
能否让智能体自动生成正式结论?
可以生成草稿,正式归因、监测结论和对外报告仍需专业人员复核。审批、签字、写入和发布应保留确定性工作流与审计日志。
先做知识库还是先做业务系统集成?
先画清输入、计算、责任和交付物。若只是文档引用,可先做小范围知识库;一旦涉及GIS、检测数值、现场任务和正式报告,就应把接口、权限和受控执行纳入一期范围。
参考来源
- 白泽智能:《污染源溯源智能体平台》,项目公开页,访问日期2026-11-15。
- 重庆市生态环境局:《关于市人大六届三次会议第0271号建议协办意见的函》,公开日期2025-02-26。
- 生态环境部:《关于政协十四届全国委员会第二次会议第00824号提案答复的函》,生成日期2024-12-04。
- 生态环境部:《对十三届全国人大五次会议第1130号建议的答复》,公开日期2023-01-12。
- 生态环境部:《土壤环境质量 农用地土壤污染风险管控标准(试行)GB 15618—2018》,实施日期2018-08-01。
白泽智能|重庆斯巴达信息技术有限公司

