🛡️ Risk-MAS

基于多智能体系统的 ETF 投资组合风控框架

基于 LangChain、LangGraph 构建的 ETF 风控多智能体系统（MAS），覆盖输入规范化、指标快照、编排调度与结论输出，支持接入宏观时序与政策、合规文本数据，产出可审计的风险结论与调仓建议。

📑 目录索引

📖 项目简介
- 设计理念
🎓 学习路径
✨ 核心特性
🏗️ 系统架构
🚀 快速开始
📘 使用指南
⚙️ 配置详解
📁 项目结构
🔄 迁移指南
❓ 常见问题
🔧 故障排查

📖 项目简介

Risk-MAS 是一个专为 ETF 投资组合设计的智能风控系统，采用多智能体架构（Multi-Agent System），将复杂的风控任务分解为多个专业化的分析模块，通过 LangGraph 实现高效的并行执行与智能调度。

设计理念

理念	说明
确定性优先	硬规则检查优先于 LLM 判断，确保关键风控逻辑的可靠性
并行高效	6 个分析节点真正并行执行，大幅提升处理效率
可审计追溯	完整的审计日志，所有决策都有据可查
灵活可配	Skills 体系支持提示词、输出结构的热配置

🎓 学习路径

本项目定位为 MAS 教学项目，提供完整的学习资源：

资源	说明	适合人群
📖 README.md	快速入门和使用指南	用户：快速上手使用系统
📐 框架图说明_v2.md	详细的架构文档，包含数据流图和模块交互说明	开发者：深入理解系统设计
📘 PRACTICE.md	10个模块的实战练习，包含代码模板和测试检查	学习者：通过实践掌握 MAS 架构

💡 推荐学习路径：先阅读 README 了解系统 → 查看框架图说明理解架构 → 使用 PRACTICE.md 动手实践

✨ 核心特性

特性	说明
🔄 并行执行	基于 LangGraph Send API 实现 6 节点真正并行
📊 显式状态	TypedDict 定义的 RiskState，类型安全可追溯
🔗 混合架构	4 条确定性链 + 2 个 LLM Agent
🛠️ 工具白名单	严格控制 LLM 可调用的工具范围，线程安全
⚖️ 智能决策	硬规则优先 + 风险报告兜底，输出调仓建议
📝 Skills 体系	提示词、输出结构、证据规则可配置化
🔍 审计追溯	完整记录决策过程，支持复现与对账
🧮 约束求解	CVXPY 生成满足约束的最优调仓方案

🏗️ 系统架构

架构概览

工作流程

系统采用 DAG（有向无环图）编排，工作流程如下：

+--------------------------------------------------------------------------+
|                              INPUT LAYER                                 |
|                       Intent + Context (Portfolio)                       |
+------------------------------------+-------------------------------------+
                                     |
                                     v
+--------------------------------------------------------------------------+
|                           PRE-PROCESS PIPELINE                           |
|  +----------+   +--------------+   +----------+   +----------------+     |
|  | Validate | > | Data Quality | > | Snapshot | > |   Gatekeeper   |     |
|  +----------+   +--------------+   +----------+   +----------------+     |
+------------------------------------+-------------------------------------+
                                     |
                                     v
+--------------------------------------------------------------------------+
|                        SUPERVISOR (LLM Router)                           |
|         Selects nodes to run from candidates based on business logic     |
+------------------------------------+-------------------------------------+
                                     |
                                     v
+--------------------------------------------------------------------------+
|                    PARALLEL ANALYSIS (6 Nodes Concurrent)                |
|  +--------+ +---------------+ +---------------+ +-----------+            |
|  | Market | | Concentration | |Diversification| | Liquidity |            |
|  +--------+ +---------------+ +---------------+ +-----------+            |
|  +------------------------+ +--------------------------------+           |
|  |     Macro (Agent)      | |       Compliance(Agent)        |           |
|  +------------------------+ +--------------------------------+           |
+------------------------------------+-------------------------------------+
                                     |
                                     v
+--------------------------------------------------------------------------+
|                          POST-PROCESS PIPELINE                           |
|  +---------+   +-------------+   +----------+   +--------+   +-------+   |
|  | Reducer | > | Constraints | > | Decision | > | Solver | > | Audit |   |
|  +---------+   +-------------+   +----------+   +--------+   +-------+   |
+------------------------------------+-------------------------------------+
                                     |
                                     v
+--------------------------------------------------------------------------+
|                             OUTPUT LAYER                                 |
|                Decision + Recommendations + Audit Trail                  |
+--------------------------------------------------------------------------+

📋 工作流程中文说明

阶段	英文名称	中文说明	关键节点
1️⃣	INPUT LAYER	输入层	交易意图（Intent）+ 组合上下文（Context）
2️⃣	PRE-PROCESS PIPELINE	预处理管道	验证 → 数据质量检查 → 指标快照 → 门控筛选
3️⃣	SUPERVISOR	智能调度器	基于业务逻辑从候选节点中选择需要运行的节点
4️⃣	PARALLEL ANALYSIS	并行分析层	6个风险分析节点并发执行（市场/集中度/分散度/流动性/宏观/合规）
5️⃣	POST-PROCESS PIPELINE	后处理管道	汇总 → 约束评估 → 决策引擎 → 约束求解 → 审计日志
6️⃣	OUTPUT LAYER	输出层	决策结果 + 调仓建议 + 审计追踪

关键特性：

✅ 门控（Gatekeeper）：基于数据可用性筛选候选节点
✅ 调度器（Supervisor）：基于业务逻辑智能选择节点
✅ 并行执行：使用 LangGraph Send API 实现真正的并行
✅ 约束求解：restrict 决策时自动生成满足约束的调仓方案

核心组件

分析节点说明

节点	类型	功能	关键指标
Market	确定性链	市场风险评估	组合波动率
Concentration	确定性链	集中度风险评估	HHI 指数、最大权重
Diversification	确定性链	分散度风险评估	有效持仓数（1/HHI）
Liquidity	确定性链	流动性风险评估	买卖价差、成交量
Macro	LLM Agent	宏观经济分析	利率、汇率、政策情绪
Compliance	LLM Agent	合规风险分析	禁投清单、政策合规

⚠️ Compliance 节点约束：要求先调用检索工具并在输出 evidence 中引用 rag:doc[i]（硬约束）。

决策等级

等级	Severity	说明
Pass	0	放行，无风险
Warn	1	预警，建议关注
Restrict	2	限制，需调整
Block	3	阻断，禁止执行

📐 深入阅读：查看框架图说明_v2.md 了解详细的架构设计、数据流图和模块间交互说明。

🚀 快速开始

30 秒快速体验

# 克隆并安装
git clone http://10.13.66.5:20091/Cufel-Practice/9-risk-mas.git && cd 9-risk-mas
uv sync

# 配置环境变量
touch .env
# 编辑 .env 填入 LLM API Key 等配置

# 运行
uv run --env-file .env -- python -u test.py

环境要求

Python 3.12+
uv（推荐）或 pip
关键依赖：LangGraph >= 1.0、LangChain >= 1.2、CVXPY >= 1.7

安装步骤

# 使用 uv 安装依赖（推荐）
uv sync

# 或使用 pip
pip install -e .

配置说明

配置统一由 src/config.py 读取环境变量；大部分配置有默认值，可按需覆盖，按需在项目根目录创建 .env：

变量名	变量说明	示例
`OPENAI_BASE_URL`	LLM 兼容接口地址	`https://dashscope.aliyuncs.com/compatible-mode/v1`
`LLM_MODEL`	模型名称（不填则不启用 LLM）	`qwen3-max`
`OPENAI_API_KEY`	LLM API Key	`sk-*****`
`ENABLE_SUPERVISOR`	是否启用 LLM 调度	`1`
`TUSHARE_TOKEN`	Tushare Token（不填则宏观节点不进入候选）	`your_token`
`CSV_DATA_DIR`	CSV 数据目录	`cufel_practice_data`
`COMPLIANCE_RAG_SOURCE`	合规文本库（文件名或路径）	`csrc_2025.csv`
`RAG_ENGINE`	检索模式	`vector`

完整配置项见配置详解章节。

运行方式

默认输出表格（推荐）：

uv run --env-file .env -- python -u -m src.app

输出 JSON：

uv run --env-file .env -- python -u -m src.app -JSON --pretty

关闭 LLM 调度器：

ENABLE_SUPERVISOR=0 uv run --env-file .env -- python -u -m src.app

运行测试：

uv run --env-file .env -- python -u test.py

💡 test.py 会根据交易目标 ETF 的数量自动校准 rules.yaml

📘 使用指南

API 调用

from risk_mas import RiskMAS

# 初始化
mas = RiskMAS(output="table")

# 定义交易意图
intent = {
    "date": "2025-11-15",
    "mode": "target",
    "targets": {
        "159213": 0.25,
        "159959": 0.25,
        "511960": 0.20,
        "516310": 0.20,
        "561180": 0.10
    }
}

# 定义上下文
context = {
    "current_positions": {
        "159213": 0.20,
        "159959": 0.20,
        "511960": 0.20,
        "516310": 0.20,
        "561180": 0.20
    },
    "policy_profile": "default",
    "aum": 1000000.0
}

# 执行风控分析
result = mas.run(intent=intent, context=context)
print(result)

输入参数

Intent（交易意图）

字段	必填	类型	说明
`date`	✅	string	交易意图日期，格式 `YYYY-MM-DD`
`mode`	✅	string	`target`（目标权重）或 `delta`（增量调仓）
`targets`	✅	dict	目标/增量权重，`{code: weight}`

Context（组合上下文）

字段	必填	类型	说明
`current_positions`	❌	dict	当前持仓 `{code: weight}`
`current_positions_date`	❌	string	当前持仓日期
`universe`	❌	list	候选 ETF 池
`policy_profile`	❌	string	风险偏好：`default` / `conservative`
`aum`	❌	float	组合 AUM
`account_type` / `jurisdiction`	❌	string	预留字段（用于将来分账户/分辖区规则）

RiskMAS 构造参数

参数	默认值	说明
`llm`	`None`	可直接传入 LLM 实例（不传则按环境变量加载）
`output`	`table`	`table` 或 `json`，决定返回表格还是 JSON 字符串
`pretty`	`False`	JSON 是否美化（带缩进/换行）
`use_env_llm`	`True`	是否从环境变量读取 LLM 配置

📋 点击展开数据质量口径

口径	字段	说明
market	`missing_etf_master` / `missing_market`	ETF 主表缺失、行情缺失
macro	`timeseries_available`	是否具备宏观时序来源（`TUSHARE_TOKEN`）
macro	`text_available`	是否具备宏观文本来源（CSV）
macro	`latest_date` / `freshness_days` / `freshness_status`	新鲜度口径
compliance	`text_available`	合规文本是否可用
positions	`freshness_days`	当前持仓日期新鲜度

若宏观文本日期晚于 asof_date，会写入 data_gaps 为 block（防止未来信息泄露）

输出示例

📊 点击展开完整输出示例

----------------+---------------------------------------------------------------------------------------
 KEY            | VALUE                                                                        
----------------+---------------------------------------------------------------------------------------
 decision       | restrict                                                                     
 recommendation | rebalance: 使用线性规划在约束下优化目标权重 | 159213=0.15906, 159959=0.42083, 511960=0.42011 
 llm_used       | True                                                                         
 llm_model      | qwen3-max                                                                    
 trace_id       | eadf0c3f8f9353c5                                                             
----------------+---------------------------------------------------------------------------------------

-----------------+----------+-------------------
 RISK            | SEVERITY | SUMMARY     
-----------------+----------+-------------------
 market          | 0        | 组合波动率处于目标范围 
 concentration   | 0        | 组合集中度在合理范围内 
 diversification | 0        | 分散度较好       
 liquidity       | 2        | 流动性较弱       
 compliance      | 0        | 未发现合规问题     
-----------------+----------+-------------------

---------------------------+----------------------------------------------------------------------------
 AUDIT                     | VALUE
---------------------------+----------------------------------------------------------------------------
 policy_profile            | default
 supervisor_result         | market,concentration,diversification,liquidity,compliance
 supervisor_rationale      | 组合集中度指标显示HHI上升、有效持仓数下降，且最大个股权重较高，需运行concentration和diversification节点深入分析；weighted_adv和max_adv_ratio提示流动性风险，需运行liquidity节点；market节点用于提供基础市场上下文；macro节点因宏观风险severity为0且无异常信号可跳过；compliance为合规必需节点，应保留。
 skills_used               | 3
 node_outputs              | 35
 tool_calls                | 3
 tool_errors               | 0
 compliance_blocklist_soft | none
 compliance_industry_hits  | none
---------------------------+----------------------------------------------------------------------------

--------------------------+-------------+------------+--------
 RULE_KEY                 | VALUE       | CURRENT    | STATUS 
--------------------------+-------------+------------+--------
 adv_restrict             | 7623.25713  | 5285.94543 | ⚠️     
 adv_warn                 | 13023.33612 | 5285.94543 | ⚠️     
 min_weighted_adv         | 7623.25713  | 5285.94543 | ⚠️     
 blocklist                | CCC         | none       | ✅      
 effective_n_restrict     | 1.44431     | 2.63929    | ✅      
 effective_n_warn         | 1.66426     | 2.63929    | ✅      
 hhi_restrict             | 0.69237     | 0.37889    | ✅      
 hhi_warn                 | 0.60087     | 0.37889    | ✅      
 max_hhi                  | 0.69237     | 0.37889    | ✅      
 max_portfolio_volatility | 0.01936     | 0.00681    | ✅      
 max_single_weight        | 0.81958     | 0.42083    | ✅      
 max_weighted_spread_bps  | 244.75162   | 91.02152   | ✅      
 spread_restrict          | 244.75162   | 91.02152   | ✅      
 spread_warn              | 225.26680   | 91.02152   | ✅      
 top_weight_restrict      | 0.81958     | 0.42083    | ✅      
 top_weight_warn          | 0.74373     | 0.42083    | ✅      
 volatility_restrict      | 0.01936     | 0.00681    | ✅      
 volatility_warn          | 0.01764     | 0.00681    | ✅      
--------------------------+-------------+------------+--------

------------+--------------+----------------------------------------+-----------------
 AGENT      | SUMMARY      | EVIDENCE                               | RECOMMENDATIONS 
------------+--------------+----------------------------------------+-----------------
 compliance | 未发现合规问题 | tool:compliance_blocklist              | 请复核合规规则         
 macro      | 未运行        | 原因来自 supervisor_rationale           | none            
------------+--------------+----------------------------------------+-----------------

合规节点（JSON 片段示例，含 rag:doc[i] 引用）：

{
  "finding_compliance": {
    "severity": 1,
    "summary": "命中文本提示的行业限制，建议复核相关ETF。",
    "evidence": [
      {"ref": "rag:doc[1]", "quote": "…涉及行业限制的条款…"},
      {"ref": "tool:policy_search", "hits": 3}
    ],
    "recommendations": ["请核对禁投/限制清单并调整目标权重"]
  }
}

⚙️ 配置详解

asof_date 取值规则

asof_date 会根据 intent.date 自动映射为"上一个交易日"（基于 CSV 数据中的交易日序列）
该日期用于截断行情/宏观/合规数据，避免使用未来数据
若找不到更早交易日，则回退到 intent.date

环境变量

环境变量由 RuntimeConfig 类统一读取并注入到关键模块。

数据与采样

变量	默认值	说明
`CSV_DATA_DIR`	`cufel_practice_data`	CSV 数据目录
`SAMPLE_UNIVERSE_SIZE`	`5`	随机样本 ETF 数
`RANDOM_SEED`	-	随机种子
`MARKET_LOOKBACK_DAYS`	`60`	行情回溯天数

宏观时序

变量	默认值	说明
`TUSHARE_TOKEN`	-	Tushare Token（缺失则宏观节点不进入候选）
`MACRO_SERIES_CONFIG`	`cufel_practice_data/macro_series.yaml`	宏观指标配置路径
`MACRO_STALE_DAYS`	`30`	宏观文本数据陈旧阈值

合规文本 / RAG

变量	默认值	说明
`COMPLIANCE_RAG_SOURCE`	-	合规文本库（文件名或完整路径）
`RAG_ENGINE`	`vector`	检索模式：`vector` / `keyword`

💡 vector 模式需要 OPENAI_API_KEY；若未配置 embedding，可设置 RAG_ENGINE=keyword

组合执行与 LP

变量	默认值	说明
`AUM` / `PORTFOLIO_AUM`	-	组合 AUM
`TARGET_HOLDINGS`	-	调仓建议目标持仓数量
`LP_TURNOVER_WEIGHT`	`0.1`	LP 中换手惩罚权重
`LP_SOLVER`	-	LP 求解器名称（如 `ECOS` / `OSQP`）

规则阈值

rules.yaml（组合规则阈值）

原理：

在历史窗口内随机抽样组合：从 ETF 池随机抽取 n 只，使用 Dirichlet(1,...,1) 生成权重
计算组合指标并形成经验分布（波动率、HHI、ADV、spread 等）
波动率口径：优先使用复权价计算收益率与波动率
对指标分布取分位数生成 warn/restrict 阈值

macro_series.yaml（宏观阈值配置）

原理：

拉取宏观时序数据，并按 asof_date 截断
计算相邻两期的变化幅度
对变化幅度分布取分位数生成阈值

⚠️ 每次运行 test.py，阈值配置会根据用户输入（目标持仓的种类数、交易时间等）自动更新，会覆盖手动修改的值。

Skills 体系

Skills 体系将提示词、输出结构、工具权限、证据规则做成可配置的技能包：

技能	说明	工具
`macro-tool-calling`	宏观工具调用代理	`macro_timeseries`, `macro_search`
`compliance-evidence`	合规证据代理	`policy_search`, `allowlist_check`
`risk-market-assessor`	市场风险评估	无（确定性）
`liquidity-execution-assessor`	流动性评估	无（确定性）
`supervisor-router`	监督路由	无

📁 项目结构

📂 点击展开精简结构

risk-mas/
├── src/                          # 主源代码目录
│   ├── app.py                    # CLI 入口
│   ├── graph.py                  # LangGraph 编排
│   ├── state.py                  # 显式 State 定义
│   ├── config.py                 # 集中化配置管理
│   ├── skills_runtime.py         # Skills 运行时
│   ├── chains/                   # 分析链路
│   ├── agents/                   # LLM Agent
│   └── tools/                    # 确定性工具
│
├── cufel_practice_data/          # CSV 数据源
│   ├── rules.yaml                # 规则阈值
│   └── *.csv                     # 数据文件
│
└── skills/                       # Skills 配置
    ├── */SKILL.md                # 技能定义
    ├── */output.schema.json      # 输出 Schema
    └── snippets/                 # 可复用片段

📂 点击展开详细结构

risk-mas/
├── README.md                     # 项目说明
├── pyproject.toml                # Python 依赖配置
├── uv.lock                       # 依赖锁定文件
│
├── src/                          # 主源代码目录
│   ├── app.py                    # CLI 入口
│   ├── mas.py                    # RiskMAS 门面类
│   ├── graph.py                  # LangGraph 编排
│   ├── state.py                  # State 定义
│   ├── config.py                 # 配置管理
│   ├── skills_runtime.py         # Skills 运行时
│   │
│   ├── chains/                   # 分析链路
│   │   ├── common.py             # 通用工具函数
│   │   ├── gatekeeper.py         # 数据可用性检查与候选节点筛选
│   │   ├── supervisor.py         # 业务逻辑节点选择
│   │   ├── market.py             # 市场风险
│   │   ├── concentration.py      # 集中度风险
│   │   ├── diversification.py    # 分散度风险
│   │   ├── liquidity.py          # 流动性风险
│   │   └── reducer.py            # 结果聚合
│   │
│   ├── agents/                   # LLM Agent
│   │   ├── agent_utils.py        # 工具函数
│   │   ├── macro_agent.py        # 宏观分析
│   │   └── compliance_agent.py   # 合规分析
│   │
│   └── tools/                    # 确定性工具
│       ├── utils.py              # 共享工具函数
│       ├── validate.py           # 输入验证
│       ├── data_quality.py       # 数据质量
│       ├── snapshot.py           # 指标快照
│       ├── constraints.py        # 约束评估
│       ├── decision.py           # 决策引擎
│       ├── solver.py             # 约束求解
│       ├── audit.py              # 审计日志
│       ├── rules.py              # 规则加载
│       ├── csv_data.py           # CSV 处理
│       ├── calibrate_rules.py    # 规则校准
│       └── calibrate_macro_series.py  # 宏观校准
│
├── cufel_practice_data/          # 数据源目录
│   ├── rules.yaml                # 规则阈值配置
│   ├── macro_series.yaml         # 宏观序列配置
│   ├── etf_2025_data.csv         # ETF 行情数据
│   ├── sampled_etf_basic.csv     # ETF 基础信息
│   ├── csrc_2025.csv             # 合规文本库
│   ├── govcn_2025.csv            # 宏观文本库
│   └── govcn_2025_results.json   # 宏观情绪结果
│
└── skills/                       # Skills 配置体系
    ├── macro-tool-calling/       # 宏观工具调用
    ├── compliance-evidence/      # 合规证据
    ├── risk-market-assessor/     # 市场风险评估
    ├── liquidity-execution-assessor/  # 流动性评估
    ├── supervisor-router/        # 监督路由
    ├── snippets/                 # 可复用片段
    ├── schemas/                  # 通用 Schema
    └── tools/                    # 工具接口定义

🔄 迁移指南

适配新数据源或资产类型时，按以下步骤操作：

1. 数据源与字段对齐

按字段口径准备 CSV 文件
若字段不一致，修改 src/tools/csv_data.py 的解析逻辑

2. 阈值与校准

组合阈值：cufel_practice_data/rules.yaml
宏观阈值：cufel_practice_data/macro_series.yaml

3. Skills 与工具权限

调整 skills/*/SKILL.md 的 allowlist/snippets/schema
确保 skills/tools/tool_interfaces.yaml 与实际工具一致

4. 审计与输出

保持 audit 结构一致，便于对账与复现

❓ 常见问题

Q: 如何关闭 LLM 功能？

不设置 LLM_MODEL 环境变量，或设置 ENABLE_SUPERVISOR=0。

Q: 宏观分析节点不运行？

检查是否设置了 TUSHARE_TOKEN。缺失时宏观节点不进入候选。

Q: 合规检索失败？

检查 COMPLIANCE_RAG_SOURCE 是否正确指向合规文本库
若 embedding 服务不可用，设置 RAG_ENGINE=keyword

Q: 如何自定义风险阈值？

注意：每次运行 test.py 会自动更新阈值配置，覆盖手动修改的值。

如需手动校准阈值（不运行 test.py 的情况下）：

# 校准组合规则阈值
uv run --env-file .env -- python -u -m src.tools.calibrate_rules \
    --asof-date <ASOF_DATE> --n <ETF数量>

# 校准宏观时序阈值
uv run --env-file .env -- python -u -m src.tools.calibrate_macro_series \
    --asof-date <ASOF_DATE>

其中 <ASOF_DATE> 填交易意图日期的前一个交易日，<ETF数量> 填交易意图的 ETF 数量。

🔧 故障排查

问题	可能原因	解决方案
`ModuleNotFoundError`	依赖未安装	运行 `uv sync` 或 `pip install -e .`
LLM 调用超时	网络问题或 API 限流	检查 `OPENAI_BASE_URL`，或设置 `ENABLE_SUPERVISOR=0`
数据文件找不到	`CSV_DATA_DIR` 配置错误	确认路径正确，默认为 `cufel_practice_data`
宏观节点被跳过	缺少 `TUSHARE_TOKEN`	配置 Token 或忽略（非必需）
合规检索返回空	RAG 配置问题	检查 `COMPLIANCE_RAG_SOURCE`，尝试 `RAG_ENGINE=keyword`
约束求解失败	约束冲突或数据异常	检查 `rules.yaml` 阈值是否合理

Risk-MAS - 让风控更智能、更可靠

如有问题或建议，欢迎提交 Issue

📑 目录索引​

📖 项目简介​

设计理念​

🎓 学习路径​

✨ 核心特性​

🏗️ 系统架构​

架构概览​

工作流程​

核心组件​

分析节点说明​

决策等级​

🚀 快速开始​

30 秒快速体验​

环境要求​

安装步骤​

配置说明​

运行方式​

📘 使用指南​

API 调用​

输入参数​

Intent（交易意图）​

Context（组合上下文）​

RiskMAS 构造参数​

输出示例​

⚙️ 配置详解​

asof_date 取值规则​

环境变量​

数据与采样​

宏观时序​

合规文本 / RAG​

组合执行与 LP​

规则阈值​

rules.yaml（组合规则阈值）​

macro_series.yaml（宏观阈值配置）​

Skills 体系​

📁 项目结构​

🔄 迁移指南​

1. 数据源与字段对齐​

2. 阈值与校准​

3. Skills 与工具权限​

4. 审计与输出​

❓ 常见问题​

🔧 故障排查​