作物病害诊断与用药合规 Agent
「高风险场景下 LLM 系统怎么做到可证明安全」的落地实例——可判定的结论交给确定性规则，模型无权放行。
这是方法演示，不是农事工具。 合规判定跑的是仓库内 data/ 的公开查询小快照
（中国农药信息网，2026-10-10 拉取），可能过期或不全，覆盖范围也有限。
真实用药请以手中产品标签与当地植保站指导为准。本页面不构成农药使用建议。
输入一条描述
也可以直接点下面任意一条，它会自动填入并运行。
正在加载 Python 运行时…
这个页面在跑真代码
页面通过 Pyodide 在浏览器里加载并运行本仓库的 src/cropguard/，
数据读自 data/。不是截图、不是预设结果——你输入什么，规则就跑什么。
跑的是哪一个实现：确定性规则实现（rule_based）。
依赖模型的那条路径（llm_assisted）需要 API key，无法在浏览器里跑。
这个选择本身就是示例的一部分——能持续测试的那个，才是守住安全边界的那个。
📐 这套做法怎么搬到信贷、医疗、保险等其它高风险场景： docs/method.md
因此你可能撞到两次已知的天花板。点「番茄价格今年走势怎么样」会看到它追问而不是拒答——
规则实现的域外判定只看词汇，看到「番茄」就判成域内，但它问的是价格。
点「柑橘黄龙病」那条，说明里会带一句名录条目尚未核对公告文号的提醒——
那是真实的数据缺口，不藏着。
这两件事在 llm_assisted 路径上的表现见仓库 README 的三数据集矩阵。