老师傅 KUPAS MASTER

**面向 AI 智能体的经验工程** **让隐性经验成为智能体的能力。** **Experience engineering for AI agents — from tacit expertise to traceable experience corpora and callable skills.** [中文](README.md) · [English](README.en.md) [![Website](https://img.shields.io/badge/Website-GitHub_Pages-0071e3)](https://tongjiai4e.github.io/KUPAS-MASTER-Report/) [![Report](https://img.shields.io/badge/Report-中文_%7C_English-344054)](#技术报告) [![Deploy GitHub Pages](https://github.com/TongjiAI4E/KUPAS-MASTER-Report/actions/workflows/pages.yml/badge.svg)](https://github.com/TongjiAI4E/KUPAS-MASTER-Report/actions/workflows/pages.yml) **[项目主页](https://tongjiai4e.github.io/KUPAS-MASTER-Report/) · [产品体验](https://lsf.kupasai.com/) · [中文报告](https://tongjiai4e.github.io/KUPAS-MASTER-Report/assets/reports/KUPAS-MASTER-Technical-Report-ZH.pdf) · [English Report](https://tongjiai4e.github.io/KUPAS-MASTER-Report/assets/reports/KUPAS-MASTER-Technical-Report-EN.pdf)**

库帕思 KUPAS 同济大学 · 工程智能研究院

**老师傅（KUPAS MASTER，也称 LaoShiFu）** 是上海库帕思科技有限公司与同济大学联合开展的经验工程平台。平台以**九层认知语料化**为核心，将工作记录与从业者访谈中的隐性知识、专业判断、行动策略和适用边界，转化为可追溯、可审核、可复用的经验语料与可调用技能，支撑大语言模型（LLM）智能体执行专业任务。本仓库发布技术报告、双语项目主页、评测图表及其汇总数据。平台体验请访问[老师傅官网](https://lsf.kupasai.com/)；本仓库不包含平台后端、模型权重或原始业务语料。 [平台概览](#平台概览) · [九层技术](#九层认知语料化) · [经验工程流程](#七步经验工程流程) · [效果评测](#效果评测) · [运行案例](#运行案例工伤纠纷调解) · [技术报告](#技术报告) · [本地预览](#本地预览与维护) · [引用](#引用) ## 平台概览专业经验不仅是“知道什么”，还包括关注什么、为什么这样判断、如何采取行动，以及何时不再适用。老师傅平台将这些判断依据与来源证据一起保留，让个人经验进入组织知识体系与智能体的任务执行过程。 | 组成 | 内容 | 作用 | | --- | --- | --- | | **六类案例要素** | 情境、线索、判断、行动、边界、结果 | 保留专业任务的上下文与处理过程 | | **九个认知维度** | 知识、注意、判断、决策、联想、预判、监控、习惯、约束 | 从事实、推理、行动与反馈中提炼隐性经验 | | **六类经验资产库** | 规则、约束、最佳实践、负样本、非常规情形（边界案例）、技能 | 形成可检索的经验资产与可调用技能 | ```mermaid flowchart TD A[工作记录与从业者访谈] --> B[六类案例要素与语义对齐] B --> C[九层认知语料化与个体经验蒸馏] C --> D[组织融合与交叉审核] D --> E[六类经验资产库] E --> F[智能体检索经验并调用技能] F --> G[专业任务执行与评测反馈] G --> A ``` 框架将**来源证据、适用条件、审核状态与执行反馈**连接起来。智能体不仅可以检索经验，还可以调用具有明确输入、步骤、依赖及停止条件的结构化技能。 ## 九层认知语料化九层认知语料化（nine-layer cognitive corpus construction）从九个相互协作的维度提炼经验，同一条经验可以涉及多个维度，各层不是固定执行顺序。 | 维度 | 核心问题 | 经验表示 | | --- | --- | --- | | L1 知识 Knowledge | 用到了哪些事实与概念？ | 实体、术语、关系、属性版本与来源锚点 | | L2 注意 Attention | 优先关注了哪些观察信息？ | 关注对象、检查顺序、注意转移及证据 | | L3 判断 Judgment | 什么依据支持这一判断？ | 判断规则、正反证据、适用条件与失效边界 | | L4 决策 Decision | 如何选择下一步行动？ | 候选动作、选择依据、触发、终止与回退条件 | | L5 联想 Association | 哪些案例或概念与当前问题相关？ | 类比关系、桥接线索与待核验关联 | | L6 预判 Anticipation | 预期会出现什么后果？ | 预期结果、时间范围与后续核实记录 | | L7 监控 Monitoring | 何时需要补充证据或重新检查？ | 知识缺口、待核验事项与复核条件 | | L8 习惯 Habits | 哪些流程在不同案例中反复出现？ | 原子操作、复合流程与可选话术 | | L9 约束 Constraints | 哪些事情不能做，哪些必须做？ | 禁止事项、必须动作、责任边界与审核状态 | 抽取结果作为候选经验进入审核，保留原始证据和适用范围。完整方法见[报告第 3 节](https://tongjiai4e.github.io/KUPAS-MASTER-Report/assets/reports/KUPAS-MASTER-Technical-Report-ZH.pdf#page=6)。 ## 七步经验工程流程 1. **场景定义**：明确角色、任务、目标与决策边界。 2. **数据归集**：汇集工作记录、访谈与补充证据。 3. **语义对齐**：对齐跨来源的术语、实体与事件。 4. **个体蒸馏**：以九层技术提炼个人候选经验资产。 5. **组织融合**：归并共性，保留情境差异与分歧。 6. **交叉审核**：检查证据依据、适用条件与表达准确性。 7. **评测反馈**：评价任务质量，反馈补充采集与资产修订。通过已审核的资产快照支撑智能体执行，再以任务结果与运行记录推动经验持续修订。 ## 效果评测在相同专业任务和统一评分标准下，对比基础模型、原始语料检索增强生成（RAG）与老师傅智能体三种配置。 | 配置 | 方法 | 综合得分（满分 100） | | --- | --- | ---: | | A | 基础模型 Base model | 70.63 | | B | 原始语料 RAG Raw-corpus RAG | 79.75 | | **C** | **老师傅智能体 KUPAS MASTER** | **89.58** | **老师傅相较原始语料 RAG 提高 9.83 分。** 七个评分维度均领先，20 个从业者评测组均呈现 C > B > A 的排序。 ![三种配置的综合得分：基础模型 70.63、原始语料 RAG 79.75、老师傅智能体 89.58](website/dist/assets/results/composite-zh.svg) - **七维度质量**：结果正确性、成果可操作性、专业判断深度、依据充分性与准确性、工具与技能运用、需求理解、边界与合规。 - **证据与边界**：相较原始语料 RAG，依据充分性与准确性提高 11.1 分，边界与合规性提高 9.0 分。 - **专业任务覆盖**：金融财务、基层治理、工程、安全、医疗与调解等领域。评测包含 **20 个从业者组、177 道题、531 个回答**，采用内部 LLM 评分，按从业者等权汇总。结果对应报告中的受控评测样本及整体经验配置。来源：[报告第 8–9 节与表 7](https://tongjiai4e.github.io/KUPAS-MASTER-Report/assets/reports/KUPAS-MASTER-Technical-Report-ZH.pdf#page=20)。 [七维均分图](website/dist/assets/results/dimensions-zh.svg) · [20 组得分增量图](website/dist/assets/results/practitioners-zh.svg) · [图表汇总数据 JSON](website/dist/assets/results/results-data.json) · [来源与统计口径](website/SOURCES.md) ## 运行案例：工伤纠纷调解报告记录了一个“下班途中绕路接孩子发生交通事故”的调解任务，以 **2 份访谈语料、167 条经验资产**支撑三种配置的对比。 | 配置 | 报告记录的任务表现 | | --- | --- | | 基础模型 | 给出一般性分析框架与证据清单 | | 原始语料 RAG | 引用相关法规条款，提出调解步骤及部分程序与风险提示 | | 老师傅智能体 | 调用“调解请求判断与聚焦技能”，结合规则库与非常规情形库，区分权限边界，生成结构化结果文件 | 这个案例展示了经验资产如何进入证据核实、争议聚焦与处理流程。详见[报告第 7.1 节](https://tongjiai4e.github.io/KUPAS-MASTER-Report/assets/reports/KUPAS-MASTER-Technical-Report-ZH.pdf#page=18)。 ## 技术报告 | 语言 | 报告 | 篇幅 | | --- | --- | --- | | 中文 | [老师傅：将资深从业者的隐性经验蒸馏为面向智能体的经验语料](https://tongjiai4e.github.io/KUPAS-MASTER-Report/assets/reports/KUPAS-MASTER-Technical-Report-ZH.pdf) | 38 页 | | English | [KUPAS MASTER: Distilling the Tacit Expertise of Master Practitioners into Agent-Ready Experience Corpora](https://tongjiai4e.github.io/KUPAS-MASTER-Report/assets/reports/KUPAS-MASTER-Technical-Report-EN.pdf) | 38 pages | 报告涵盖结构化表示、认知抽取管线、组织融合、技能构建、任务评测及部署方案。报告版本：2026 年 9 月；团队：**KUPAS MASTER Team**；机构：**上海库帕思科技有限公司与同济大学**。 ## 产品与部署老师傅平台支持云端使用与定制化本地部署。对于敏感业务场景，可结合本地模型和内网工具，将数据处理限定在客户环境内，并配置身份认证、分级授权和操作审计。 - **使用老师傅平台**：[lsf.kupasai.com](https://lsf.kupasai.com/)。 - **阅读双语项目主页**：[GitHub Pages](https://tongjiai4e.github.io/KUPAS-MASTER-Report/)。 - **部署本仓库的报告网站**：静态 HTML、CSS 与 JavaScript，无后端、CDN 或外部字体依赖；由 [GitHub Actions](.github/workflows/pages.yml) 发布 `website/dist/`。 ## 常见问题 **老师傅与原始语料 RAG 的区别是什么？** RAG 基线检索原始资料；老师傅先把同源资料转化为经审核的结构化经验资产，再让智能体检索经验、调用技能，并保留判断依据和行动边界。 **“经验蒸馏”是否指模型参数蒸馏？** 这里指将从业者经验整理成经验语料、规则和技能的过程。本仓库发布的是技术报告与展示材料，不提供可下载模型权重。 **能否从本仓库直接运行完整老师傅平台？** 本仓库可以直接运行报告网站。完整产品的访问与本地部署需求请通过[平台官网](https://lsf.kupasai.com/)了解。 ## 本地预览与维护 ```bash git clone https://github.com/TongjiAI4E/KUPAS-MASTER-Report.git cd KUPAS-MASTER-Report python -m http.server 4173 --bind 127.0.0.1 --directory website/dist ``` 打开 [http://127.0.0.1:4173/](http://127.0.0.1:4173/)，使用 `?lang=zh` 或 `?lang=en` 选择语言。也可直接打开 `website/dist/index.html`。 | 路径 | 内容 | | --- | --- | | [`website/dist/`](website/dist/) | 可直接部署的双语静态主页 | | [`website/dist/assets/reports/`](website/dist/assets/reports/) | 两份完整技术报告 PDF | | [`website/dist/assets/results/`](website/dist/assets/results/) | 双语图表、报告原图及汇总数值 | | [`website/scripts/build-results.cjs`](website/scripts/build-results.cjs) | 从汇总数据重建双语 SVG 图表 | | [`website/scripts/verify.cjs`](website/scripts/verify.cjs) | 浏览器交互、响应式布局与 PDF 下载验证 | | [`website/SOURCES.md`](website/SOURCES.md) | 内容来源和统计口径 | | [`website/MAINTENANCE.md`](website/MAINTENANCE.md) | 网站维护、验证与部署说明 | 报告勘误、翻译和网页问题可提交 [Issue](https://github.com/TongjiAI4E/KUPAS-MASTER-Report/issues) 或 Pull Request；涉及实验数字时，请注明报告页码、表格或图号。 ## 引用 ```bibtex @misc{wang2026kupasmasterdistillingtacit, title={KUPAS MASTER: Distilling the Tacit Expertise of Master Practitioners into Agent-Ready Experience Corpora}, author={Changmian Wang and Yuchao Ma and Xuchao Lu and Chen Zhang and Ping Sun and Jiazheng Wang and Shan Wang and Xuanwen Chen and Yihe Sun and Ziyu Lu and Jianqiang Huang and Hongzhi Li and Ziqing Xia and Kaihua Tang and Xian-Sheng Hua and Qinghua Zheng}, year={2026}, eprint={2609.37673}, archivePrefix={arXiv}, primaryClass={cs.AI}, url={https://arxiv.org/abs/2609.37673}, } ``` 机器可读引用信息见 [`CITATION.cff`](CITATION.cff)。 **相关研究主题 / Research topics**：经验工程（experience engineering）、隐性知识（tacit knowledge）、专家经验（expert expertise）、知识获取（knowledge acquisition）、经验语料（experience corpora）、组织知识（organizational knowledge）、大语言模型智能体（LLM agents）、智能体技能（agent skills）、检索增强生成（retrieval-augmented generation）、工程智能（AI for engineering）。