企业官网建设流程全解析

能查装备、推阵容、分析对局。基于 RAG + 知识图谱 + LLM，全开源。

为什么要做这个

金铲铲每个赛季换一批英雄、装备、羁绊。S16的薇恩该出什么，上版本记得再清楚也没用。每次打开游戏都要切出去查攻略，切回来选秀时间过了。

最开始只写了个查装备的小脚本。后来加了阵容推荐、羁绊查询、经济系统计算。再后来接了LLM，让它能听懂自然语言——你说"薇恩带什么"，它知道薇恩是谁、当前版本推荐什么装备、为什么推荐这几件。

然后就成了一个完整的项目。

怎么用

python nlu_chat.py# 你：薇恩带什么装备# AI：推荐鬼索的狂暴之刃 + 卢安娜的飓风 + 死亡之刃。鬼索提供攻速叠加，卢安娜额外攻击目标，死亡之刃补充面板攻击力。

fromsrc.orchestratorimportOrchestrator orch=Orchestrator()result=orch.run("8级了，要不要上9")print(result["answer"])

技术架构

整体四层。

1. 混合RAG检索

纯向量检索在游戏术语上容易翻。"鬼索"和"鬼索的狂暴之刃"差两个字，向量空间里可能不挨着。

我的方案是BM25 + 向量双路融合：

用户问题 ├──→ BM25（jieba分词，精确匹配缩写/别名） ├──→ BGE向量（语义匹配，"加攻速的装备"） └──→ RRF融合（k=60） └──→ Cross-Encoder精排（BGE-reranker-base）

BM25兜底了"鬼索""羊刀"这种缩写，向量补充了语义模糊的查询。最后Cross-Encoder排序。嵌入模型BAAI/bge-small-zh-v1.5，24M参数，384维，本地CPU能跑。

2. 知识图谱

有些问题不需要检索。“鬼索的狂暴之刃需要哪两件散件合成”——确定性数据，查表就行。

NetworkX有向图，5种节点（英雄/装备/羁绊/阵容/海克斯），8种关系边。能精确查的——合成配方、属性数值、羁绊映射——直接从图里拿，100%准确。

3. NLU本地微调

直接调DeepSeek做意图识别太慢了。本地微调了一个 Qwen2.5-1.5B，三件事：消息类型分类、意图识别、实体抽取。

QLoRA（NF4双重量化），显存不到4G。5000条自己标注的训练数据，5组对照实验，最优方案 full_r16：消息类型100%，意图99.4%，英雄F1 97.9%，装备F1 98.0%。

4. 工具系统 + 防幻觉

19个查询函数覆盖装备/英雄/阵容/羁绊/海克斯/经济。LLM自行判断需要哪些工具、调用不超过2轮，不成功自动退到RAG兜底。

防护三层：图谱优先（精确查询走图不走检索）→ 门禁检查（检索置信度过低直接说"不确定"）→ 极端排序（避免Lost in the Middle）。

最难搞的问题：羁绊纹章 × 阵容推荐

上面那些都算常规操作。真正让我卡了好几天的，是羁绊纹章。

金铲铲里有一种特殊装备叫纹章。比如"法师纹章"——给一个英雄装上，他就多一个法师羁绊。这意味着你可以凑出标准阵容表格里不存在的配置。比如你拿到了一个法师纹章，原本7法师的阵容可以变成"6法师+2个被转成法师的自由位"——这个配置在官方阵容数据里不存在，因为纹章是随机获取的。

传统攻略的处理方式是：列几个"有XX纹章可以用"的备注。但AI不能这样——玩家拿着纹章来问"我该玩什么"，AI必须根据纹章动态调整推荐。

我的做法是在知识图谱里加了一层纹章推断逻辑。纹章入口节点挂在羁绊节点下面，当一个纹章被查询时：

1. 先拿纹章对应的羁绊
2. 遍历所有阵容，找到"缺一个就能触发下一档"的阵容——比如某个阵容已经有6法师，上了法师纹章就能7法师
3. 计算每个候选阵容的强度收益——多一档羁绊 = 多少实际战力提升
4. 把纹章位置嵌入阵容结构，生成调整后的站位和装备分配
5. 返回"原阵容+纹章修改版+为什么要这样调"

这个过程在传统检索里根本做不了——阵容表里没有纹章变体。全靠图结构的可计算性，拿到纹章→定位羁绊→遍历候选阵容→计算收益→合成新结果。

LLM在这一步只负责把计算结果翻译成人话。它不需要自己推理"有法师纹章应该玩什么"——图已经算完了，LLM只负责说。

这算是整个项目里唯一让我熬了夜的模块。

项目地址

GitHub: https://github.com/sanji0114/jcc-agent

全开源。安装就一行pip install -r requirements.txt。数据在data/下，S16赛季的。

欢迎star，欢迎提issue。