🐾 智慧宠物养护与领养管理系统 (Smart Pet Care & Adoption System)

2026届毕业设计项目：基于 FastAPI 与多智能体协同架构的综合性宠物服务平台。

本系统不仅是一个传统的领养与社区平台，更是一个集成了 AI 营养专家、智能领养评估、宠物互助平台 和 百科知识库 的智能化养护系统。通过多智能体（Multi-Agent）协同工作，为用户提供科学、动态、可追溯的宠物养护建议。

---

🌟 核心亮点 (Thesis Highlights)

• 🚀 现代化模块化架构：从单体脚本重构为 FastAPI 驱动的 Router-Service-Dependency 三层架构，确保高内聚、低耦合。
• 🤖 多智能体闭环优化：首创“初始方案 -> 执行反馈 -> 动态再规划”的营养闭环系统，引入 confidence_level（置信度）量化 AI 建议。
• 🛡️ 工业级安全标准：采用 JWT 无状态认证与 Bcrypt 密码哈希存储，严格保护用户信息。
• 📊 智能体全链路可观测：内置 agent_trace_logs 审计体系，实时记录 AI 决策路径、调用工具及毫秒级响应延迟，解决 AI “黑盒”问题。
• 📉 完备的评估体系：通过 100+ 真实样本进行 A/B 对照实验，量化证明多智能体系统在复杂场景下的优越性。

---

🛠️ 技术栈 (Tech Stack)

领域	技术方案
前端	Vue 3 + Vite + TypeScript + Pinia
后端	FastAPI (Python 3.11+) + Uvicorn
AI 引擎	CrewAI + LangChain + OpenAI/Gemini API
数据库	SQLite (关系型) + ChromaDB (向量库)
安全/工具	JWT + Bcrypt + Pydantic v2

---

📦 功能模块 (Modules)

1. AI 智能助手：基于检索增强生成 (RAG) 的宠物养护百科咨询。
2. 动态营养专家：根据宠物品种、年龄、运动量及反馈数据，动态调整 DER/RER 营养配比。
3. AI 委员会评审：基于 多智能体共识 (Consensus) 机制的三专家协同（品种基准 + 申请人画像 + 共处风险）审计体系，输出结构化 AI 审计报告。
4. 宠物互助平台：用户可发布上门喂养、遛狗等互助任务，支持接单、完成确认与举报仲裁；AI 双智能体协同匹配最优互助方案。
5. 智能宠物匹配：基于语义理解为领养者推荐最契合的宠物伴侣。
6. 互动社区与领养：支持动态发布、评论、私信、领养申请及管理员多级审核。
7. 管理审计后台：管理员可查阅 AI Trace 日志、管控用户状态、审核违规内容及互助平台举报仲裁。

---

🚀 快速启动 (Quick Start)

1. 环境准备

确保已安装 Python 3.11+ 和 Node.js 18+。

2. 后端配置与启动

# 安装依赖
pip install -r requirements.txt

# 启动服务
python -m uvicorn src.web.app:app --host 127.0.0.1 --port 8000 --reload

3. 前端配置与启动

cd pet-frontend
npm install
npm run dev

4. 评估实验运行 (用于论文数据收集)

$env:PYTHONPATH="."
python tests/eval_engine.py

---

📂 核心目录结构 (Project Structure)

project/
├── src/
│   ├── web/                # Web 后端核心
│   │   ├── routers/        # 模块化路由 (auth, ai, community, admin, user)
│   │   ├── services/       # 核心业务逻辑 (AI 调度, 数据库操作)
│   │   ├── schemas.py      # Pydantic 数据模型
│   │   └── dependencies.py # JWT 鉴权与权限校验依赖
│   └── agents/             # AI 智能体逻辑 (CrewAI, LangChain)
├── pet-frontend/           # Vue 3 前端源码
├── tests/                  # 自动化测试与 A/B 对照实验脚本
├── docs/                   # 架构图、评估报告及演示指南
└── static/uploads/         # 资源上传目录

---

📖 演示指南

详细的演示场景（如营养再规划、高风险分诊、审计追踪）请参考 docs/EVALUATION.md。

---

⚖️ 局限性与展望

目前系统对语义解析深度及物种覆盖度（主要为猫犬）仍有提升空间。未来计划引入图像识别进行 BCS 自动评分，并对接地域化宠物医院地理信息。

---

设计者：[你的名字]
指导老师：[老师的名字]
完成时间：2026年3月