扫码添加微信
某大型钢铁联合集团 如何在 钢铁冶金/黑色金属冶炼 中协同落地 AI 知识库与智能体
本案例以HiNowly AI知识库为核心底座，通过私有化部署为某大型钢铁联合集团构建炼铁工艺与设备运维知识中枢，统一汇聚工艺规程、操作标准、设备手册、历史检修案例与生产实时数据，并利用智能检索与可信问答提供可溯源、有依据的知识支撑。在此基础上，集团依托HiNowly AI智能体开发平台搭建了高炉炉况诊断智能体、设备故障处置智能体、生产日报智能体等多个运营实体，通过Skill封装专业分析方法，通过工具调用MES、ERP和实时数据库，结合工作流编排实现从异常感知、知识推理、处置建议到自动派单的业务闭环。系统上线后，一线工程师能够快速获得跨系统的综合处置方案，高炉异常预警准确率提升至85%以上，设备故障平均处理时长缩短45%，整体知识管理效能得到根本性改善，同时满足了集团在信创与数据安全方面的合规要求。
项目背景
随着产能升级和多基地协同要求不断提高，该集团认识到钢铁制造中大量隐性知识散落在各个业务环节：高炉操作专家对炉况异常的判断往往需要数十年经验积累，新一代技术人员短期内难以接续；设备故障发生后，维修队伍需要分别在设备点检系统、图纸库、故障案例库和历史检修包中反复查找，耗时且易遗漏；技术标准、工艺变更、安全通报等文件以邮件或共享盘形式流转，口径不一致。集团曾尝试引入通用大模型做问答，但存在知识不准确、无法连接内部数据、数据不出厂要求无法满足等障碍。因此集团于2023年启动“钢铁知识与智能决策中枢”专项建设，期望利用HiNowly的知识库和智能体平台，将知识治理、AI推理与业务系统打通，真正让知识辅助生产操作，让智能体承担重复性信息检索和报告编制工作。
项目总览
项目基于HiNowly构建“知识底座+智能体执行”双层架构。知识底座层负责将炼铁、能动、设备等部门的JPG图纸、PDF规程、Word操作卡、Excel记录表、ERP/MES接口数据、实时数据库测点快照等多元数据源接入HiNowly AI知识库，通过自动解析、文档切分、OCR增强、语义向量化、知识图谱抽取等手段构建钢铁专业主题知识库，形成高炉工艺、烧结工艺、设备检修、备件管理、安全应急等子知识空间。知识治理机制中包含审核发布、版本更新和引用溯源，用户所见的每一条回答均附原文片段和出处文档连接，极大提升知识信任度。智能体执行层依托HiNowly AI智能体开发平台，通过可视化Workflow画布连接多个孤立系统：例如高炉炉况异常监测智能体每5分钟从实时数据库读取炉腹压力、热风温度、料批速度等参数，调用规则引擎设定阈值，触发异常后再借助知识库检索历史炉况案例和操作预案，通过工具调用MES获取当时的原燃料成分，通过工单系统下发操作确认指令，并将处置结果反馈回知识库作为新案例沉淀。平台同时支持定时任务，每天凌晨自动汇总前日产量、电耗、铁水质量、设备停机事件，基于固定模板生成多维度生产日报并推送给各分厂领导。整个系统以本地化方式部署于集团数据中心，采用统一身份认证与细粒度权限隔离，不同分厂只能访问本厂数据和被授权的工艺档案，既满足统一知识共享，也满足内部保密要求。模型层面通过HiNowly的模型网关统一封装，先后接入本地化部署的Qwen-72B以及DeepSeek、ChatGLM等开源大模型，同时保留通过安全专线调用国内主流云端大模型的能力，用于低敏场景的辅助生成。
项目痛点
多基地工艺文件、操作标准、设备手册和事故案例分散存储，格式异构、版本混杂，缺少统一知识编码和治理机制，检索效率低下。
高炉炉况判断与异常处置高度依赖资深炉长经验，关键经验难以显性化和传承，新人培养周期长。
设备故障处置需要跨系统调取点检记录、图纸、备件库存和维修指南，缺乏能一次性整合多源数据的智能助手，平均停机分析时间过长。
已有知识管理平台仅停留在文档归档层面，不能与生产实时数据和业务系统联动，知识无法在异常发生时主动推送到操作岗位。
集团明确规定核心工艺参数、产线配置和事故调查报告不能出企业内部网络，传统公有云AI产品无法满足安全合规要求。
项目诉求
建设集团级私有化AI知识底座，统一接入各基地工艺规程、设备档案、案例库和外部法规，通过治理形成可追溯、可使用的企业知识资产。
建立炼铁工艺与设备运维垂直领域知识体系，支持基于本地知识的高精度可信问答，回答必须提供引用依据，杜绝大模型幻觉。
基于AI智能体开发平台构建针对高炉炉况预警、设备故障诊断、能耗优化、安全规程执行的智能体，覆盖至少5个核心作业场景。
智能体能够与MES、ERP、实时数据库、点巡检系统和工单系统联动，自动完成信息整理、原因分析、处置工单生成与闭环反馈。
实现按部门、岗位、角色和项目维度的数据权限隔离，在保障跨基地共享知识的同时确保数据保密性。
全面适配国产化软硬件环境，支持本地大模型与国内外主流大模型统一接入，满足集团信创评估要求。
HiNowly 解决方案设计
统一接入和治理企业知识，通过可信检索与引用问答为智能体提供知识底座
支持智能体设计、调试、发布与运营，让业务人员快速构建场景化智能体
通过 Skill、工具调用和业务系统连接，让智能体从回答问题升级为执行任务
支持工作流编排、自动化任务与定时任务，串联知识、模型、工具与审批节点
支持本地及私有化部署、主流模型接入、权限隔离，并适配信创与国产化环境
HiNowly AI知识库已接入集团6大类业务系统和逾60万份文档，覆盖工艺规程、设备手册、事故案例、检修记录和制度法规。系统通过光学字符识别、版面分析、自动分段和向量化处理将非结构化数据转化为高质量知识条目，并进行分类打标、去重校验和版本追踪，最终在统一治理框架下形成炼铁工艺知识树与设备故障模式库。平台还定时从实时数据库抓取关键测点数据生成“监测记录”存入知识库，使那些不可文档化的经验知识得以持续积累。
面向一线工程师和操作人员提供基于语义的检索问答界面，所有回复均基于已治理的内部知识，融合混合检索和重排序技术，确保答案与检索片段严格映射。在高炉结瘤处理、风口烧穿应急、风机跳闸处置等场景中，工程师可以快速获得包含操作步骤、危险源提示、案例链接和版本编号的综合答案，知识可信度和可审计性远超通用大模型直接问答。
HiNowly智能体开发平台采用低代码可视化工作台，业务工程师无需编写复杂程序即可搭建对话型、任务型智能体。智能体发布支持无缝嵌入企业门户、移动App和第三方协同工具，运营部门还能通过平台监控智能体调用量、回答满意度和失败转人工率，形成闭环优化机制。集团在两个月内上线了包括“炉况小助手”“设备医生”“安全哨兵”在内的多个智能体并通过企业微信向特定岗位推送。
针对钢铁专业场景，开发人员将高炉热风炉换炉规则、炉温平衡算法、设备劣化评价模型等沉淀为可复用的Skill，智能体按需加载。同时通过标准化API实现工具调用，使智能体能够动态查询MES中的生产实绩、ERP中的备件库存、设备管理系统中的点检历史，甚至向DCS系统发送只读测点调用请求，打破了传统知识问答只能返回静态文本、无法获取实时业务状态的瓶颈。
在“高炉异常诊断与工单生成”工作流中，智能体定时读取炉况参数判断异常后，按编排逻辑依次检索知识库历史案例、调用质量系统查询铁水成分数据、通过工单系统创建处置跟踪任务并通知相关班组。操作人员在移动端确认措施后，结果自动写回知识库并标记为待验证案例，由此形成从识别、决策、行动到再学习的完整工作流闭环。
系统内置任务调度引擎，支持日历级定时触发和事件触发两类自动化模式。集团启用每日凌晨的生产快报自动汇总与发送、每周设备状态周报生成、每月工艺符合性检查；在触发类任务中，根据报警事件自动启动故障树排查智能体，将初步原因定位结果推送给值班工程师。自动化任务运行记录全部可追溯，与审批流结合确保关键操作有人负责。
系统完全部署在集团自建数据中心，不向外部发送任何生产数据。模型层通过HiNowly网关同时接入本地大模型与安全可控的国内主流云端模型，可按知识域隔离分配不同的模型服务；基础运行环境兼容鲲鹏/海光等国产CPU、麒麟操作系统和达梦数据库，满足等保三级和信创验收要求。权限隔离支持单知识空间、单文档级别和单字段级别的数据权限，有效支撑多法人、多基地的管理需要。
项目实施范围
梳理高炉炼铁、烧结球团、能源公辅和设备维修四大核心业务域的知识地图，盘点各类知识源系统，确定知识分级分类体系和权限归属矩阵。
在集团主数据中心完成HiNowly AI知识库和智能体开发平台的软硬件私有化部署，适配国产服务器、麒麟操作系统和达梦数据库，并与统一身份认证体系对接。
搭建知识接入管线，集成生产实时数据库、MES、ERP、设备点检及工单系统等数据源，实施包括OCR、表格结构识别、语义向量化在内的知识入库和治理流程，完成知识库初始化。
面向炼铁工艺、设备故障、安全标准、操作规范等高频场景开发可信问答应用，配置引用溯源、敏感内容过滤和基于部门/岗位的知识空间访问控制。
基于智能体开发平台设计并发布高炉炉况异常诊断智能体、设备故障处置智能体、检修计划编排智能体和日报生成智能体，封装相关Skill、工具调用和审批触发事件。
制定运行保障与知识更新机制，包括知识文档周期性自动巡检、智能体运行效果回流评估、模型切换与Prompt调优流程，以及上线后的运营培训。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 第一阶段：现状调研与知识架构规划 | 2周 | 完成炼铁、能动、设备等5个分厂的知识源摸底，输出知识域划分、权限矩阵、智能体场景清单和项目设计方案。 |
| 第二阶段：知识库平台及模型环境搭建 | 6周 | 完成HiNowly私有化部署、信创适配和大模型网关配置；接入首批工艺规程和设备手册，完成知识清洗入库，实现高炉核心术语知识检索样例演示。 |
| 第三阶段：智能体开发与业务系统集成 | 8周 | 构建高炉炉况诊断、设备故障处置、生产日报生成、检修知识问答等5个智能体；打通MES、ERP、实时数据库、工单及企业微信；完成工具调用测试与权限联动验证。 |
| 第四阶段：试点运行与全面推广 | 4周 | 在高炉分厂和维修中心开展为期3周的试运行，收集真实异常案例进行反馈调优；完善知识更新机制与运营制度，随后在全集团推广，实现多基地统一知识服务能力上线。 |
项目最终成果
成功建成覆盖炼铁、能源公辅、设备检修、安全管理四大领域的私有化知识中枢，累计接入结构化与非结构化知识条目超过120万条，形成集团级‘钢铁大脑’知识资产。
上线高炉炉况异常预警智能体，通过高频实时数据监测与历史案例匹配，将炉况异常发现时间从人工人工盯屏时的平均40分钟缩短至预警触发后3分钟内出初步诊断。
设备故障处置智能体投入使用后，维修人员提交故障现象即可自动获取处理步骤、安全注意事项和相似案例记录，故障整体处理时长由原先平均5小时下降至2.7小时，备件查找时间大幅压缩。
生产日报智能体每天自动生成炼铁、炼钢、能环和物资共14类业务报告，报告编制人力投入减少约70%，同时避免因人工统计导致的数据错漏。
构建了可持续运营的知识更新闭环，各类智能体在执行任务时产生的新的处置记录会被自动去重并纳入候选知识库，经审核后发布，形成‘知识使用-问题反馈-经验沉淀’的循环机制。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 知识检索响应时间 | 从平均15分钟缩短至30秒内 | 工程师以往在共享盘和系统间反复查找资料，现在通过智能问答直接获得带引用的处置依据，长尾检索场景效率提升明显。 |
| 高炉炉况异常预警准确率 | 由62%提升至86% | 智能体将实时工况数据与历史案例知识库联合推理后，减少了单纯阈值报警造成的漏报与误报，特别是在铁水温度骤变和压差波动场景中判断能力显著增强。 |
| 设备故障平均处理时长 | 降低45% | 通过知识库快速调取图纸和维修案例，配合智能工单自动关联备件库存，使高炉送风系统、热风炉和除尘设备等关键设备故障处置效率大幅提升。 |
| 自动化报告替代人工日报比例 | 超过80% | 各分厂生产日报和设备点检日报由智能体按时自动生成，经审核后发送给管理层；仅对异常数据和特护设备状态需要人工补充说明，报告完整性达98%以上。 |
| 新上岗技术人员培养周期 | 由原12个月缩短至4个月 | 新人通过智能体和知识库可以随时学习高炉操作案例和设备故障处理手册，实习后独立顶岗时间显著提前，缓解了高级技师短缺带来的传承压力。 |
“我们这次最看重的并不是回答有多聪明，而是它说的话到底能不能让我们信。HiNowly让我们把几十年的工艺档案变成了有出处、能调用、可持续生长的知识服务，又用智能体把知识直接送进了高炉操作台和检修班组的工作流里。现在老师傅的经验不再是装在脑子里的秘密，而是一线团队随时随地能够调用的企业资产。而且全系统私有化部署，信创达标，我们集团信息化委员会非常认可这个建设路径。”
某大型钢铁联合集团 项目负责人