BunkerGuard AI：新加坡船用燃油欺诈智能检测平台

BunkerGuard AI是专为新加坡船用燃油（bunkering）行业设计的欺诈智能检测平台，采用四代理LLM工作流架构，结合文档OCR、风险评分和证据报告生成，为海事欺诈检测提供完整技术解决方案。项目旨在解决传统人工审核效率低、一致性差、难以规模化的问题，通过现代AI技术实现自动化欺诈检测与证据生成。

船用燃油交付是海运业核心环节，也是欺诈高发领域。新加坡作为全球最大船用燃油加注港，每年处理大量燃油交付单（BDN），人工审核难以有效识别潜在风险。常见欺诈手段包括数量短少、质量掺假、文件伪造、重复索赔等。传统检测依赖人工经验，存在效率低、一致性差、难以规模化等问题，BunkerGuard AI正是针对这些痛点构建的自动化系统。

BunkerGuard AI采用四代理LLM工作流架构，结合云原生技术栈实现全流程自动化。核心设计原则：LLM负责解释和组织证据，欺诈评分、碳值计算和签核规则保持确定性。

技术栈组成：

• 前端：React18+TypeScript+Vite6，集成Vercel AI SDK、Three.js等；
• 后端：Python3.12+Pydantic2，AWS Lambda无服务器运行时，Amazon Bedrock提供Claude模型；
• 数据与基础设施：Supabase Postgres存储运营数据，Amazon S3存储文件，AWS CloudFormation管理基础设施。

真实BDN文档摄取

支持PDF、JPEG等多种格式文档上传，流程包括验证、安全存储、OCR提取、结构化解析，提取船名、IMO号等关键字段并计算置信度。

四代理LLM工作流

• Surveyor Agent：规范化BDN为系统可处理格式；
• Investigator Agent：生成风险和异常包；
• Compliance Agent：识别缺失许可证、签名等合规问题；
• Decision Agent：输出SIGN/REVIEW/REFUSE建议。

异常检测引擎

检测数量不匹配、密度异常、硫含量违规等多种异常类型，每个异常含稳定ID、严重度等信息。

风险评分引擎

综合异常严重度、供应商历史等因素计算风险分数，输出分数、类别、裁决及审计追踪。

此外还有Exa智能丰富（外部上下文查询）、碳排放计算（基于燃油量和排放因子）等能力。

S3存储前缀

• uploaded-bdn/：原始BDN文件；
• ingestion-evidence/：代理包；
• evidence-packages/：Stage2和3 API输出；
• generated-reports/：证据报告。 存储桶采用AES-256加密、版本控制等安全措施。

证据报告内容

包含会话标识、BDN对比、异常发现、风险评估、财务敞口、环境影响、建议行动等，附SHA-256哈希和持久化元数据。

1. 用户上传BDN→验证、哈希、存储；
2. Lambda启动异步工作流→UI获作业ID；
3. OCR提取字段→持久化；
4. Surveyor Agent规范化→创建加油会话；
5. Exa丰富→存储外部上下文；
6. Investigator Agent调用Stage2/3→生成异常、风险；
7. Compliance Agent评估→列出合规问题；
8. 证据包写入S3→审计包；
9. Decision Agent输出建议；
10. 前端轮询→用户查看结果。

BunkerGuard AI展示了LLM与确定性系统结合构建智能可靠垂直应用的方式，核心启示：

1. 明确人机协作边界：LLM负责解释，确定性系统负责决策；
2. 证据驱动设计：结论有可追溯证据链；
3. 可审计架构：日志、哈希、版本控制确保合规；
4. 领域知识编码：专家经验转化为规则引擎；
5. 云原生实践：Serverless实现弹性伸缩。 该项目为金融风控、合规审查等领域提供参考价值。