# iAOP-Template-Ti 一期 · LLM 场景层（LLM Scenarios）

对应 PRD 5.4 / 5.5 与 EPIC #11「[Template-Ti 一期] ④ LLM 报警解释 / 交接班 / NL 查询」：
复用 ④ LLM 网关（core/llm-gateway）与领域 RAG（core/rag-kb），针对 Ti 场景
配置 RAG 知识域与提示词模板，落地三个业务场景：
- **报警根因解释**（`alarm_explain`）：高利害，启用幻觉校验信度阈值，低信度转人工；
- **交接班自动摘要**（`shift_handover`）：生产概况 / 异常事项 / 安全注意事项；
- **自然语言查询驾驶舱**（`nl_query`）：NL → 指标 / 查询意图。

验收（Issue #11）：路由准确率 ≥ 96.5%、幻觉校验通过。

## 模块结构

```
templates/ti-cl4/llm-scenarios/
├── __init__.py                场景包入口（导出 TiScenarioRunner）
├── scenarios.py               Ti 场景编排（三场景 + 演示知识文档集 + 组件装配）
├── config/
│   └── scenarios.template.yaml 场景配置资产（提示词绑定 / RAG 知识域 / 验收指标）
└── tests/
    ├── _bootstrap.py          测试引导（挂载 ti_scenarios / llm_gateway / rag_kb）
    └── test_scenarios.py      场景端到端 + 路由准确率 + 幻觉校验测试
```

## 用法

```python
from ti_scenarios import TiScenarioRunner

runner = TiScenarioRunner()

# 1) 报警根因解释（高利害；低信度自动转人工）
r1 = runner.explain_alarm("炉温超上限报警怎么处理", confidence=0.95)
print(r1.answer)                # 含 SOP 引用溯源

# 2) 交接班自动摘要
r2 = runner.generate_handover("甲班：生产平稳，炉温正常，无异常事项")

# 3) 自然语言查询驾驶舱
r3 = runner.query_cockpit("查询最近一小时的氯气流量趋势")
```

## 设计说明

- **内核零改动**：场景层只复用 `LLMGateway` / `PromptRegistry` / `SensitivityRouter` /
  `RagKnowledgeBase`，换行业只改模板资产（prompts / router / kb / scenarios）；
- **RAG 演示数据**：`DEMO_KB_DOCS` 内置工艺规范 / 异常处置 SOP / 交接班规范等
  演示文档；接入真实客户数据时替换 `kb_loader`（`TiScenarioRunner(kb_loader=...)`）；
- **验收自检**：`tests/test_scenarios.py::TestRouteAccuracy` 用 Ti 场景查询集
  断言路由准确率 ≥ 96.5%；`TestScenariosE2E` 覆盖三场景端到端与幻觉校验。

## 运行测试

```bash
cd templates/ti-cl4/llm-scenarios/tests
python -m unittest discover -s . -p "test_*.py"
```