扫码添加微信
某大型港口集团 如何在 港口运营 / 智慧港口 中协同落地 AI 知识库与智能体
面对码头作业知识与设备运维经验分散在不同系统和老师傅经验中的挑战，该集团采用 HiNowly AI 知识库与 AI 智能体开发平台，以私有化方式构建统一知识中枢。项目打通码头操作系统、设备管理系统、安全环保文件等 10 余类数据源，沉淀装卸作业、维修保养、应急处置和部门制度文档，并在统一知识底座上落地设备维修、作业调度、安全核查、运营报告等智能体，实现从知识检索到工单生成、风险标记、自动形成报告的业务闭环。
项目背景
随着港口吞吐量提升和自动化码头改造推进，现场作业复杂度不断上升。集团内各码头的操作手册、安全规程、设备图纸和老师傅经验长期沉淀在纸质台账与孤立系统中，新员工培训压力大；维修部门、调度中心和安全部门都依赖人工信息查询，跨部门响应慢、协同成本高。集团希望以知识为驱动的 AI 智能体重塑作业环节，让一线人员高效获得权威知识，也让智能体直接替代部分重复性事务工作。
项目总览
HiNowly 依托文档解析、OCR、表格抽取、自动清洗、切分与向量化，将分散的 PDF、Word、Excel、扫描件和业务系统结构化数据统一接入知识库，同时结合港口行业术语构建领域知识图谱，形成可治理、可追溯的统一知识底座。知识库侧通过混合检索与 RAG 机制为集团提供可信问答服务，任何答案都携带原文片段链接，并严格遵循组织权限边界。 在知识底座之上，该集团使用 HiNowly AI 智能体开发平台编排了多个业务智能体：设备故障诊断智能体可识别维修人员口述的故障现象，检索历史维修案例并调用 EAM 接口生成标准维修工单；作业调度助理通过 TOS 接口获取船舶、堆场和机械动态，为调度员提供实时作业策略建议；安全合规核查智能体将最新安全规程与班组巡检记录逐项比对，自动标记违规风险；运营报告智能体由定时工作流触发，汇总生产、设备、安全数据后自动生成昼夜运营简报。各类智能体可发布为 Web 应用、企业微信入口或 API 服务，管理员可按部门与码头域控制使用范围。整个系统采用本地私有化部署，兼容信创基础设施，并可按业务场景调用本地专家大模型或主流商用大模型。
项目痛点
码头作业与设备检修知识高度依赖个人经验，老师傅退休和岗位调整造成知识流失，新人培养周期长。
设备故障发生后，维修人员需要翻阅图纸、历史工单和维修记录，信息来源分散，平均要花 40 多分钟才能找到可参考案例。
安全规章、港口作业标准和环保要求等文件更新频繁，各码头执行口径不一致，一线作业人员难以快速获得最新权威依据。
TOS、EAM、OA、门禁和视频等系统数据异构，缺少统一知识抽取和语义关联，无法支持跨系统智能问答。
调度日报、设备完好率报表和安全专项简报等重复性文书工作占用大量人力，每月需人工处理数十份材料。
项目诉求
建设覆盖集团及下辖码头的私有化 AI 知识库，统一管理作业、设备、安全、管理等多域知识。
通过自然语言问答、引用溯源和权限控制，让一线员工快速获得可追溯、可验证的岗位知识。
建设低代码 AI 智能体开发平台，支持业务人员按场景创建智能体并按部门、码头、角色发布。
通过 Skill 和工具调用衔接 EAM、TOS、OA 等系统，让智能体不仅能“答”，还能直接“做”。
实现维修工单自动生成、巡检记录比对、经营日报等自动化与定时任务，降低人工事务性负担。
满足信创与国产化要求，支持私有化本地部署，并可接入本地大模型和国内外主流大模型。
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
平台支持 20 余种非结构化文档批量解析，对老旧扫描件执行 OCR 识别、表格结构化与版式还原，自动完成去重、乱码纠正、敏感信息清洗和统一编码，并结合港口码头业务场景生成领域标签，让分散的知识转化为可管理、可重用的知识资产。
在知识库上叠加混合检索与重排序，既能处理故障现象等自然语言描述，也能在回答安全规程问题时严格以已发布受控文件为上下文，逐句列出引用出处和原文片段，从机制上降低大模型幻觉对作业决策的干扰。
业务人员可在画布上通过拖拽方式定义提示词、知识库范围、外部 API 和判定条件，快速创建专业智能体。设计完成的智能体可发布为 Web 应用、企业微信指令或第三方系统 API，设备部、调度中心可按需订阅并按角色进入不同工作台。
智能体开发者可将知识检索、天气潮汐查询、EAM 工单创建、TOS 作业状态查询等封装为可复用 Skill。维修智能体在接到岸桥故障报修后，会依序调用知识检索 Skill、备件库存接口和工单写入接口，直接给出原因分析与维修建议，同时自动完成设备编码、停机等级、维修班组等字段填充，完成从问答到行动的业务闭环。
平台支持可视化编排多智能体协作流程，可把跨系统操作串联成自动流水线。例如系统每天凌晨定时汇总前一昼夜吞吐量、设备故障和现场安全事件，调用大模型生成经营日报并发送给指定负责人；特殊事件可触发审批节点，由人工确认后自动推送至 OA 预留流程。
整套平台运行于企业内网，生产数据不出域。平台支持本地化部署的专家大模型与国内外主流大模型灵活切换，既能保证敏感作业数据安全，也能按任务匹配更优推理模型。底层兼容国产 CPU、操作系统、数据库和中间件，满足集团对信创与国产化的要求。
项目实施范围
私有化部署 HiNowly AI 知识库与智能体开发平台，运行在集团信创云环境，适配国产 CPU、麒麟操作系统、达梦数据库及国产中间件。
接入码头操作系统中的船舶计划、堆场计划、作业指令等结构化数据。
接入 EAM 系统中的设备台账、维修记录和备件库存数据。
接入集团 OA、邮件和文件服务器中的作业指导书、安全责任制文件、应急预案等非结构化文档。
建立统一用户认证、组织部门角色、码头数据域隔离及细粒度知识访问权限体系。
对接本地化部署大模型并预留主流商业大模型 API，支持不同类型任务灵活路由。
面向设备维修、生产调度、安全管理、办公运营等部门发布智能体应用，并同步推进试点码头联调和全员培训。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 需求调研与业务蓝图设计 | 2 周 | 完成各码头知识分类体系、港口领域术语表、智能体业务场景清单及量化目标设定。 |
| 知识平台部署与数据接入 | 4 周 | 上线 HiNowly 知识库，接入 TOS、EAM、OA 和文件服务器数据，完成清洗治理、知识切片与检索问答联调。 |
| 智能体开发与业务系统集成 | 6 周 | 完成设备维修、作业调度、安全合规、运营报告四类智能体，打通 EAM 工单、TOS 查询、企业微信及 OA 推送接口。 |
| 联调测试与安全加固 | 2 周 | 完成并发性能测试、权限策略审查、信创环境真机验证及审计与日志体系的部署。 |
| 试点运行与全员推广 | 4 周 | 在 2 个试点码头试运行，完善提示词和工作流规则；随后形成用户手册并推广至集团全部码头。 |
项目最终成果
建立覆盖 8 个码头、10 余类业务系统的统一知识库，治理后知识条目超过 60 万条，形成设备维修、装卸作业和安全生产的标准化问答目录。
设备部接到故障报修后，维修智能体可在数秒内检索出相似故障历史、维修步骤和安全注意事项，并自动生成包含设备编号、停机原因和维修等级的 EAM 工单。
调度中心通过作业调度助理实时查询船舶动态、堆场计划和机械空档，减少跨部门电话确认次数，辅助值班调度更快做出预安排。
安全环保部每日用智能体核查班组巡检记录与防台风、防碰撞等专项规程，自动标记高风险项和整改建议，替代以往纯人工逐条比对。
运营报告智能体自动完成每日运营简报的编制、审核提醒和集团领导推送，异常指标会自动附注关联原因分析，报告时效由次日中午提升至当日早晨。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 维修工单自动生成率 | 92% | 智能体根据语音或文字描述自动填写 EAM 标准字段，月度新建工单中 92% 无需人工补录，维修人员仅需确认约 8% 的变更字段。 |
| 故障响应与方案准备时长 | 降低 57% | 设备故障从报修到完成原因分析和维修方案确认的时间由平均 2.1 小时缩短至 0.9 小时，同时备件查询和领用计划提前启动。 |
| 知识检索耗时 | 45 分钟 → 3 分钟以内 | 维修人员查找历史工单、设备图纸和检修规程的平均时间从 45 分钟降至 3 分钟以内，一线处理效率显著提升。 |
| 月度运营简报人工耗时 | 减少约 90% | 运营日报、设备简报和安全专项统计的人工编制时间由每月约 80 人·小时降至 8 人·小时以下，释放人力投入现场分析和改善。 |
“HiNowly 将散落在各码头、各系统中的经验真正变成了随时可查、可信可用的数字资产。更重要的是，智能体不再只是回答问题的工具，而是能直接帮我们建工单、做核验、写报告，让没有编程经验的设备工程师和调度员也能自主使用。下一步我们希望继续把智能体扩展到商务服务和客户响应场景。”
某大型港口集团 项目负责人