系统架构设计师 AI 大模型02:案例模拟题,大模型训练、企业知识、数字员工、端边云协同

案例模拟一：大模型训练平台的质量属性

某公司开发在线大模型训练平台，用户提交模型代码后由系统自动解析并分配算力资源训练，用户无需关心底层硬件。需求描述如下：

a. 用户提交任务后 1 分钟内完成资源分配并启动训练b. 数据库故障时 20 分钟内自动切换到备用库c. 训练服务器故障时，任务自动迁移到其他节点继续运行d. 系统故障期间正常功能不受影响，并上报故障信息，提供训练日志与资源日志e. 界面适配不同分辨率的终端，支持多语言与快捷键f. 远程自动化测试仅对注册用户开放g. 功能修改须在 3 天内完成上线h. 一周内完成新功能模块的开发集成

问题：（1）将 a 至 g 归类到对应的质量属性；（2）指出 h 属于什么、为什么不能算质量属性；（3）给出一个敏感点与一个权衡点并说明理由。

参考答案要点。（1）a 性能（资源分配时延）；b 可用性（故障切换时限）；c 可用性或容错（任务迁移保连续）；d 可靠性与可维护性（故障隔离、日志上报支撑维护）；e 易用性（适配、多语言、快捷键）；f 安全性（访问控制）；g 可修改性（变更时限）。（2）h 是设计约束，不是质量属性：它约束的是开发过程的时间，不是系统运行时的可观察质量，质量属性题里它是常设干扰项。（3）敏感点示例：GPU 资源调度算法，改变它会直接影响"1 分钟内分配资源"这一性能指标；权衡点示例：任务迁移策略，迁移粒度越细可用性越高，但状态保存与恢复的开销越大，性能与可用性在此相互制约。

案例模拟二：企业知识问答平台的 RAG 架构

某集团建设企业智能知识问答平台，接入制度、合同、产品文档约二十万份，供全体员工与客服使用。试点暴露四个问题：检索结果不相关；答案不附引用来源，员工不敢用；高峰期响应超过十秒；制度每月更新，知识库滞后。

问题：（1）写出平台总体架构的核心组件及各自职责；（2）针对四个问题逐一给出成因与改进措施；（3）列出至少三个架构风险点及对策。

（1）组件与职责。接入层：网关、认证、限流；编排层：查询改写、意图路由、多轮上下文管理；知识加工层：文档清洗、语义切片、向量化、增量更新；检索层：嵌入模型、向量库（近似最近邻索引）、关键词与向量混合检索、重排、权限过滤；生成层：模型服务、上下文拼装、引用注入、拒答控制；治理层：评测集、审计日志、用户反馈闭环。（2）四问四答。检索不准：固定长度切片破坏语义、嵌入模型不适配领域术语、缺少重排；对策为按语义单元切片、领域语料微调嵌入模型、增加重排模型。无引用：提示词未约束、元数据未透传；对策为强制引用模板、检索结果携带来源与章节、检索不到依据时明确拒答。响应慢：链路串行、模型推理开销大；对策为高频问题缓存、模型量化、流式输出、请求批处理。更新滞后：全量重建周期长；对策为增量索引、文档变更监听、知识版本管理。（3）风险点。提示注入诱导越权回答：输入过滤加指令与数据分离；越权检索到无权文档：权限过滤必须放在检索层而非生成层，否则越权内容已经进入上下文；敏感数据泄露：入池前脱敏加输出内容过滤；答案错误影响业务决策：高风险场景保留人工兜底与确认卡点。

案例模拟三：数字员工平台的智能体设计

某集团建设数字员工平台，要求支持合同问答、制度查询、流程办理、工单流转，全程权限隔离、审计可追溯。设计团队在单智能体与多智能体之间犹豫，且担心自动化执行失控。

问题：（1）写出平台核心组件及职责；（2）说明单智能体与多智能体的适用边界并给出本平台的建议；（3）为"防止自动化执行失控"设计至少四项机制。

（1）组件。智能体运行时：任务规划、会话记忆、工具调用编排；工具网关：工具统一注册、鉴权、限流与超时控制；知识服务：制度与合同语料的检索增强问答；连接器：审批、工单等业务系统接口；监控审计：全链路调用日志、执行轨迹回放。（2）边界。任务单一、链路明确（合同问答、制度查询）用单智能体，成本低、误差不扩散；跨域长流程（办理加流转加审批）天然分角色，用多智能体按职能分工协作，但要控制通信开销与误差传播。建议：问答域单智能体，流程域按"受理、办理、复核"三角色多智能体协作，复核角色独立于发起角色形成制衡。（3）防失控机制。工具白名单与最小权限；高危操作（对外发文、资金相关）设人工确认卡点；执行预算：单任务步数与时长上限，超限终止；全链路审计与状态快照，支持中断续跑与回滚；输出校验：结构化字段校验不通过不落库。

案例模拟四：质检系统的端边云协同

某制造企业部署视觉质检：产线相机每秒采集三十帧图像，缺陷检测要求毫秒级响应，质检图像不允许出厂区，模型每周迭代一次新版本。现有方案全部部署在云端，时延与带宽均不达标。

问题：（1）说明端侧 AI 相对云侧 AI 的优势，并给出本场景的算力分布方案；（2）指出本场景涉及哪几种边云协同模式；（3）说明 AI 算力资源池设计要考虑的三个方面。

（1）优势与分布。端侧优势：无网络往返、延迟低，数据不出设备、隐私可控，断网可用，节省上行带宽。分布方案：缺陷推理部署在厂区边缘服务器（满足毫秒级与数据不出厂），模型训练与全厂数据汇聚分析放在云端，推理用量化后的轻量模型适配边缘算力。（2）协同模式。智能协同：边缘推理加云端训练，训练后的新模型下发边缘；数据协同：边缘做采集与初筛，仅上传疑似缺陷样本，降低带宽；管理协同与服务协同：云端统一管理模型版本、编排边缘应用。（3）资源池三方面。资源抽象与异构计算：屏蔽 GPU、NPU 差异，统一供给接口；动态调度与能效优化：按产线班次与负载弹性分配，闲时降频；安全与隔离：多产线多租户隔离，质检数据分级授权。

案例题通用骨架。架构组件题按"接入、编排、检索或知识、生成或执行、治理"五层落笔；成因题按"问题、原因、措施"一一对应，问题说检索不准，措施就必须落在切片、嵌入或重排上；治理题背五个词：脱敏、权限、过滤、审计、兜底，几乎每道 AI 案例都用得上。

论文押题

三道押题按考中概率排序。每道给出题目、七段式骨架与素材要点。素材原则：一个覆盖 RAG、向量库、模型服务化的企业知识平台项目可以同时应付三道题，考场上只换论述重心，不换项目底座。

押题一：论基于检索增强生成的企业知识服务系统架构设计

押题二：论大模型应用系统的架构设计与安全治理

项目背景建议用智能客服或智能运维平台。架构重心写三件事：训练与推理分离部署（训练集群批量弹性、推理集群在线扩缩容、模型版本管理）、模型服务化与推理优化（量化、批处理、缓存、流式输出）、安全治理五件套（脱敏入池、权限隔离、输入输出过滤、全程审计、人工兜底）。这一题的得分点在治理的深度：写出提示注入的攻防逻辑与高危操作确认卡点，就与泛泛而谈的答卷拉开了差距。

押题三：论智能体技术在企业业务流程自动化中的应用

项目背景建议用 IT 服务台或财务流程自动化。核心论述：任务拆解与规划、工具注册与最小权限、单智能体与多智能体的边界决策（对比论证，说明为什么复核角色要独立）、执行预算与人工卡点、审计与回滚。末段自然衔接传统工作流引擎与智能体的融合：确定性流程用工作流，不确定判断交给智能体，两者编排共存，这是最能体现架构师取舍的落点。

论文三条红线。一、不要写成产品介绍，阅卷人看的是架构决策与权衡过程，选型对比必须写出"为什么不是另一个"。二、不要漏量化数字，没有数字的效果段基本不得分。三、不要临时编架构，按本文骨架提前把项目写成一页纸素材，考场拆题重组。