扫码添加微信
某大型烟草工业集团 如何在 烟草制造 / 卷烟工业（制丝、卷包、质量检验与设备运维） 中协同落地 AI 知识库与智能体
HiNowly 以本地私有化部署的 AI 知识库作为可信知识底座，统一接入并治理该集团分散在工艺文件、质量规程、设备手册、维修工单与专家口述中的知识资产，通过带权限过滤的可信检索问答实现“答案有出处、越权查不到”。在其之上，HiNowly AI 智能体开发平台将知识能力与 MES、QMS、EAM、OA 等业务系统打通，构建了制丝工艺参数调优、卷包设备故障诊断与备件、质量异常追溯与纠正预防、安全合规问答四类智能体，并通过 Skill、工具调用、工作流编排、自动化任务与定时任务形成从“发现异常”到“生成处置方案、创建工单、推送审批、回流知识”的闭环。项目全程私有化部署，兼容本地大模型与国内外主流大模型按场景分级调用，适配国产芯片、操作系统、数据库与中间件，实现部门角色管理、数据权限隔离与信创合规要求。
项目背景
该集团的制丝与卷包环节工艺参数多、控制窗口窄，质量检验标准与设备维护规程长期以纸质文件和 PDF 形式分散在各部门。随着多厂区协同加深，一线操作工、维修工与质量工程师在处置异常时，往往需要同时在 MES 看数、翻标准文件、打电话找老师傅，一次工艺偏差或设备停机的问题定位常耗时数十分钟到数小时。与此同时，集团内技术骨干陆续退休，大量“只在人脑里”的故障判断与工艺调整经验难以沉淀。集团此前已建设 MES、QMS、EAM 等系统，但系统之间知识不连通，数据能看不能用。集团希望在不改变现有保密与合规边界的前提下，引入 AI 知识与智能体能力，把“数据—知识—执行”串成一条可追溯、可审计的链路。
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，全程部署在集团园区内的信创服务器资源池中。 第一层是 HiNowly AI 知识库。知识接入侧支持多源接入：工艺标准与质量检验规程（PDF/Word/扫描件）、设备手册与图纸（含 OCR）、EAM 维修工单记录、MES 批次工艺参数说明、安全规范、以及退休专家访谈记录。治理环节完成文档解析、版面还原、语义切片、元数据标注（厂区、车间、设备型号、工序、版本、密级、有效期）、去重与冲突检测、版本与失效管理，并按“部门—角色—岗位—密级”打上权限标签，同时把设备型号、故障代码、工序、质量缺陷等实体抽取为知识图谱关系，用于跨文档关联。检索问答侧采用向量 + 关键词 + 图谱的混合检索，叠加权限过滤与重排，输出答案时强制附带引用来源、文件版本与生效日期，支持多轮追问、置信度提示与“无依据不回答”策略，从机制上保证知识可信。 第二层是 HiNowly AI 智能体开发平台。平台提供智能体设计器、Skill 封装、工具调用、工作流编排、自动化任务、定时任务与发布运营能力。业务侧将“制丝工艺参数调优”“卷包设备故障诊断与备件”“质量异常追溯与纠正预防”“安全合规问答”封装为四类智能体：智能体先通过知识库 Skill 取得带出处的工艺或维修依据，再通过工具调用读取 MES 实时批次参数、QMS 检验结果、EAM 设备台账与备件库存，按编排好的工作流完成判断、生成处置建议与单据草稿，并调用 OA 接口推送审批或创建工单；处置完成后，结果自动回流知识库，形成“用一次、沉淀一次”的闭环。自动化任务负责异常触发式处置，定时任务负责每日质量与设备运行日报、每周工艺参数偏差巡检、每月知识库过期文档巡检。模型侧支持本地大模型承担涉密与高并发推理，国内外主流大模型按场景分级对接用于非涉密通用能力，模型路由、提示词与知识范围均可配置。
项目痛点
工艺标准、质量检验规程、设备手册与维修记录分散在纸质文档、PDF、OA 附件和老师傅个人电脑中，检索靠人问人，一线班组平均找一份标准要 20 分钟以上。
制丝工艺参数调整高度依赖少数技术骨干经验，偏差出现后缺少可追溯的推理依据，调整方案难以复用与审计。
卷包设备故障处置依赖厂商工程师与老师傅，故障代码、处置步骤与备件信息不在同一处，非计划停机时间偏长。
质量检验异常与 QMS 数据、历史案例割裂，原因分析与纠正预防措施依赖人工翻查，闭环周期长、口径不一致。
集团保密与信创要求明确，核心工艺参数与生产数据不得出园区，通用公网大模型与公有云知识服务无法使用。
多厂区、多部门知识不共享，同类问题在不同车间被重复解决，专家退休带来的经验流失风险持续加大。
项目诉求
建设私有化 AI 知识库，统一接入并治理工艺、质量、设备、安全四类知识资产，形成唯一可信知识源。
实现带权限过滤与引用溯源的检索问答，确保一线人员拿到的每条答案都能定位到具体文件、版本与章节。
基于 HiNowly AI 智能体开发平台构建可执行任务的智能体，打通 MES、QMS、EAM、OA，实现异常发现到处置闭环。
将工艺调优、故障诊断、质量追溯等专家经验结构化沉淀，形成可持续更新的专家大模型资产。
满足本地部署、信创兼容与部门角色管理、数据权限隔离要求，通过集团信息安全与保密审查。
建立智能体发布、监控、反馈与迭代的运营机制，让业务部门可以自主维护知识与优化智能体。
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、扫描件、图纸、工单记录、表格与音视频访谈等多种格式接入，通过 OCR 与版面还原保留章节、表格与参数单位，自动完成语义切片、元数据标注、去重与冲突检测，并按工序、设备型号、厂区、密级、有效期建立知识卡片，解决工艺标准与设备手册“多版本、多口径、找不到最新版”的问题。
采用向量、关键词与知识图谱混合检索，叠加部门角色与密级权限过滤，答案强制附带引用文件、版本号、生效日期与原文片段，支持多轮追问与置信度提示；当检索依据不足时明确回答“知识库中无对应依据”，避免工艺与质量场景下的大模型幻觉风险。
把退休专家访谈、历年故障处置记录与质量异常案例抽取为结构化知识，构建“设备型号—故障代码—处置步骤—备件—工序—质量缺陷”的关联图谱，使经验从个人记忆转为可检索、可复用、可审计的集团级资产。
智能体按工作流读取 MES 当前批次的水分、温度、流量等实时参数，调用知识库 Skill 获取对应牌号工艺标准与控制窗口，比对偏差后输出调整建议、风险提示与依据来源，并自动生成工艺调整通知单草稿推送 OA 审批，审批结果回流知识库形成批次案例。
维修人员在移动端描述故障现象或扫描设备码后，智能体调用 EAM 设备台账与历史工单、知识库故障案例与手册，输出分步排查清单与可能原因排序，同时查询备件库存并一键创建维修工单；处置结束后自动生成维修小结，补充到设备知识卡片。
QMS 出现不合格或指标越限时自动触发智能体，调取同批次原辅料、制丝与卷包参数、检验数据，结合质量规程与历史相似案例生成原因分析初稿与纠正预防措施建议，附引用依据推送质量工程师确认，缩短质量问题闭环周期。
平台提供异常事件触发的自动化任务与时间驱动的定时任务：每日 7:30 自动生成昨日质量与设备运行日报，每周执行工艺参数偏差巡检并向工艺部门推送偏差清单，每月巡检知识库过期与失效文档，任务执行结果、失败重试与人工介入节点全程留痕。
全部组件部署在集团园区内，支持本地大模型承担涉密与高频推理，同时按场景分级对接国内外主流大模型用于非涉密通用能力，模型路由可配置；适配国产芯片、操作系统、数据库与中间件，满足信创与国产化替代要求。
按集团、厂区、车间、岗位建立四级角色体系，知识文档与智能体工具均按角色授权，制丝、卷包、质量、设备等条线数据互不越权；同时记录每一次问答与工具调用的用户、时间与依据，形成可审计的使用链路。
支持智能体版本管理、灰度发布、效果看板与用户反馈收集，业务部门可在不写代码的情况下维护提示词、知识范围与工作流节点，运营数据反哺知识治理，形成“知识—智能体—业务反馈”的持续迭代机制。
项目实施范围
知识接入与治理范围：制丝与卷包工艺标准、质量检验规程、设备手册与图纸、EAM 维修记录、安全规范、专家访谈记录等六类知识源的多源接入、切片、元数据标注、权限标签与版本治理。
智能体建设范围：制丝工艺参数调优智能体、卷包设备故障诊断与备件智能体、质量异常追溯与纠正预防智能体、安全合规问答智能体共四类智能体及其 Skill 与工作流。
系统集成范围：与 MES 批次工艺数据、QMS 检验与不合格品数据、EAM 设备台账与工单、备件库存、OA 审批与统一身份认证的接口对接。
部署与信创适配范围：园区内私有化部署，本地大模型推理集群，国产芯片、操作系统、数据库与中间件的兼容适配与性能调优。
权限与角色治理范围：按集团—厂区—车间—岗位四级建立部门角色管理模型，实现文档级、字段级数据权限隔离与全量访问审计。
运营机制范围：智能体发布与灰度、使用监控与效果评估、知识更新流程、业务部门自助维护与反馈闭环机制。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 第一阶段：业务调研与蓝图设计 | 3 周 | 完成制丝、卷包、质量、设备四条线业务调研，梳理知识源清单与权限矩阵，确定四类智能体场景优先级，输出总体架构方案、私有化部署方案与信创适配清单。 |
| 第二阶段：知识底座接入与治理 | 6 周 | 完成工艺标准、质量规程、设备手册、维修记录、安全规范与专家访谈六类知识源接入，建成含元数据、密级与版本标签的知识库，完成知识图谱实体关系抽取与首批权限策略配置。 |
| 第三阶段：智能体开发与系统集成 | 8 周 | 完成四类智能体的设计、Skill 封装与工作流编排，打通 MES、QMS、EAM、备件库存、OA 与统一身份认证接口，配置自动化任务与定时任务，完成本地大模型与外部模型的分级路由接入。 |
| 第四阶段：试点运行与调优 | 6 周 | 在制丝车间、卷包车间与质量检验部门开展试点，完成检索准确率与工作流准确性调优、权限越权测试、并发与响应性能压测，形成试点问题清单与优化报告。 |
| 第五阶段：集团推广与运营机制建设 | 4 周 | 向集团其余厂区与条线推广，交付运营手册、知识更新规范、智能体迭代流程与培训材料，建立使用监控看板与季度效果评估机制，通过集团信息安全与保密验收。 |
项目最终成果
建成集团级私有化 AI 知识库，统一纳管制丝、卷包、质量、设备、安全五类知识资产，最新版工艺标准与检验规程实现唯一入口、可追溯、可审计。
四类智能体上线运行，制丝工艺调整从“打电话找专家”变为“智能体给建议、审批留痕”，卷包设备故障排查从经验驱动变为“知识依据 + 分步清单 + 备件联动”。
质量异常处置由人工翻查标准与历史案例，升级为由 QMS 异常自动触发智能体生成原因分析与纠正预防措施初稿，跨部门口径趋于一致。
每日质量与设备运行日报、每周工艺参数偏差巡检、每月知识库过期文档巡检全部由定时任务自动完成，业务人员从重复整理工作中释放出来。
专家经验与历史故障案例结构化沉淀为知识卡片与图谱关系，退休技术骨干的判断逻辑得以保留并持续被一线调用。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 知识检索平均耗时 | 由约 25 分钟降至 45 秒以内 | 试点车间一线人员查找工艺标准、检验规程与设备手册的平均耗时，改为输入问题后由知识库返回带引用的答案。 |
| 卷包设备故障平均处置时长 | 下降约 32% | 试点产线在故障诊断智能体与备件联动支持下，从故障报修到恢复运行的平均时长较上线前明显缩短。 |
| 质量异常闭环周期 | 由平均 2.5 天缩短至 1 天左右 | 质量异常从发现、原因分析、措施建议到审批关闭的整体周期，因智能体自动调取数据与依据而显著压缩。 |
| 定时任务自动化替代 | 每周节省约 60 人时 | 日报、周度工艺偏差巡检与知识库健康巡检由定时任务自动完成，覆盖制丝、卷包、质量、设备四个条线。 |
| 知识资产沉淀量 | 治理知识文档逾 2.6 万份，沉淀专家案例与故障关系 1800 余条 | 包含工艺标准、质量规程、设备手册、维修工单与专家访谈记录，形成可检索可复用的集团知识资产。 |
| 智能体月度调用量 | 试点期月均调用超 9000 次 | 覆盖工艺调优、故障诊断、质量追溯与安全合规问答四类场景，其中约三成调用最终产生了工单、通知单或审批单据。 |
“我们最看重的是两点：一是答案必须能追到具体文件和版本，工艺和质量场景容不得“差不多”；二是智能体不能只聊天，要能把 MES、QMS、EAM 里的数据用起来，真的把工单、通知单和审批跑通。HiNowly 的知识治理和智能体编排让老师傅的经验留了下来，也让一线在保密合规的前提下敢用、愿意用。”
某大型烟草工业集团 项目负责人