deepdata/my_ops/markitdown_parser/test_output/AI.md

**第五章 技术标准与要求**

**技术标准与要求**

## 六、项目建设要求

### （一）功能建设内容

**3. AI模型训推平台**

**3.1 模型训练与评估**

提供覆盖机器学习、视觉、多模态及具身智能等多场景的模型训练、微调与标准化评估能力，旨在通过主流框架兼容、自动化调优与多维度效果对比，加速模型从实验到成型的迭代闭环：

3.1.1 模型预训练

该模块支持经典机器学习与视觉模型的在线训练，能够处理传感器结构化等时序数据，并满足大规模数据下的内存稳定。针对机器人视觉场景，内置主流检测、分割等网络架构，训练过程支持混合精度优化。在多模态训练方面，可实现图像、文本及传感器数据的灵活组合输入。平台兼容多种常见训练框架，集成了自动化超参数调优功能，有效降低人工调试成本。此外，提供训练数据的高效上传与挂载能力，支持断点续传及快速解压，同时实现训练任务的统一管控与可视化，模型权重支持导出为多种主流格式，并在规定时间内完成大规模模型的导出。具体包括：

（1） 机器学习类模型训练

支持经典机器学习模型算法，在平台实现在线训练，支持处理传感器结构化数据（如IMU、力矩、关节角时序数据）。

（2） 视觉模型训练

针对监控，机器人视觉场景，优化视觉检测、分割类、深度估计类、位姿估计类等模型训练。

（3）多模态模型训练

支持使用多种不同模态数据进行训练，包括视觉、文本以及其他结构化数据。

（4） 支持常见训练框架

支持Pytorch/飞桨/MindSpore等主流训练框架用于模型训练。

（5） 自动化超参数调优

集成贝叶斯优化、网格搜索等算法，自动调整学习率、batch size等参数，降低人工调试成本。

（6） 训练数据管理

支持上传或直接调用数据管理平台中的数据进行训练。

（7） 训练过程管控

统一管控各类模型训练任务，便于用户查看和管理训练过程中的各项参数和结果，支持 Tensorboard、Weights & Biases 等主流可视化工具。

（8） 模型权重导出

支持导出训练完成的模型权重文件，用于机器人端侧部署。

3.1.2 ▲模型微调

本模块支持主流开源及商用语言模型与多模态模型的微调训练，适配业界多种知名模型系列，并支持分布式训练。在多模态微调方面，支持灵活配置视觉编码器的冻结与解冻。内置包括LoRA、QLoRA、全量微调等常见微调算法，支持对训练周期、学习率、批量大小等参数进行配置。微调过程提供可视化界面，便于查看训练日志、验证损失等关键指标，同时支持微调训练数据的上传与管理。具体包括：

（1） 语言模型微调训练

支持常见开源和商用语言模型的微调训练。开源模型包括： GLM 模型、DeepSeek模型和Qwen模型等。

（2） 多模态模型微调训练

支持常见开源和商用多模态模型的微调训练，如GLM模型，Qwen-3-VL模型等。支持跨模态对齐、强化视觉与文本的表征的语义映射、多任务指令微调等功能。

（3） 常见微调算法支持

支持使用常见的微调算法，如LoRA、Full fine-tuning等。支持微调训练的参数配置，如周期数、学习率、optimizer、batch size等。

（4） 微调过程可视化

支持模型微调过程可视化，便于用户查看和管理微调过程中的各项参数和结果。包括：训练日志、验证损失、学习率等核心指标。

（5） 微调训练数据管理

支持上传和管理模型训练的数据集。

3.1.3 模型评测

该模块提供对评测任务的完整生命周期管理，包括创建、查看、停止与删除等操作。支持自动生成测试报告，并通过结果看板实现评测结果的可视化展示。具备多模型或多版本在同一测试集上的结果对比能力，便于选择最优模型。支持基于公开基准评测集或自建评测集进行效果评估，覆盖大语言、视觉、多模态及具身智能等多种模型类型，并允许自定义测试数据集的管理与维护。具体包括：

（1） 模型评测任务管理

对评测任务进行全生命周期管理，支持评测任务的创建、查看、停止、删除等操作。

（2） 测试报告自动生成

支持自动生成测试报告,支持评测结果可视化展示。

（3） 多模型测试结果对比

支持多个模型或多个版本在相同测试数据集上的结果对比，便于选择最优模型。

（4） 基准评估效果

支持基准效果评估。通过公开的测评集或自建评测集进行评测，评测模型范围包括大语言模型、多模态模型等，支持多个模型对比评估。

（5） 测试数据集管理

支持自定义测试数据集管理，如创建、管理和维护等功能。

**3.2 模型开发工作流**

提供全链路的模型开发流水线编排能力，旨在通过低代码可视化拖拽与标准化节点串联，实现从代码编写、数据接入到训练评测的无人值守自动化运行：

3.2.1 ▲IDE集成

该模块提供基于Web的交互式开发环境，运行在容器内，支持多种基础开发镜像及用户自定义镜像，并允许Python虚拟环境管理与代码仓库关联。具体包括：

（1） 交互式开发环境

提供基于 Web 的交互式开发环境（JupyterLab、VSCode Server 等），运行在平台管理的容器内；支持按框架/场景选用“基础开发镜像”（如 PyTorch、MindSpore）。

（2） 自定义镜像与代码管理

支持用户使用镜像仓库的自定义镜像作为开发环境，并支持 Python 虚拟环境管理；支持将开发环境中的代码直接提交到平台代码仓库并关联到工作流或任务。

3.2.2 可视化流水线编排

本模块提供将优质流水线保存为模板的功能，通过可视化画布拖拽编排开发节点，支持条件分支等自动化逻辑。内置覆盖数据接入、训练、评测及权重导出的多模态开发节点库，一站式串联底层原子能力。工作流运行过程中支持全局进度监控、节点详情查看以及暂停与终止操作，便于快速干预异常情况。具体包括：

（1） 工作流模板与管理

提供模型开发工作流的创建、编辑、复制与删除等全生命周期管理能力，并支持将配置好的优质流水线保存为模板，方便后续针对新模型版本或相似场景一键复用。

（2） 拖拽式自动化编排

提供可视化画布，支持用户通过拖拽方式将各类开发节点灵活串联成自动化流水线。流程中支持配置条件分支网关（例如设定评测指标阈值，达标后自动触发下一步权重导出，未达标则中断告警），实现从训练到交付的无人值守运行。

（3） 多模态开发节点库

内置覆盖完整开发闭环的节点类型，包括数据接入节点（对接各类时序、视觉或多模态数据集）、训练节点（灵活调用机器学习、视觉预训练或LoRA等微调算法）、评测节点（自动触发基准评估或自定义数据集测试）以及端侧权重导出节点，一站式串联平台底层各项原子能力。

（4） 过程管控与详情查看

支持对运行中的工作流进行全局进度监控与状态追踪，用户可直接点击具体节点，查看底层的训练日志、损失曲线或评测报告等详细结果。提供工作流级别的暂停与终止操作，便于在异常时快速干预，避免算力资源浪费。

**3.3 模型交付**

提供高效的模型压缩、转换与部署能力，旨在打通模型从云端训练到端侧推理的最后一公里，保障模型在异构硬件上的高性能运行与实例的稳定交付：

3.3.1 压缩与转换

本模块支持模型量化压缩，可将原始权重或激活值转换为更小数据类型，并适配轻量化推理框架及主流端侧硬件。同时提供模型格式转换能力，支持从训练框架权重向标准化中间表示及特定推理引擎的定向转换，并允许自定义转换工具，满足多样化部署需求。具体包括：

（1） 支持模型量化压缩

支持模型量化压缩，将原始数据权重或激活值转换为更小的数据类型；支撑推理框架（如VLM，llama.CPP)。

（2） 模型格式转换

提供模型序列化格式的解析与转换能力，支持从训练框架权重（如 .pt/.pth）、Safetensors格式向标准化中间表示及特定硬件推理引擎（TensorRT）的定向转换与导出；支持自定义转换工具。

3.3.2 ▲模型部署

本模块支持全流程、一体化的 AI 模型部署与运维管控能力，覆盖推理实例创建管理、容量伸缩调度、负载均衡适配、推理性能加速以及运行监控告警等核心环节，全方位支撑模型云上高效落地与稳定运行，具体包括：

（1） 模型部署和实例管理

支持从镜像仓库中选择推理服务镜像作为部署单元，并从模型广场中选择所需AI模型，创建模型推理实例部署到指定服务器节点，提供模型推理实例启停管理、信息与日志查看，支持配置服务路由和访问方式。

（2） 实例扩缩容和负载均衡

支持模型推理实例的手动扩缩容和实例释放，支持推理实例负载均衡。

（3） 弹性扩缩容

根据当前模型推理实例的并发或者使用情况，自动启动或关停实例，实现资源的弹性调度。

（4） 模型推理加速

支持基于支持MindIE、MindSpeed及vLLM等多种推理框架实现模型推理加速服务，提升端侧或云侧推理吞吐量与响应速度。

（5） 实例监控和告警

支持模型推理实例运行情况的监控及可视化展示，对实例所占用服务器的算力资源、存储资源、网络资源进行监测，以及实例异常告警功能。

**3.4 模型服务**

提供完善的模型服务发布、网关管控与运维计费能力，旨在通过统一的服务路由、细粒度的流控鉴权与多维度的监控统计，实现模型能力的安全开放与商业化赋能：

3.4.1 服务网关

本模块具备标准化、高可用的模型服务网关接入与管控能力，覆盖统一路由分发、协议转换、安全鉴权、流量治理、高可用保障与运营分析等核心环节，全方位实现模型服务安全接入与稳定运行，具体包括：

（1） 服务接入与路由分发

支持通过标准API对外提供推理服务及第三方模型API统一纳管；提供网关配置中心，支持请求路径到后端服务的统一路由管理、协议转换及负载均衡策略配置。

（2） 第三方模型服务接入

支持第三方模型服务API的发布接入，能够通过模型网关进行统一纳管。

（3） 安全鉴权与密钥管控

支持创建和管理模型服务调用的 API Key，通过API Key 实现服务鉴权，管理界面支持针对API Key的信息备注。

（4） 流量控制与治理

支持基于 API Key 配置流控策略（如QPM 和 TPM流控策略）；支持动态请求超时处理配置。

（5） 调用计费

支持按API调用次数计费、按消耗token计费、按时间或吞吐量进行计费，可灵活配置计费方案与价格。

（6） 网关扩展与可观测性

支持组件接口扩展（如自定义协议转换与逻辑注入）；支持组件调用记录上报，提供全链路追踪与统一统计；实时监控网关请求量、响应延迟及异常率等指标。

（7） 高可用与容错保障

提供重试与熔断降级机制，支持组件节点主动健康检查与异常实例摘除；支持网关配置动态热更新，保障网关自身与后端服务的高可用。

3.4.2 服务编排

本模块具备专业化的模型服务编排与发布调度能力，覆盖多模式服务发布策略、模型服务流量路由等核心环节，保障模型服务平稳迭代升级与高可用调度，具体包括：

（1） 服务发布策略

支持模型服务的发布和更新，提供滚动发布和回滚策略，保障服务平滑升级。

（2） 模型服务路由

支持将模型服务流量路由到多个推理实例，提升服务的高可用性。

3.4.3 服务运维

本模块具备全维度、精细化的模型服务运维管控能力，覆盖服务启停扩容、访问权限管控、服务用量统计、费用额度管理、推理日志检索等核心环节，实现模型服务日常运维、权限管控、成本管控与问题审计溯源，具体包括：

（1） 服务启停管理

支持模型实例的启动、停止等日常操作管理。

（2） 服务扩容管理

支持模型实例的动态扩容（如按流量阈值自动增加实例）。

（3） 服务权限管理

支持按部门、角色等分类指定可访问特定模型服务的权限。

（4） 模型服务用量统计

支持用户查看使用的模型服务用量统计，包括调用的API数量或token统计、时间趋势统计、响应时间，并可进行流量监控。

（5） 费用与成本概览

支持用户查看模型服务使用的费用概况、可用额度及额度预警。

（6） 额度配额管理

支持按部门、角色等分类制定费用配额，定时划拨模型服务费用配额，或直接给指定范围用户额外划拨配额。

（7） 推理日志存储和查询

支持全量推理日志的持久化存储与多条件检索查询，便于问题排查与审计。

**3.5 平台管理**

提供全面的底层资源、算法、镜像及模型资产管理能力，旨在通过精细化的权限隔离、智能化的调度监控与规范化的生命周期管理，保障平台算力资源的高效利用与核心资产安全：

3.5.1 资源管理

本模块具备全方位、一体化的算力集群资源统筹管控能力，覆盖集群与资源组划分分配、资源调度策略配置、资源运行监控可视化、智能负载均衡调度以及国产化算力硬件适配等核心环节，实现集群算力合理分配、高效调度、可视管控与国产化生态兼容，具体包括：

（1） 集群和资源组管理

支持在算力集群内创建资源组，提供资源分配功能，为训练或推理任务分配所需的GPU算力资源。

（2） 资源监控及结果可视化

支持资源监控及结果可视化展示，如可用资源大小、资源使用分布、使用百分比等。

3.5.2 算法管理

本模块具备全流程算法工程管控能力，覆盖算法代码版本管理、算法拉取使用、训练算法血缘追踪等核心环节，实现算法代码可追溯、版本可管控、使用可便捷调用，支撑模型训练全流程的算法标准化管理，具体包括：

（1） 代码仓库

通过代码仓库管理训练推理算法的代码版本（Commit ID、分支）及代码变更记录。

（2） 算法拉取

在创建训练任务或工作流时，支持直接选择平台内已有的算法工程及其特定版本（或分支/Tag）进行挂载运行或拉取到IDE。

（3） 训练算法血缘追踪

自动记录每次模型训练任务所使用的“算法工程名称及版本号”，支持在模型版本详情中反向溯源查看当时的算法代码快照。

3.5.3 镜像管理

本模块具备全方位镜像全生命周期管控能力，覆盖镜像仓库对接、镜像构建推送、训练与推理环境镜像导入、镜像安全扫描、镜像版本与标签管理等核心环节，实现镜像统一管理、安全可控、适配各类训练推理场景，保障环境一致性与部署安全性，具体包括：

（1） 镜像仓库

支持对接企业私有镜像仓库（Harbor/自建 Registry 等），支持多仓库统一管理。

（2） 镜像构建推送

支持基于Dockerfile进行在线镜像构建，或将代码与基础环境打包构建为训练/推理镜像；构建完成后自动打Tag并推送到已对接的镜像仓库中。

（3） 训练环境镜像导入

支持导入模型训练环境镜像，包含CUDA或驱动、深度学习框架、常用库、运行入口脚本等，明确标注适用的框架版本、CUDA 版本、Python 版本与算力类型，支持在 IDE、训练任务、工作流节点中选择这些镜像。

（4） 推理服务镜像导入

支持导入自定义模型（后训练模型）镜像，支持SGlang、vllm等不同推理框架的镜像部署推理服务，支持挂载模型权重并选择这些镜像发布为模型推理服务。

（5） 镜像安全与漏洞扫描

支持对接镜像安全扫描工具，在镜像导入或构建后自动执行CVE漏洞扫描，展示高危/中危漏洞列表，支持设置阻断策略（如存在严重漏洞禁止部署至K8s集群）。

（6） 镜像版本与标签

支持镜像版本管理（Tag/语义版本）与标签管理，支持按标签筛选与检索。

3.5.4 账号权限

本模块具备精细化账号与权限安全管控能力，覆盖账号基础管理、部门空间划分、角色权限分配、统一身份认证、操作行为审计等核心环节，实现平台访问身份可识别、权限可管控、操作可追溯，保障平台数据与模型安全，具体包括：

（1） 账号管理

支持创建用户账号、用户定义等基础信息管理。

（2） 空间管理（组）

支持为不同部门创建独立空间，管理空间成员。

（3） 权限管理与访问控制

支持用户角色定义、权限分配实现业务配置能力。对不同的账号授予不同模型的访问权限。

（4） 统一身份认证

支持接入企业统一身份认证，实现SSO 单点登录。

（5） 操作审计功能

支持审计功能，可视化记录和查询数据和模型被访问、编辑、删除等操作信息。

3.5.5 模型管理

本模块具备全生命周期模型管控与便捷使用能力，覆盖模型元数据维护、版本迭代追踪、权重多格式导入、模型广场检索、在线体验与多模型对比等核心环节，实现模型信息可管理、版本可追溯、使用可便捷检索与体验对比，具体包括：

（1） 模型元数据管理

提供模型元数据管理功能，支持添加、编辑和删除模型的描述、标签、输入输出格式等信息。

（2） 模型版本管理

支持查看、筛选、管理模型的版本，追踪模型的迭代和更新历史。

（3） 模型权重导入

支持导入自定义模型权重，支持Pytorch、Safetensors、TensorRT等格式的模型文件导入。

（4） 模型广场和检索

提供模型广场支持模型分类检索。检索方式包括：模型名称、场景、语言、模态、标签等。

（5） 模型体验和对比

支持模型的在线推理体验，可调整推理参数。支持多模型体验横向对比。

3.5.6 预置管理

本模块提供全方位预置资源支撑能力，覆盖算法架构预置、训练推理镜像预置、基础模型预置等核心环节，通过预置各类标准化资源，降低用户算法开发、环境配置与模型使用门槛，支撑平台各业务模块高效便捷调用，具体包括：

（1） 算法预置

预置经典模型架构与算法（如视觉检测模型、视觉分割模型、姿态识别模型等小模型，或大语言模型、多模态大语言模型等大模型），支持用户在创建模型训练任务时直接选择预置算法框架，降低算法开发与配置门槛。

（2） 镜像预置

预置各类训练和推理环境的基础镜像（包含深度学习框架、算子库及依赖等），支持用户在训练任务或模型部署时直接调用。

（3） 模型预置

预置开箱即用的基础模型（如用于辅助标注的模型、基础预训练模型等），供平台内各业务模块（如数据标注、模型微调）调取使用。同时支持通过外部模型平台（如魔搭社区等）导入模型作为预置模型。

3.5.7 提示词工程

本模块支持对提示词的管理与调优，具体包括：

（1）提示词管理与调优

支持对提示词模板版本进行管理，并支持对不同提示词的效果进行调优与测试。

**5. 功能清单一览表**

|  |  |  |  |  |  |
| --- | --- | --- | --- | --- | --- |
| 功能清单一览表 | | | | | |
| 序号 | 系统模块 | 功能子项 | 功能需求 | 单位 | 数量 |
| 三 | AI模型训推平台 | | | | |
| 57 | 模型训练与评估 | 模型预训练 | 详见本节3.1.1 | 项 | 1 |
| 58 | 模型微调 | 详见本节3.1.2 | 项 | 1 |
| 59 | 模型评测 | 详见本节3.1.3 | 项 | 1 |
| 60 | 模型开发工作流 | IDE集成 | 详见本节3.2.1 | 项 | 1 |
| 61 | 可视化流水线编排 | 详见本节3.2.2 | 项 | 1 |
| 62 | 模型交付 | 压缩与转换 | 详见本节3.3.1 | 项 | 1 |
| 63 | 模型部署 | 详见本节3.3.2 | 项 | 1 |
| 64 | 模型服务 | 服务网关 | 详见本节3.4.1 | 项 | 1 |
| 65 | 服务编排 | 详见本节3.4.2 | 项 | 1 |
| 66 | 服务运维 | 详见本节3.4.3 | 项 | 1 |
| 67 | 平台管理 | 资源管理 | 详见本节3.5.1 | 项 | 1 |
| 68 | 算法管理 | 详见本节3.5.2 | 项 | 1 |
| 69 | 镜像管理 | 详见本节3.5.3 | 项 | 1 |
| 70 | 账号权限 | 详见本节3.5.4 | 项 | 1 |
| 71 | 模型管理 | 详见本节3.5.5 | 项 | 1 |
| 72 | 预置管理 | 详见本节3.5.6 | 项 | 1 |
| 73 | 提示词工程 | 详见本节3.5.7 | 项 | 1 |
| 五 | 系统对接集成 | | | | |
| 90 | 外部数据接入 | / | / | 项 | 1 |
| 91 | PaaS公共基础组件集成 | / | / | 项 | 1 |
| 92 | 运维中台接口预留对接 | / | / | 项 | 1 |
| 93 | 开发中台接口预留对接 | / | / | 项 | 1 |
| 94 | 技术中台接口预留对接 | / | / | 项 | 1 |
| 95 | 业务中台接口预留对接 | / | / | 项 | 1 |
| 96 | 应用集成平台对接 | / | / | 项 | 1 |
| 六 | 其他 | | | | |
| 97 | 国产化信创适配 | / | / | 项 | 1 |
| 98 | 开源大模型高性能部署 | / | / | 项 | 1 |

### （二）系统功能集成

#### 系统集成要求

“数智广投”AI中台实现与“数智广投”项目中包括PaaS平台的其他平台以及其他业务系统的业务流程整合。集成架构上要从集成安全、集成通用性上进行设计。严格按照数智广投的统一技术标准规范，所有应用系统严格按照数智广投的开发管理、服务集成、流程集成、审批集成四个维度形成标准规范完成系统开发：

1、集成标准规范要求：

根据实际情况，对接广西投资集团一体化PaaS平台集成标准与规范并通过甲方验收。一体化PaaS平台集成标准规范包括但不限于以下维度：交互与设计规范，接入规范，集成参数规范，集成格式规范，集成响应码规范，集成配置规范，接口调用规范，业务回调规范，通知定义规范，系统权限申请规范，数据推送规范，集成安全规范，集成治理规范，集成运营规范，AI能力集成规范。

2、数据集成标准：

交互数据支持采用JSON或XML格式进行传输，数据结构清晰。支持数据校验，支持数据传输前后对关键数据进行比对和验证。支持数据频率配置，针对不同业务场景，配置不同数据的更新频率。

3、接口集成标准：

接口规范遵循 RESTful API 设计原则，使用 HTTP/HTTPS 协议进行通信，接口应具备清晰的 URL 结构。接口安全性支持 OAuth 2.0 或 JWT（JSON Web Token）认证机制，支持对敏感数据进行加密传输。具备详细的接口文档，包括接口的功能描述、请求参数、响应参数、错误码等信息。

4、系统集成标准

支持遵循运维监管中集成标准与规范，与运维监管中台集成，实现运维工单流转，运维数据同步至门户，实现闭环管理。提供标准身份认证接口，兼容LDAP、OAuth2.0等协议，支持域控管理系统的集成对接。支持工作流、统一审批中心、日志管理中心、消息中心、服务总线ESB、AI自动调度等公用基础组件集成，实现流程共享、数据互通、入口统一。严格遵循一体化PaaS平台集成标准与规范。

**★结合用户需求与系统实际建设进展，完成已满足对接条件的系统的集成，并为不具备条件的系统（在建、待建或其他不具备条件）预留标准化的数据交换接口，待在建系统或待建系统建成并发布正式接口规范后，中标方需无条件配合完成双方系统的对接集成工作，确保数据互通、业务协同，该对接工作不得因“接口规范变更”或“系统架构调整”等理由拒绝或追加费用。（投标方需提供承诺函）**

以下所有接口开发标准和接口文档须遵循《广投集团应用集成平台接口管理规范》并通过应用集成平台（ESB）完成集成，包括但不限于以下系统的集成：

|  |  |
| --- | --- |
| **系统名称** | **集成描述** |
| 与外部数据集成 | 系统需支持多系统集成和多系统数据共享，能够逐步实现与外部数据源以及集团内部系统的对接。并且模型训推平台能接入未来包括魔搭、huggingface的最新开源大模型文件拉取和部署。 |
| 运维中台 | 预留与运维中台对接的接口，接入统一监控平台的指标采集体系，支持统一日志平台的日志格式与存储规范，需遵循统一运维管理体系的流程要求，包含服务器、中间件、数据库、应用运行状态和日志等。 |
| 应用集成平台（ESB） | 与集团内部系统的对接均须通过应用集成平台（ESB平台）进行集成。 |
| 业务中台 | 预留接口，若在项目实施周期内开发中台新具备对接条件，则同步完成集成对接，相关费用已包含在投标报价中。  需支持对接业务中台的知识文档等相关数据和服务。 |
| 开发中台 | 预留接口，若在项目实施周期内开发中台新具备对接条件，则同步完成集成对接，相关费用已包含在投标报价中。  需向开发中台（低代码、微服务框架等）提供标准化的数据服务接口，支持开发场景的数据调用，对外提供模型推理调用服务、智能体调用集成服务。 |
| 技术中台 | 预留接口，若在项目实施周期内开发中台新具备对接条件，则同步完成集成对接，相关费用已包含在投标报价中。  1.需预留与技术中台-统一身份认证平台集成接口  2.需预留符合BPMN 2.0规范的RESTful API接口，用于后续集成技术中台-统一流程平台  3.提供标准化接口，支持后续集成统一消息中心 |

#### 系统技术架构要求

系统技术架构设计满足“技术自主、风险可控”的基本原则，系统架构具体要求包括：整体上软件架构应合理，支持未来的系统升级改造。支持集群化管理、支持弹性扩容、支持负载均衡，支持服务统一部署、统一规划、统一更新、统一维护等。集群管理要考虑应用部署要简单，硬件资源利用率要高。采用的技术框架和中间件通用领先、使用维护门槛低，架构设计标准原则为编码简单、配置灵活、部署统一且能独立部署；

#### 二次开发要求

系统支持微服务架构设计的同时，功能服务拆分要合理。容器化部署和容器编排（如Kubernetes）来更好地管理和调度微服务，实现云原生架构特有的快速部署、动态扩缩容和高可靠性等特性采用前后端分离结构进行开发、部署，前后端服务都独立运行。安装的所有微服务，都可以无缝接入广西投资集团统一微服务治理框架，共用私有云的注册中心和配置中心。

允许用户在产品框架上进行二次开发，可提供源码、二次开发规范、开发工具、资料及协助。

支持HTML5，可与PC设备等进行广泛的集成适配。支持扩展业务应用。

AI中台的四大平台可相互解耦单独应用，也可调用其他平台的能力。模型训推平台可使用高质量数据集管理平台的数据集进行训练，智能体开发平台可调用模型训推平台或外部API的的模型推理服务构建智能体，机器人管理平台可调用智能体开发平台的智能体。平台相互之间的调用需基于统一的RESTful API等标准接口规范，并全面接入广西投资集团统一的微服务治理框架，实现跨平台的统一身份认证、服务路由、链路追踪与调用限流。

#### 部署架构要求

系统在虚拟化平台上基于容器架构进行搭建，提供满足广投高并发、高可用性、高安全性应用需求的基础云服务，按广投部署规范进行容器化部署和各项服务容器化，各个应用可根据实际需要进行多节点拆分，满足关键服务上的高可用性和可靠性；

需为模型训推平台提供开源大模型高性能部署服务，部署包括Deepseek、GLM、Qwen等最新全量大模型。高性能部署要满足高并发、高可用、快首字延迟的优化要求，不得仅做简单的API转发或基础框架封装。

部署策略综合考虑了成本、维护、网络、性能等因素，并给出最优方案满足未来需求；部署策略支持弹性扩容，峰值扩容，闲时缩容；支持分布式和安全隔离策略；支持容器化部署；部署策略充分考虑系统数据备份，包括日常备份（定时备份、实时备份）、灾难备份（须含双机热备份等）。

#### 适应性要求

系统在需求或环境发生某些变化时，具备适应能力，比如流程及业务规则变化；产品特征及计算公式变化；机构人员变化等。

### （三）其他要求

#### 运维责任要求

为保证系统后期能快速迁移、适配“数智广投”PaaS平台和IaaS平台相关能力，系统技术架构需满足以下要求：

系统必须采用“数据层-业务逻辑层-表现层”的分层架构，需保证业务逻辑与平台底层能力严格解耦、前后端代码分离；系统在业务逻辑层与平台底层能力之间必须设置适配层，确保未来可替换为“数智广投”PaaS平台和IaaS平台相关组件服务；系统必须采用基于业务能力的微服务架构设计，核心业务模块应拆分为独立微服务，每个微服务需满足以下要求：

1）所有外部请求必须通过API网关统一入口，实现身份认证、限流和路由，API网关须支持与应用集成平台（ESB）进行集成；

2）所有API接口须提供完善的接口文档，保证系统可通过接口文档进行二次开发；

系统所需的相关PaaS能力，例如流程引擎、消息通知、文件管理、用户/权限管理等，必须实现标准接口适配器，业务代码通过适配器调用，保证系统后续无需修改大量代码，仅替换适配器或少量修改代码即可实现对接“数智广投”PaaS平台；

1. 适配层须支持行业标准协议，例如流程引擎支持BPMN 2.0标准流程定义格式，提供符合BPMN 2.0规范的RESTful API接口、身份认证基于OAuth 2.0或OpenID Connect等；

2. 前端UI设计必须严格遵循企业级设计系统规范，确保核心组件可动态定制、主题样式可集中管理，实现全系统视觉风格统一。具体要求如下：

1）所有基础UI组件（如按钮、表格、导航栏、模态框、输入框）必须通过CSS类或CSS变量暴露可配置属性，禁止硬编码颜色、间距、字体等样式；

2）组件须支持通过props或CSS类动态覆盖，开发团队无需修改组件源码即可调整样式；

3）须提供组件定制指南文档，明确说明每个组件支持的可配置项；

4）须提供企业级主题配置文件，包含设计系统所有核心变量；

5）验收时需提交核心组件支持主题变量配置的验证报告，至少覆盖80%以上核心组件；

3. 系统私有化部署在招标人指定的云服务器环境中，支持国内主流云厂商提供的基础IaaS资源，支持公有云、专属云或多云融合部署，合理设计规划部署方式，兼容云平台裸金属、虚拟机和容器化部署。

#### 项目管理

**2.1 项目管理要求**

采用符合广西投资集团要求的项目管理与实施方法，建立健全项目管理制度，制定整体项目总体计划和设定重要里程碑，严格项目进度控制，严格项目风险控制，严格项目质量控制，有序开展实施工作。

投标人根据招标单位项目管理工作要求，项目任务包括但不限于以下内容：

（1）项目准备：建立项目管控组织，明确管理和技术负责人。确认项目目标与范围，完善、整合项目计划，并将项目内容细化。明确项目组成员的职责和分工。制定项目工作方法、文档规范、汇报方式和周期，作为整个项目管理的基础。确定项目内外部需要的各类资源。列出影响本项目执行的各类风险因素，提出防范计划并制定应急方案。

（2）项目计划：组织各项目负责人讨论任务书和各方的项目责任；制定详细的项目计划来确定和划分工作层次，设立项目小组任务阶段性；完成的主要标志，以及阶段性完成的预定时间和达成的主要途径。协调建立项目环境，制定变更控制计划；

（3）项目过程管理：在项目的管理过程中，要说明项目管理方法，做好目标、质量、进度、风险等规划和管控，要建立专门的项目实施团队，由专人负责，各关键人员不得随意更换或抽调；要制定满足项目建设要求并切实可行的工作计划，提供详尽的项目实施时间表（以天为单位）及各阶段软件公司人员安排；项目过程中需要有需求调研、业务流程梳理及详细实施方案设计，并提供制度优化建议；将项目过程中出现的问题、潜在的风险等通过质量控制/质量保证等方式有效的管理起来并推动解决；详细说明项目实施每一阶段双方所负的责任，若需招标人配合，应详细说明配合内容、技术要求、时间要求、人员要求等，确保项目的各项工作按计划推进。

（4）项目跟踪和汇报：根据项目计划衡量、跟踪和评估项目的进展。解决项目计划出现的例外情况。审查项目的任务进展、日程安排和资源调配，并根据情况做出适当的改变。制定项目状态汇报机制。通过周例会、月例会定期检查项目进展状况，每周提交项目报告。期评估已标识出的风险，并识别新的风险，制定防范计划并制定应急方案。实施项目变更控制程序。

（5）项目沟通与信息报送：招标人指定的项目经理是本项目的唯一对接窗口。中标人项目团队所有关于项目需求、方案、进度、变更等事宜的沟通，均须通过该窗口进行；未经招标人许可，中标人及其人员不得就本项目直接与招标人的上级单位或其他关联单位的人员进行工作对接、汇报或提交材料；所有正式的项目汇报（包括周报、月报、阶段汇报）均须提交至招标人，由招标人统一审核并按需组织汇报。中标人应配合招标人完成汇报材料的准备。

**2.2 项目验收要求**

双方依据建设需求、项目建议书等文件共同制定项目验收大纲。招标单位组织有关单位根据验收大纲从系统的实用性、稳定性、可维护性、灵活性、可操作性及系统文档、代码、规范及注释说明等方面全面组织对本项目的验收。参与验收人员包括但不限于广西投资集团本部及子公司相关人员。

**2.3 项目培训要求**

投标人应详细制定人员培训方案，应对所提供的服务向招标单位人员提供全面充分的培训，使招标单位人员达到能独立进行AI中台及算力运维相关工作。应针对本项目特点提供详尽的培训计划。

配备经验丰富的专业培训讲师提供培训服务支持，确保培训质量，在项目的不同阶段要求提供相关的培训课程，面向系统开发和管理员、各级管理人员、系统操作人员等不同群体提供系统化、定制化和有针对性的培训。通过培训应使各类用户能独立进行相应应用与管理、故障处理、日常维护等工作，确保系统能正常安全运行，同时保证甲方信息化技术人员能够熟练掌握AI应用开发及模型训推技术，完全具备AI系统运行维护的能力。

1、培训总体目标：

投标人应提供覆盖项目全周期的系统化培训，确保最终用户能够熟练使用系统各项功能，独立完成日常业务操作，减少对技术支持的依赖；开发、运维人员能够独立完成AI中台运维、算力管理及二次开发工作。尤其在交付全部源代码及模型资产后，招标方技术人员应具备完全承接系统运行维护及后续AI能力迭代的能力（即不依赖原投标人即可独立进行代码理解、模型微调训练、智能体编排扩展、组件开发及服务发布）。

2、培训对象和培训内容：

中标方根据招标方要求，提供包含但不限于以下人员的培训：

最终用户：培训内容包括但不限于系统登录、权限申请；各AI平台模块功能操作（如数据集创建与标注、大模型微调任务发起、智能体可视化编排、知识库上传与解析、机器人对话测试与渠道发布）；常见问题处理（如提示词调优纠错、组件调用异常排查）。

开发运维人员：培训内容包括但不限于AI中台架构、微服务代码结构、向量数据库设计；开发环境搭建、容器化编译打包、GPU或NPU算力调度与模型部署发布；二次开发流程、代码规范、MCP协议与SKILL组件开发调试；算力监控配置、模型训练日志分析、数据备份恢复、推理服务故障排查。

系统管理员：培训内容包括但不限于用户权限配置、组织结构维护；系统参数设置（删除“流程配置”）；AI算力资源池配额分配、API网关与调用鉴权配置、Prompt模板库管理；基础数据维护、日志查看。

3、培训方式：

培训要包括集中培训、现场参与、网络培训等多种方式。要针对性提供操作培训、业务培训、技术培训、运维培训等差异化的培训内容，确保用户能够熟练掌握系统应用，系统管理员可以有效完成系统配置、监控和管理，其他用户可以快速掌握系统操作。对系统管理员和最终用户培训次数不少于2次；对开发运维人员的培训次数不少于3次。

4、培训效果：

最终用户：每次集中培训结束后，投标人应对培训效果确认，方式包括但不限于：参训人员在《培训签到及确认表》上签字确认已理解并掌握培训内容。

开发运维人员：中标方根据招标方的源代码交付要求交付源码并提供培训，培训结束后，招标方开发运维人员可独立完成一个指定的AI开发任务（如：基于给定数据集发起一次大模型微调并发布推理API，或开发并注册一个自定义SKILL/MCP组件接入指定智能体）；编译并成功部署到测试环境；编写一份简要的操作说明。若首次未通过，中标人应提供额外辅导直至通过。甲方开发人员可随时就二次开发问题向中标人提问，投标人应提供响应支持，以巩固培训效果。

系统管理员：培训结束后，系统管理员应能独立完成用户权限分配、流程配置、基础数据维护等日常管理工作。

5、中标方培训讲师要求：

针对甲方开发运维人员的培训讲师：熟悉系统全部源代码及底层AI框架，熟悉系统及GPU算力部署架构，具备AI中台架构设计及AI智能体应用/数据集管理/模型训练推理实战能力，并能指导实际操作。

系统管理员的培训讲师：熟悉系统后台配置、权限管理、API网关及算力资源分配策略等，能够现场演示并指导管理员完成配置操作。

**2.4 交付文档要求**

需建立完善的文档管理体系，包括文件命名规范、目录规范、文件传递规则等。在规定时间内向招标人提交项目建设需求调研、设计、实施、开发、测试各个阶段的计划、方案、报告、会议纪要和质量标准、项目进展状态及实施过程文档。

技术文档应与实际运行的系统相一致，技术文档应该全面、完整、详细，技术文件应能够满足对系统的安装、使用、维护、应用开发的需要。

投标方在应答时必须列出整个实施过程中所产生和需向用户提交的详细文档清单，包括文档提交的计划安排。实施过程中根据招标方的要求和模板提供包含但不限于以下文档清单：

项目启动：《项目实施计划》、《项目章程》

需求调研：《需求调研计划》、《需求调研记录》、《需求分析报告》、《业务解决方案》、《需求规格说明书》、《招标文件和需求文件对比清单》、《需求变更单》（如需）

设计阶段：《详细设计说明书》（包括系统架构设计、功能设计、数据库设计等相关说明）、《验收标准》、《需求变更单》（如需）

开发阶段：《项目源代码》、《接口文档》、《需求变更单》（如需）

部署测试阶段：《部署方案》、《部署完成确认单》、《测试报告》（包括功能测试、集成测试、性能测试、用户接收测试报告）、《需求变更确认单》（如需）

用户培训：《培训计划》、《培训文档》、《操作手册》

上线阶段：《数据初始化方案》或《数据迁移方案》、《数据收集模板》、《上线切换方案》、《上线试运行报告》《问题跟踪记录表》

初验阶段：《初验申请》《初验报告》、《工程量签证确认单》

用户验收：《终验报告》、《运维手册》、《工程量签证确认单》

其它管理文档：《会议纪要》、《周例会报告》等

**2.5 人员要求**

投标方应针对本项目建立完整的项目组织体系并保证其有效运行。投标方的项目实施方案中应包含对项目组织机构及项目实施人员的详细描述，并附上项目组织机构图、项目实施人员简历表及资格证书等其它背景资料。投标方的项目组织机构中应包含实施本项目所必须的各类专业技术和管理人员。

**★人员基本配置：本项目实施团队总人数不少于15人（含项目经理），现场驻点人数不少于8人（驻场团队须含项目经理、业务专家及骨干实施开发人员）。实施团队需包括项目经理不少于1人、业务专家不少于2人，实施开发人员不少于12名（备注：需提供近半年内连续三个月的社保缴纳证明材料）。项目经理和项目现场驻点实施团队人员在参加本项目实施时不再兼职其它工作。项目实施人员必须为与投标人签订正式劳动合同的员工。（备注：投标人响应时须提供其为拟投入人员缴纳最近半年以内连续三个月的社保缴纳证明材料扫描件；无缴费记录的，应提供由社保部门出具的《依法缴纳或依法免缴社保费证明》扫描件）**

**★投标方提供承诺函承诺本项目投入的人员基本配置符合且不低于上述要求，项目经理和实施开发人员全程投入本项目，不得兼职其他项目；业务专家在需求阶段和设计阶段全程投入本项目，并根据招标人要求在其他关键历程碑节点（包括但不限于系统上线、培训、验收等节点）参与本项目。**

投标方的项目组入场时须提供项目小组人员的简历和社保证明。

投标方的项目组成员应具有良好的服务意识和正确的工作态度。拟选派参加本项目的现场项目经理应具有同类同规模项目的实施经验，有较强的专业技术背景和丰富的项目管理经验，具有良好的沟通与协调能力；拟选派的项目组主要成员应参加过同类同规模项目的实施，能完全胜任本项目的各项工作。

广西投资集团作为项目实施的场地，现场项目经理和现场实施顾问在项目实施场地驻地工作，工作时间和招标方工作时间一致。

中标方参与本项目的人员需得到招标方确认，如中标方变更项目成员，应先征得招标方的同意，并由同等资历的人员替换。

投标方在中标并签署合同后，如在项目实施过程中出现理解偏差等任何原因导致的实施工作量和人力资源配备方面的任何遗漏或不足而不能满足项目要求时，所遗漏的部分均必须由中标方免费提供。

**投标人需明确项目经理人员、项目组成员，并列出详细清单，作为该项目实施组人员，项目一旦启动，该项目组成员需如实配置到位并按照采购人要求进行考勤管理，如采购方发现项目成员不满足考勤管理要求应按照“数智广投”AI中台项目主要处罚项目与标准表进行罚款。**

#### 售后服务要求

投标方应提供详细的系统运维和售后服务方案，投标方应提供从终验合格之日起开始计算的为期12个月的免费质保。

在质保期内，投标方提供的下列服务不得另行收取任何费用；必须提供的服务要求如下：

投标方应为本项目成立服务维护团队，团队成员应包含参与本项目的实施人员。现场技术支持：及时向业主人员提供如何使用软件的咨询，对应用系统的运行、维护提供 7x24小时的实时技术支持。

免费提供软件补丁升级、漏洞补丁、升级软件和部署，以及长期有效的技术支持与服务。

热线服务：投标方应提供热线电话及Email、传真等其它途径随时回答采购人的名种技术问题，并按故障处理要求提出解决方案及解决问题。

#### 故障处理要求

投标人应根据以下故障应急响应要求，采取必要的服务措施(包括调整)，尽快修复故障，恢复设备正常运行，并赔偿甲方由此所造成的直接和间接损失。

根据故障的严重程度和影响业务程度的不同，故障级别由高到低分为一级故障、二级故障、三级故障和四级故障。

故障应急响应要求：

| 故障分类 | 故障等级 | 故障影响描述 | 故障响应时间 | 故障恢复时间 |
| --- | --- | --- | --- | --- |
| 可用性 | 一级故障 | 核心系统无法登录 | 7x24小时接受申告，即时响应 | 1小时 |
| 二级故障 | 核心系统无法使用 | 7x24小时接受申告，即时响应 | 2小时 |
| 三级故障 | 业务核心功能无法使用 | 7x24小时接受申告，即时响应，3小时内提供解决方案 | 6小时 |
| 四级故障 | 业务次要功能无法使用 | 7x24小时接受申告，即时响应，6小时内提供解决方案 | 12小时 |
| 安全性 | 一级故障 | 系统入侵：核心业务受到入侵，核心用户数据等受到入侵，或者系统文件被恶意篡改，容易引发入侵扩散；  页面篡改：门户网站首页被非法篡改内容、内容涉及危害性极大的；  CGI漏洞：经引起大面积用户讨论、传播和以致侵害公司品牌利益，或者造成直接经济损失的。 | 7x24小时接受申告，即时响应 | 1小时 |
| 二级故障 | 系统入侵：核心业务受到入侵，未危及重要数据，仅造成扩散隐患但是并未发现有以外的机器系统受入侵的；  页面篡改：业务页面被非法篡改内容:或者小恶作剧；  CGI漏洞：由外部发现但还没有造成重大危机或者造成经济利益损失的。 | 7x24小时接受申告，即时响应 | 2小时 |
| 三级故障 | 系统入侵：核心业务存在高危端口或者系统漏洞；  CGI漏洞：由内部发现但还没有造成重大危机或者造成经济利益损失的核心系统漏洞。 | 7x24小时接受申告，即时响应，3小时内提供解决方案 | 6小时 |
| 四级故障 | 系统入侵：非核心业务存在高危端口或者系统漏洞；  CGI漏洞:由内部发现但还没有造成重大危机或者造成经济利益损失的普通系统漏洞。 | 7x24小时接受申告，即时响应，6小时内提供解决方案 | 12小时 |

注：若经评估可证明系统不能恢复，应立即启动系统重建机制，迅速组织相关人员开展工作，要求数据不能丢失。待系统恢复业务后，招标人有权责令投标人出具故障影响情况分析报告。如因不可抗力造成的故障，乙方在采取有效措施恢复业务后，不承担扣款处罚。

#### 软著、专利要求

**6.1软件著作权登记配合**

投标方应协助完成软件著作权登记的全部流程，包括软件源代码整理、功能说明书及用户手册等技术文档的撰写与编制，并向版权登记机构提交全部申请流程。如遇登记机构要求补正或说明，投标方应协助甲方在指定的时间内完成材料补充或修改。

**6.2专利申请支持**

投标方应协助甲方完成专利挖掘与布局、撰写技术交底书、编制专利申请文件并提交至国家知识产权局等专利申请工作。在专利审查阶段，投标方应协助跟踪审查进度并专业答复专利审查意见，进行意见陈述或申请文件修改。