这是为 GitHub 收尾马拉松挑战赛 提交的作品
我构建了什么
SecureShield 是一款专为印度患者打造的、由生成式人工智能驱动的健康保险理赔资格判定引擎。你只需上传保单 PDF 文件并输入案件详情，一个由五个智能体组成的人工智能流水线就会明确告知你的理赔是否符合资格，并引用每一项决策背后具体的印度保险监管与发展局 2024 年法规依据。没有猜测。没有幻觉。不会因为无知而导致理赔被拒。
🔗 GitHub
技术栈：
前端 → Next.js 16 (React 19, Turbopack) 后端 → FastAPI + LangGraph 数据库 → Supabase (PostgreSQL + pgvector) 身份验证 → Supabase JWT 人工智能网关 → Cloudflare 人工智能网关 大语言模型链 → Cerebras, Groq, Gemini, xAI, OpenRouter 合规性 → 印度保险监管与发展局 2024 年健康保险法规
演示
回归故事
2024 年，我目睹一位朋友的父亲价值 20 万卢比的手术理赔申请被拒绝——原因是一个埋藏在 47 页保单第 34 页的条款，而没有人读过它。那次经历种下了种子。
2025 年初 - ET 生成式人工智能黑客松： 我提出了 SecureShield 的构想。评委们认可了这个想法。我深受鼓舞。随后迎来了大学考试。我不得不做出选择——是提交一个半成品的原型，还是保护我的成绩。我选择了成绩。SecureShield 被搁置一旁：只有两个粗糙的 Python 脚本、本地 SQLite 数据库、没有用户界面、没有流水线。
2026 年 6 月 - GitHub 收尾马拉松： 这个挑战赛仿佛为我量身定做。“终于完成你开始的事情。” 于是，我做到了。
之前 → 之后
| 之前（ET 生成式人工智能黑客松） | 之后（收尾马拉松） | |
|---|---|---|
| 智能体 | 两个粗糙的 Python 脚本 | 五智能体 LangGraph 流水线，18 个工具 |
| 数据库 | 本地 SQLite | Supabase PostgreSQL + pgvector |
| 用户界面 | 无（仅终端） | 高级 Next.js 16 前端 |
| 人工智能 | 单一提供商 | 多提供商：Cerebras → Groq → Gemini → xAI |
| 部署 | 仅在我的机器上运行 | 容器化，GitHub Actions 持续集成/持续部署 |
| 安全性 | 无 | JWT，速率限制，HMAC-SHA256 |
| 合规性 | 硬编码规则 | 对 49 个印度保险监管与发展局 2024 年法规片段进行语义搜索 |
关键设计选择： 决策引擎使用零个大语言模型——所有资格判定结果都是确定性的且可审计的。大语言模型仅生成通俗易懂的解释。决策中绝不会出现幻觉。永远不会。
Copilot 在三个方面为我提供了实质性帮助：
- Docker 容器化 - 我此前从未将项目容器化。Copilot 引导我完成了多阶段构建和密钥管理。那次对话改变了我对可移植性的思考方式。
- 技术栈决策 - Copilot 帮助我选择在 Supabase 中使用 pgvector，而不是使用单独的向量数据库：服务更少，身份验证更紧密，且使用我已经熟悉的相同 SQL 接口。
- 持续集成/持续部署设计 - 随着项目规模扩大（后端 + 前端 + 4 个人工智能提供商），Copilot 生成了真正匹配我技术栈的 GitHub Actions 流水线，而非通用的样板代码。
我的个人备注
我是一名工程师
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
