扫码添加微信
某大型枢纽机场集团 如何在 民航机场运营 / 航空运输（机场运行保障、旅客服务与设备运维） 中协同落地 AI 知识库与智能体
随着航班量持续恢复与极端天气频发，该机场集团的运行协同压力集中在“知识分散、口径不一、经验难沉淀”三个环节。集团以 HiNowly AI 知识库构建统一可信的运行知识底座，把运行手册、应急预案、设备规程、规章文件与历史复盘案例统一接入、版本治理与权限隔离；再以 HiNowly AI 智能体开发平台将知识转化为可执行的智能体，通过 Skill、工具调用与工作流编排打通 AOC 运行系统、设备维保系统、工单系统与行李系统等 9 个业务系统，实现航班延误处置、机坪资源调度、设备故障闭环与运行简报自动生成。项目全栈私有化部署、兼容信创环境，数据不出园区，上线后一线运行问询平均响应时间由 12 分钟降至 40 秒内，航班延误处置指令下发平均耗时下降 42%，智能体月均自动执行任务超过 4.3 万次。
项目背景
该机场集团承担着区域航空枢纽的运行保障职责，日常运行涉及航空公司、地服、安检、航食、油料、联检单位等 30 余家驻场主体，AOC 需要在高密度航班流下完成机位分配、机坪资源调度、旅客服务与应急处置的统一指挥。近年来航班量持续攀升，叠加雷雨、台风、冰雪、低能见度等复杂天气，大面积航班延误、临时机位调整、除冰雪作业等场景发生频次明显上升。与此同时，集团内部的知识资产长期分散在各部门文件服务器、个人电脑与即时通讯群中：运行手册与应急预案改版后旧版本仍在流转，设备维保规程与故障案例散落在不同台账，低频高风险场景的处置经验高度依赖资深值班员的个人记忆。集团在推进智慧机场建设过程中明确提出，AI 必须建立在“可信知识 + 可执行智能体 + 自主可控”三项基础之上，既要让一线问得到、问得准，也要让系统真正去办事，而不是停留在演示级的智能问答。
项目总览
项目采用“可信知识底座 + 智能体执行层”的双层架构。底层由 HiNowly AI 知识库承担知识接入、治理与检索：统一接入运行手册、应急预案、设备维保规程、规章文件、工单记录、维保台账、CAD 图纸、会议录音转写与视频字幕等 12 类知识源，完成解析、OCR、切分、向量化与实体抽取，并为每份知识打上部门、密级、生效日期、版本号、适用区域与设备型号等元数据标签；改版时自动失效旧版本，确保“一份手册只有一个权威版本”。检索层采用关键词与向量混合检索加重排策略，答案强制附带原文片段、文件名、版本号与生效日期，支持点击跳转原文；对超出知识范围或密级不足的问题执行拒答并转人工，从机制上抑制模型编造。 上层由 HiNowly AI 智能体开发平台承担设计与执行：业务人员通过可视化设计器配置智能体的角色、目标、可用知识范围、可用工具与输出格式，既支持单智能体，也支持多智能体协作；平台把查询航班动态、机位资源、行李转盘、设备状态、预案调取、工单创建等能力封装为可复用 Skill，通过 REST/API 与 MCP 协议接入 AOC 运行系统、设备维保系统、工单系统、行李系统、供电监控、安防平台等 9 个业务系统，让智能体“能查、能算、能写、能派单”。编排层以拖拽式工作流把“感知—判断—执行—反馈”串成闭环：事件触发后多系统取数，经规则引擎与模型推理生成处置清单，推送至责任岗位并回收回执归档，中间可插入人工审批节点与异常兜底分支。平台同时支持 Cron 定时任务与事件驱动任务，每日运行简报、设备巡检提醒、预案到期复核、证照有效期预警等在夜间自动跑批。整个平台私有化部署于机场自有机房与专有云，支持接入本地大模型与国产 GPU、操作系统、数据库、中间件，也可按场景对接国内外主流大模型（仅限非涉密公开信息场景），并具备模型路由与降级策略；权限上采用组织、角色、密级、数据域四维模型，AOC、机坪、航站楼、安检、设备与驻场单位各看各的数据，所有问答与智能体执行全程留痕可审计。
项目痛点
知识资产分散且版本失控：运行手册、应急预案、设备维保规程、规章文件与复盘报告分散在十余个部门服务器和个人电脑中，改版后缺乏统一的失效机制，一线人员存在按过期版本处置的风险。
跨单位协同依赖电话与即时通讯：航班延误、机位调整、行李转运、除冰雪等场景需要 AOC 与驻场单位反复电话确认，信息不对称、处置口径不一致，协同链路缺少留痕与复盘依据。
应急处置高度依赖个人经验：低能见度运行、跑道除冰雪、大面积航班延误等低频高风险场景，新人上手周期长，资深值班员的处置经验难以沉淀为可复用的标准流程。
设备与系统运维知识孤岛：行李处理系统、廊桥、安检设备、助航灯光、供电、电梯等设备的维保记录、故障案例与图纸分散管理，故障定位依赖老师傅经验，平均处置链条偏长。
安全合规与国产化要求高：运行数据、旅客信息与安保方案具有高度敏感性，不允许上传公网大模型；同时集团明确要求核心系统满足信创与国产化替代路线。
项目诉求
建立统一、权威、可追溯的机场运行知识底座，实现手册、预案、规程、案例的统一接入、版本治理、生效状态管理与密级管控。
让一线员工用自然语言即可获得带原文出处、版本号与生效状态的可信答案，从“找人问”转变为“问智能体”。
以 AI 智能体开发平台把问答升级为办事，打通运行、设备、服务等业务系统，实现跨系统任务闭环与自动化执行。
面向大面积航班延误、除冰雪、低能见度运行等场景构建可编排、可复用的智能体工作流与定时任务，把经验固化为流程资产。
全栈私有化部署并完成信创兼容验证，知识、向量、日志与模型全部运行在园区内部，按部门、角色、密级与驻场单位做数据权限隔离。
形成业务部门自建智能体、IT 统一治理与运营的长效机制，并将模板复制推广至集团下属其他机场。
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
支持 PDF、Word、Excel、PPT、扫描件 OCR、CAD 图纸、维保台账、工单记录、录音转写与视频字幕等多类型知识接入，自动完成解析、切分、向量化与实体抽取，并为每份知识打上部门、密级、生效日期、版本号、适用区域与设备型号等元数据标签；手册或预案改版时自动失效旧版本，一线检索到的手册永远只有一个权威版本。
采用关键词与向量混合检索加重排策略，答案强制附带原文片段、文件名、章节位置、版本号与生效日期，可一键跳转原文核对；对超出知识范围、版本已失效或密级不足的问题执行拒答并转人工，从机制上避免编造，满足民航运行场景对“可核验”的硬性要求。
业务人员通过拖拽式设计器配置智能体角色、目标、知识范围、可用工具、输出格式与安全策略，支持单智能体与多智能体协作模式；一次编排即可发布到 PC 端、移动端、企业微信、AOC 大屏与值班终端，并支持灰度发布、版本回滚与效果对比。
把查询航班动态、机位资源、行李转盘、设备状态、预案调取、工单创建等高频能力封装为可复用 Skill，通过 REST/API 与 MCP 协议接入 AOC 运行系统、设备维保系统、工单系统、行李系统、供电监控等 9 个业务系统，让智能体从“会回答”升级为“能查数据、能派工单、能推动流程”。
以拖拽式流程编排把“感知—取数—判断—执行—回执—归档”串成闭环：运行事件触发后由智能体多系统取数，经规则引擎与模型推理生成处置清单，推送至责任岗位并回收回执；支持人工审批节点、并行分支与异常兜底，处置全过程留痕可追溯。
支持 Cron 定时与事件触发两类自动化任务：每日运行简报、设备巡检提醒、预案到期复核、人员证照有效期预警等在夜间自动跑批；航班延误、除冰雪、低能见度运行等运行事件则即时触发对应智能体，实现“无需人工点开”的自动化响应。
全栈部署在机场自有机房与专有云，知识、向量、日志与推理过程均不出园区；支持本地大模型与国产 GPU、操作系统、数据库、中间件，具备信创适配能力；同时可按场景对接国内外主流大模型（仅限非涉密公开信息场景），并配置模型路由、成本控制与降级策略。
采用组织、角色、密级、数据域四维权限模型，AOC、机坪、航站楼、安检、设备动力与驻场单位各看各的知识与数据；安保方案、安检预案等高密级知识按需授权、按次留痕，所有问答记录与智能体执行日志可审计、可回溯，满足民航安全与合规管理要求。
项目实施范围
运行知识治理：覆盖运行手册、应急预案、设备维保规程、民航规章、安全保卫方案、历史事件复盘报告等 12 类知识源的接入、解析、切分、向量化与元数据治理。
可信问答门户：面向 AOC、机坪、航站楼、安检与设备等岗位提供 PC 端、移动端与企业微信入口的可信问答，支持引用溯源、版本校验与密级拒答。
智能体开发与发布：建设 6 个生产级智能体，包括航班延误处置智能体、机坪资源调度智能体、设备故障诊断智能体、旅客服务问询智能体、运行简报生成智能体与预案合规复核智能体。
系统集成与工具调用：完成 AOC 运行系统、设备维保系统、工单系统、行李系统、供电监控、安防平台等 9 个系统的接口对接与 Skill 封装。
工作流与自动化：编排除冰雪、低能见度运行、大面积航班延误等 5 类应急工作流，配置人工审批、异常兜底与回执归档节点。
私有化与信创适配：完成本地大模型部署、国产芯片与操作系统/数据库/中间件适配验证、模型路由与降级策略配置。
权限与运营体系：建立四维权限矩阵、问答评测集、人工反馈闭环与智能体运营看板，形成业务自建、IT 治理的运营机制。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 调研与知识盘点 | 第 1—3 周 | 完成运行手册、应急预案、设备规程、规章文件与复盘案例的知识清单盘点，定义知识分类体系、密级规则与四维权限矩阵，确定首批 6 个智能体场景与验收指标。 |
| 知识底座搭建 | 第 3—8 周 | 私有化部署 HiNowly AI 知识库与本地大模型，完成 12 类知识源的接入、解析、切分、向量化与元数据治理，建立版本管理、生效状态校验与引用溯源机制。 |
| 智能体开发与系统对接 | 第 6—14 周 | 完成 6 个智能体的设计、Skill 封装与工作流编排，打通 AOC 运行系统、设备维保系统、工单系统、行李系统等 9 个业务系统接口，完成联调与安全测试。 |
| 灰度试运行 | 第 14—18 周 | 在 AOC、机坪管理、航站楼管理三个部门灰度上线，开展 200 人次岗位培训，建立 1200 条问答评测集与人工反馈闭环，完成两轮效果优化与答案准确率校准。 |
| 全面上线与运营 | 第 18—22 周 | 全员发布并接入企业微信与移动值班终端，上线智能体运营看板、调用量与满意度监测、月度迭代机制，形成业务部门自建智能体的模板与规范。 |
| 信创适配与复制推广 | 第 20—26 周 | 完成国产芯片、操作系统、数据库与中间件适配验证，输出部署白皮书与场景模板，向集团下属机场及驻场单位推广复制。 |
项目最终成果
运行知识统一到一个可信底座，手册、应急预案与设备规程实现版本受控与生效状态可查，“按过期版本处置”的问题基本消除，一线对答案的可信度显著提升。
值班人员用自然语言即可获得带原文出处、版本号与生效日期答案，跨部门问询从反复打电话变为问智能体，AOC 与驻场单位的协同口径明显收敛。
大面积航班延误、除冰雪、低能见度运行等场景形成标准智能体工作流，智能体自动汇聚航班、机位、行李与旅客信息，生成处置清单并推送至责任岗位。
设备故障诊断智能体联通维保系统与工单系统，实现“故障现象→历史同类案例→处置步骤建议→自动开单”的闭环，故障定位依赖老师傅经验的局面被打破。
定时任务与事件驱动让每日运行简报、设备巡检提醒、预案到期复核、证照有效期预警在夜间自动完成，重复性人工工作量大幅下降。
私有化部署与四维权限隔离满足涉密数据不出园区与信创国产化要求，并沉淀出业务部门自建智能体、IT 统一治理的运营机制。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 一线运行问询平均响应时间 | 由 12 分钟降至 40 秒内 | 覆盖 AOC、机坪、航站楼与设备动力等岗位的日常规程、预案与处置口径问询，替代原先的“电话找人+翻手册”模式。 |
| 航班延误处置指令下发平均耗时 | 下降 42% | 智能体自动汇聚航班动态、机位资源、行李转盘与旅客转运信息并生成处置清单，经值班员确认后一键推送至责任岗位。 |
| 设备故障平均定位时长 | 缩短 38% | 设备故障诊断智能体基于维保手册、历史工单与故障案例给出排查路径，并自动创建工单流转至维修班组。 |
| 知识检索答案准确率（含引用可核验） | 92.6% | 基于 1200 条运行场景评测集进行月度评测，答案均带原文出处与版本号，超出知识范围时按策略拒答并转人工。 |
| 重复性人工操作与工单录入量 | 减少约 60% | 运行简报生成、巡检提醒、预案到期复核、证照提醒等由定时任务自动执行，工单录入由智能体从处置记录中自动生成。 |
| 智能体月均自动执行任务次数 | 4.3 万次 | 涵盖问答、数据查询、工单派发、简报生成与预案复核等任务类型，运行看板按月统计调用量与任务成功率。 |
“过去遇到大面积延误，AOC 要打几十个电话去确认机位、行李、餐食和旅客转运安排；现在智能体先把信息汇总好，把处置清单直接推到各岗位手机上，人只需要做判断和决策。AI 知识库让每一份手册都有版本和出处，智能体让每一次处置都能留痕可追溯。数据不出园区、权限按岗隔离、国产化路线走得通，这才是我们敢把 AI 用在核心运行场景里的原因。”
某大型枢纽机场集团 项目负责人