扫码添加微信
某大型城市集中供热集团 如何在 城市集中供热与热力运营（热源厂与热力站运行、一次网与二次网输配、热网调度、用户报修与收费服务一体化） 中协同落地 AI 知识库与智能体
HiNowly 为该供热集团在本地机房私有化部署了 AI 知识库与 AI 智能体开发平台，将运行规程、调度日志、抢修案例、图纸资料、收费与政策文件等分散知识统一接入、清洗与治理，形成可溯源、带权限过滤的可信知识底座；并基于平台设计了调度辅助、水力平衡调节、报修受理、抢修协同、能耗诊断、收费政策问答等 9 类智能体。智能体通过 Skill 与工具调用直连 SCADA 热网监控、GIS 管网、客服工单、收费与气象数据接口，在工作流编排与定时任务驱动下自动完成“气象—负荷预测—调度建议—指令下发—效果回检”与“报修受理—工单派发—抢修知识推送—闭环归档”两条主链路。项目历时 22 周上线，采暖季运行验证显示调度指令编制时间缩短约 86%，客服一次解决率提升 26 个百分点，单位面积耗热量下降 4.7%。
项目背景
该集团供热规模逐年扩大，管网与热力站数量持续增加，但运行知识的沉淀方式仍以纸质规程、Excel 调度日志和各分公司自建文件夹为主。采暖季调度员需要同时查看 SCADA 实时曲线、气象预报、历史调节记录与用户投诉分布，再人工判断各热力站的二次网供回水温度与流量阀开度，一次调节往往依赖老师傅经验。客服中心在采暖季高峰期日均受理来电 1.4 万通，坐席需要人工翻阅收费政策、报修口径与属地责任划分表。抢修环节中，现场人员与调度、管网、施工单位之间的信息传递主要靠电话与微信群，历史相似案例难以快速调取。同时，集团明确要求生产数据与用户信息不得出内网，新建系统须适配国产操作系统、数据库与芯片服务器，并能对接国产大模型及主流商用模型。
项目总览
方案分三层落地。第一层是可信知识底座：HiNowly AI 知识库在集团本地机房私有化部署，通过文件同步、数据库直连与接口接入三种方式，将运行规程、调度日志、水力平衡记录、抢修工单归档、竣工图纸、收费政策与用户服务话术接入平台；平台完成版式解析、表格与图纸要素提取、章节级切分、实体与工况标签标注、版本归并与失效知识标记，并对每一条知识片段绑定来源文件、生效时间、所属分公司与密级标签，形成可治理、可追溯的知识资产目录。检索侧采用向量检索与关键词检索混合召回，叠加权限过滤与时效过滤，回答时强制附带引用片段与原文链接，超出知识范围时明确提示“无依据”，避免编造。 第二层是智能体执行层：HiNowly AI 智能体开发平台提供可视化智能体设计器、Skill 编排、工具调用、工作流引擎与定时任务调度。平台将 SCADA 实时点位查询、热力站历史曲线拉取、GIS 管线与阀门定位、工单创建与派发、收费政策查询、气象预报获取、短信与站内消息推送等能力封装为标准 Skill 与工具，智能体在编排中按条件调用；同时接入集团本地部署的开源大模型作为默认推理引擎，并对需要复杂推理的场景配置国内外主流大模型接口，通过统一网关做路由与脱敏。 第三层是运营与治理层：平台提供服务发布、灰度上线、调用审计、效果评测与知识回流看板，按调度中心、区域分公司、客服中心、抢修中心划分角色与数据域，实现“同一问题、不同岗位看到不同答案范围”。整个系统部署于集团内网信创环境，操作系统、数据库、中间件与服务器均为国产化选型，与互联网物理隔离。
项目痛点
运行知识高度分散且版本混乱：运行规程、调节方案、应急预案分布在调度中心与 6 个分公司，同一类热力站存在多个版本的调节口径，调度员难以判断应以哪一版为准，新人上岗培养周期长达 14 个月。
调度决策依赖个人经验，缺乏可复用的判断依据：气象突变、管网末端不热、热力站失水等典型场景的处理经验主要保存在老调度员手中，历史调度日志难以按工况检索，同类问题的处置方案重复摸索。
客服与抢修之间知识断层明显：坐席无法快速判断报修属于户内设施、二次网还是热源侧问题，属地责任单位与抢修等级需要反复确认，高峰期转派与回访压力大，一次解决率长期在 61% 左右。
既有系统彼此孤立，智能问答无法落到业务动作：SCADA、GIS、工单、收费四套系统数据不互通，通用大模型只能提供泛泛建议，既读不到实时供回水温度，也无法生成可下发的工单调令，存在“会说不会做”的问题。
安全与合规约束严格：生产运行数据、用户地址与缴费信息属敏感数据，禁止上传公有云；同时各分公司、各岗位对数据的可见范围有明确边界，需要细粒度的角色与数据权限隔离，并满足信创与国产化适配要求。
项目诉求
建设私有化部署的企业级 AI 知识库，统一接入运行规程、调度日志、抢修案例、图纸资料、政策文件等 12 类知识资产，完成去重、版本归并与结构化治理，实现每一条回答可回溯到原始出处。
构建面向调度、客服、抢修、能耗四类岗位的智能体矩阵，使智能体能够调用实时运行数据与业务系统接口完成具体任务，而非停留在文本问答。
将典型工况的处置经验固化为可编排的工作流与 Skill，实现气象—负荷预测、水力平衡调节建议、失水排查、抢修派单等场景的自动化与半自动化执行。
打通 SCADA、GIS、客服工单、收费与气象数据接口，在不出内网的前提下实现知识、数据与业务动作的闭环。
建立部门角色管理与数据权限隔离机制，按分公司、按岗位、按管网范围控制知识与数据可见性，并完成国产操作系统、数据库、芯片服务器与国产大模型的适配。
形成可持续运营的智能体发布与评测机制，支持灰度发布、效果打分与知识回流，保证采暖季高并发下的稳定可用。
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
平台支持文件批量同步、数据库直连与接口推送三种接入方式，将运行规程、调度日志、抢修案例、竣工图纸、收费政策等 12 类知识统一接入；通过版式解析、章节级切分、表格与图纸要素提取、工况与设备标签标注，把非结构化文档转为可检索的知识片段。治理环节完成重复文档归并、多版本规程比对与失效知识标记，每条片段绑定来源文件、生效时间、所属分公司与密级标签，知识资产目录可按设备、场景、岗位多维浏览，从根本上解决“哪一版为准”的问题。
检索采用向量与关键词混合召回，并在召回阶段叠加权限过滤、时效过滤与工况过滤，保证同一问题在不同分公司、不同岗位下返回的知识范围严格隔离。回答生成后强制附带引用片段、原文链接与生效日期，调度员可一键跳转原文核对；当知识库中不存在依据或依据已失效时，智能体明确提示“当前知识未覆盖”，并建议转人工或补充知识，避免在供热这种高风险场景中出现编造参数。
平台提供可视化智能体设计器，将角色设定、知识域绑定、Skill 选择、工具调用、判断分支与输出格式以拖拽方式编排。集团将“SCADA 点位查询”“热力站历史曲线拉取”“GIS 阀门定位”“工单创建与派发”“收费政策查询”“气象预报获取”“消息推送”等能力封装为可复用 Skill，新智能体可直接引用，避免重复开发；同一 Skill 在不同智能体中共享版本与权限策略，保证行为一致、可审计。
智能体通过工具调用直连 SCADA、GIS、工单、收费与气象系统，在用户授权范围内读取实时供回水温度、流量、阀门开度、补水率与用户缴费状态，并把结论写回业务系统。例如水力平衡调节智能体可先拉取目标热力站近 7 日二次网供回水温差与最不利环路压差，再比对同类站历史调节方案，输出阀门调整建议并生成待确认的调节工单，由值班调度确认后下发执行。
平台工作流引擎将多智能体、多 Skill 与人工确认节点串联为可执行流程。以“报修受理—抢修协同”流程为例，工单接入后先由受理智能体判定故障类型与责任归属（户内设施、二次网、一次网或热源侧），再由诊断智能体调取该小区历史报修、管网图纸与相似案例，输出可能原因与处置建议，随后自动匹配抢修等级、属地抢修队与所需备件，派单后通过消息通道通知现场，处置完成后自动归档并回写知识库。
平台内置定时任务调度，支持按采暖季、工作日、极端天气等条件配置周期性与触发式任务。系统每日 5:30 自动拉取未来 72 小时气象预报与历史同期负荷曲线，生成分时段热源出力建议与热力站调节要点，6:30 前推送至调度中心与各分公司值班群；每日自动生成运行日报、失水率异常清单与报修热点小区排名；当 SCADA 监测到补水率突增或供回水温差异常时触发实时任务，自动启动失水排查智能体并推送初判结果。
智能体通过平台统一发布，支持按分公司、按岗位灰度放量与快速回滚。运营看板统计调用量、采纳率、人工接管率、用户满意度与失败原因分布，低分对话可一键回流至知识治理任务，形成“使用—评测—补知识—再发布”的闭环。采暖季高峰期，客服智能体在灰度阶段先对两个分公司开放，验证一周后全量推广，风险可控。
平台按调度中心、6 个区域分公司、客服中心、抢修中心建立组织与角色体系，知识域与数据域双重隔离：城区分公司调度员只能检索本辖区热力站规程与工单，收费政策问答仅对客服与收费岗开放用户缴费相关字段，敏感字段默认脱敏。全链路记录调用审计与操作留痕。系统整体部署于集团内网信创环境，完成国产操作系统、数据库、中间件与芯片服务器适配，并对本地私有化大模型与国内外主流大模型接口做统一网关接入与按场景路由，生产数据不出内网。
项目实施范围
私有化 AI 知识库：12 类知识资产接入与治理，覆盖运行规程、调度日志、调节方案、应急预案、抢修案例、竣工图纸、设备手册、收费政策、服务话术、培训教材、会议纪要与考核标准。
可信检索问答：混合召回、权限过滤、时效校验、引用溯源与无依据拒答机制，面向调度、客服、抢修、能耗四类岗位提供差异化问答入口。
AI 智能体开发平台：智能体设计器、Skill 管理、工具注册中心、工作流编排引擎、定时任务调度、发布与灰度管理、调用审计与效果评测。
业务系统对接：SCADA 热网监控实时点位与历史曲线、GIS 管网与阀门定位、客服工单系统、收费与用户信息系统、气象数据接口、短信与站内消息通道。
智能体矩阵建设：调度辅助、水力平衡调节、报修受理、抢修协同、失水排查、能耗诊断、收费政策问答、培训陪练与运行日报生成共 9 类智能体。
权限与安全：部门角色管理、按分公司与管网范围的数据权限隔离、敏感字段脱敏、全链路调用审计与操作留痕。
信创与模型适配：国产操作系统、数据库、中间件与芯片服务器适配，本地开源大模型私有化部署，国内外主流大模型接口统一网关接入与按场景路由。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 调研诊断与知识资产盘点 | 第 1—3 周 | 完成调度中心、6 个分公司、客服中心与抢修中心的岗位走访，梳理 12 类知识资产清单与权属关系，输出典型工况场景清单（38 个）与数据权限矩阵初稿，明确信创环境选型与网络隔离方案。 |
| 知识接入治理与知识库构建 | 第 4—8 周 | 完成历史文档与图纸的批量接入、解析、切分与标签标注，建立规程版本归并与失效知识标记规则，构建可检索知识资产目录，完成权限标签体系与检索评测集（600 条问答对），首轮检索命中率达 88%。 |
| 智能体设计与系统对接开发 | 第 9—16 周 | 完成 9 类智能体的设计与调试，封装 21 个 Skill 与工具，打通 SCADA、GIS、工单、收费与气象五类接口，上线调度辅助、报修受理、抢修协同三条主工作流与 6 项定时任务，完成本地大模型与主流模型网关接入。 |
| 试运行与灰度发布 | 第 17—20 周 | 选取 2 个区域分公司与客服中心灰度开放，累计完成 4300 余次智能体调用，修正知识缺口 260 处，优化工作流判断分支 34 项，形成灰度评测报告与回滚预案。 |
| 全面上线与运营迭代 | 第 21—22 周及采暖季持续运营 | 全量发布 9 类智能体，建立运营看板与知识回流机制，输出运维手册、岗位使用规范与培训课程，进入采暖季常态化运营与月度迭代。 |
项目最终成果
调度侧：调度员编制次日运行方案由平均 45 分钟缩短至 6 分钟，气象—负荷预测与热力站调节要点由定时任务自动生成并推送，采暖季调度方案编制的人工重复劳动大幅下降。
水力平衡：水力平衡调节智能体基于历史调节记录与实时二次网温差给出阀门开度建议，试点区域二次网水力失衡相关报修下降 28%，末端不热类投诉明显减少。
客服侧：报修受理智能体自动判定故障类型与责任归属，坐席一次解决率由 61% 提升至 87%，平均通话时长缩短 22%，高峰期转派与回访压力显著缓解。
抢修侧：抢修协同智能体在派单同时推送相似历史案例、管网图纸与备件清单，抢修队伍到场平均时长缩短 34%，一次修复率提升 11 个百分点。
能耗与知识沉淀：单位面积耗热量同比下降 4.7%，失水率异常小区识别时间由天级缩短至小时级；运行规程完成版本归一并形成 3200 余条结构化知识片段，新员工上岗培养周期由 14 个月缩短至 8 个月。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 调度方案编制时长 | 45 分钟 → 6 分钟 | 由定时任务自动拉取气象预报与历史负荷曲线，生成分时段热源出力建议与热力站调节要点，调度员仅需审核确认。 |
| 二次网水力失衡报修率 | 下降 28% | 试点区域由水力平衡调节智能体给出阀门开度建议并生成调节工单，执行后回检二次网供回水温差与最不利环路压差，形成闭环。 |
| 客服一次解决率 | 61% → 87% | 报修受理智能体自动判定故障类型与属地责任单位，并同步调取收费政策与处置口径，坐席无需人工翻查资料。 |
| 抢修到场平均时长 | 缩短 34% | 抢修协同智能体在派单时同步推送相似案例、管网图纸与备件清单，抢修队在途即可完成处置方案准备。 |
| 单位面积耗热量 | 同比下降 4.7% | 结合气象预测与末端反馈的精细化调节建议，减少过供与冷热不均，采暖季能耗与碳排放同步下降。 |
| 知识与智能体运行规模 | 3200+ 条知识片段 / 9 类智能体 | 12 类知识资产完成结构化治理，9 类智能体在全集团上线运行，累计智能体调用超过 4.6 万次，调用审计全量留痕。 |
“我们最开始的诉求只是“能不能搜到规程”，但真正跑完一个采暖季之后，价值最大的是智能体把知识和动作接上了。调度员现在不看一堆表格，而是收到一份带依据、带出处、可确认的调节建议；客服坐席不用在几个系统之间来回切，派单和建议一起出来；抢修人员到现场前就知道大概是什么问题、要带什么件。供热这行容不得“差不多”，所以我们对私有化部署、权限隔离和引用可溯源这几条要求是硬杠杠，HiNowly 在这方面做得比较扎实，数据一直在我们自己机房里。”
某大型城市集中供热集团 项目负责人