扫码添加微信
某大型煤炭能源集团 如何在 煤炭开采与洗选 / 煤炭能源（井工煤矿智能化） 中协同落地 AI 知识库与智能体
该集团在推进智能矿山建设过程中发现，安全规程、作业规程、地质资料、设备手册与事故案例分散在集团、矿、区队三级，一线人员查不到、查不准、不敢用；瓦斯异常处置、措施编制、设备故障判断高度依赖少数资深专家，专家经验难以规模化复用。集团以 HiNowly AI 知识库为可信知识底座，完成安全规程、作业规程、地质说明书、设备手册、事故案例与专家经验语料的统一接入、治理与权限分级，实现条款级引用溯源与拒答兜底；同时基于 HiNowly AI 智能体开发平台构建瓦斯防治、措施编制、设备运维、隐患闭环、安全培训五类智能体，通过 Skill、工具调用、工作流编排、自动化任务与定时任务打通安全监控、人员定位、设备台账、工单与 OA 审批系统，在集团本地私有化环境中完成部署，兼容信创软硬件并接入本地大模型与主流大模型。上线运行 6 个月后，瓦斯异常预警平均响应时间由 25 分钟降至 4 分钟，作业规程与安全技术措施编制周期由平均 5 天压缩至 1 天，采掘设备非计划停机时长同比下降 22%。
项目背景
该集团所属矿井多数已进入深部开采阶段，瓦斯、水害、顶板与冲击地压等复合灾害风险叠加，采掘接续紧张，安全技术措施与作业规程的编制频次高、审批链条长。集团在“十四五”智能化规划中明确提出建设统一安全知识与智能辅助决策体系，但此前的知识管理方式以文件服务器加人工检索为主：集团下发规程后，各矿自行裁剪落地，条款版本长期并行；安全监察局检查时发现的问题措施，纠正结果只沉淀在个别矿井；瓦斯超限、设备故障等典型处置经验多以口头交接和纸质记录方式留存，人员流动后即出现经验断层。与此同时，企业明确要求所有涉密生产数据不得出矿、不得上公有云，模型与数据库需满足信创适配要求，知识访问必须按集团、矿、区队、岗位四级隔离——这使通用型云端问答产品无法直接使用，必须走本地化、可治理、可编排的技术路线。
项目总览
项目以“一个知识底座 + 一个智能体平台 + 五类业务智能体”的架构落地。知识底座侧，HiNowly AI 知识库通过统一接入网关批量导入集团安全规程、各矿作业规程与安全技术措施、瓦斯地质说明书、设备说明书与图纸、历史事故案例、专家访谈语料及培训教材等 12 类资料，覆盖 PDF、Word、Excel、扫描件、CAD 图纸与音视频六种形态，经 OCR 识别、版面还原、表格解析、层级切片、条款编号对齐与向量化处理后入库；同时对同一规程的多版本自动建立生效—失效关系，标注适用矿井、工作面、专业与岗位标签。检索环节采用向量检索、关键词检索与知识图谱关联的混合策略，回答时强制返回条款级引用来源、生效日期与适用范围，当知识库中不存在依据或置信度低于阈值时直接拒答并提示转人工，确保一线人员“用得上、查得准、敢执行”。权限方面按集团—矿—区队—岗位四级模型控制文档可见范围与切片粒度，敏感工作面资料实行单独密级管理。 智能体平台侧，基于 HiNowly AI 智能体开发平台完成智能体设计、调试、发布与运营：每个智能体由角色定义、Skill 技能集、工具集与工作流编排共同构成。Skill 层面封装了规程条款检索、措施模板生成、瓦斯浓度趋势判定、设备故障相似案例匹配、隐患定级规则、报表自动生成等能力；工具层面通过标准接口对接安全监控系统、人员定位系统、设备台账、备件库存、工单系统与 OA 审批流，使智能体不仅能“回答”，还能“取数、判定、派单、催办、归档”。工作流编排采用可视化节点串联多步骤任务，支持条件分支、人工确认节点与异常回滚；自动化任务按事件触发，例如瓦斯传感器超限数据写入即触发智能体判定链路；定时任务按日、周、班次调度，例如每日 07:00 自动生成上一日瓦斯日报与设备巡检提醒，交接班前自动推送当班风险提示。智能体统一在集团内网发布，入口覆盖 PC 端、移动端与企业即时通讯工具，并按岗位下发可见范围。 部署与模型层面，项目全部在集团私有化环境内完成，支持国产 CPU、国产操作系统、国产数据库与国产中间件，满足信创适配要求；模型侧同时部署本地大模型作为默认推理引擎，并通过统一模型网关接入国内外主流大模型，可按任务类型、数据密级与算力负载进行路由切换——涉密数据一律走本地模型，非涉密的通用写作与摘要任务可调用外部模型以降低成本。
项目痛点
知识资产高度分散且版本失控。安全规程、作业规程、地质说明书、设备手册与事故案例分散在集团文件服务器、各矿共享盘、区队纸质档案与个人电脑中，同一作业地点的措施存在多个版本并行，一线人员难以判断哪一版是最新生效版本。
专家经验难以规模化复用。瓦斯异常判定、冲击地压征兆识别、采煤机与掘进机故障诊断高度依赖少数资深工程师，经验多以口头方式传承，专家赴现场支援频次高，年轻技术人员独立判断能力成长缓慢。
数据孤岛导致处置链条断裂。瓦斯监控、人员定位、设备台账、工单与 OA 审批分属五套系统，异常发生时需要人工跨系统核对数据、电话通知、线下填单，从发现异常到形成处置闭环平均耗时超过 25 分钟。
安全合规资料编制重复劳动严重。每次采掘工作面开工前均需重新编制作业规程与安全技术措施，技术人员大量时间消耗在复制、比对、排版与格式规范上，合规条款漏项与引用失效风险难以彻底消除。
数据安全与权限约束严苛。生产数据涉密，严禁上传公有云；同时不同矿井、不同专业区队之间的知识可见范围必须严格区分，通用型在线问答工具在私有化部署、权限隔离与信创兼容三个方面均无法满足要求。
项目诉求
建设集团级、矿级、区队级三级共享但权限可隔离的私有化 AI 知识库，实现安全规程、作业规程、地质资料、设备资料与事故案例的统一接入、版本治理与条款级检索溯源。
构建面向瓦斯防治、采掘措施编制、设备运维、隐患闭环与安全培训的 AI 智能体矩阵，使知识以“可执行任务”的方式进入真实生产流程，而非停留在问答页面。
打通安全监控系统、人员定位系统、设备台账系统、工单系统与 OA 审批系统，让智能体能够调用真实业务数据与工具完成判定、派单、跟踪与归档。
实现本地大模型私有化部署并兼容信创软硬件环境，同时具备对接国内外主流大模型的能力，保障模型选型自主可控、可替换、可演进。
沉淀资深专家的判定逻辑与处置经验，形成企业专属“专家大模型”能力，缩短年轻技术人员独立上岗周期。
建立可度量的运行指标体系，对预警响应、措施编制、故障处置与隐患闭环全过程进行量化评估与持续优化。
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、扫描件、CAD 图纸与音视频六种形态接入，内置 OCR 识别、版面还原、表格解析与图纸标注提取能力，把各矿历史遗留的扫描版规程与手写批注措施转化为结构化知识。治理环节按“集团—矿—工作面—专业—岗位”五级标签体系对切片重新组织，同一规程的多版本自动建立生效与失效关系，条款编号与原文段落严格对齐，避免出现“知识库里的规程和现场执行的不是同一版”的问题。
采用向量检索、关键词检索与知识图谱关联的混合检索策略，对煤炭行业专有术语、规程编号、设备型号建立同义词与别名映射，显著提升长尾问题的召回质量。每条回答均附带原文条款、所属规程名称、生效日期与适用矿井范围，并给出置信度；当检索结果不足以支撑结论或涉及超出一线处置权限的判断时，智能体主动拒答并转交专业技术人员，从机制上杜绝“模型编规程”的风险。
按集团、矿、区队、岗位四级角色模型控制文档可见范围，支持到切片级与条款级的权限下沉；对涉及具体工作面地质参数的敏感资料单独设置密级标签，仅对授权岗位开放。所有检索与调阅行为写入审计日志，可按人、按时间、按知识条目回溯，满足集团安全监察与保密管理要求，同时实现跨矿之间的经验共享与数据隔离并存。
平台提供角色设定、知识域绑定、Skill 注册与工具挂载的一体化设计器，瓦斯判定、措施模板生成、故障相似案例匹配、隐患定级、报表生成等能力被封装为可复用 Skill，新智能体可直接引用既有 Skill 而无需重复开发。集团信息中心与各矿技术人员在同一平台上协作，矿级人员可在集团基线上叠加本矿特有的判定规则，既保证标准统一，又保留现场适配空间。
通过标准接口将安全监控系统、人员定位系统、设备台账、备件库存、工单系统与 OA 审批流注册为智能体可调用工具。智能体在处置瓦斯异常时，可自动拉取测点浓度曲线、检索对应规程条款、查询当班人员位置、生成预警单并派发至责任区队，全程无需人工跨系统搬运数据；设备运维场景中，智能体在给出诊断建议的同时可直接创建备件申请单并附上引用依据。
工作流采用可视化节点编排，支持顺序、并行、条件分支、循环与异常回滚，并在关键节点设置强制人工确认。以措施编制为例，智能体依次执行资料调取、风险辨识、条款匹配、初稿生成、合规自检五步，自检不通过的条款会被高亮标注并给出缺失依据，最终稿件经专业技术人员确认后方可进入 OA 审批，审批意见与修改痕迹自动回流知识库，形成“执行—反馈—再学习”的闭环。
事件驱动型自动化任务在监控数据触发阈值时即时启动判定链路，实现秒级响应；定时任务按班次、日、周、月调度，每日 07:00 自动生成上一日瓦斯日报与超限统计，交接班前推送当班风险提示与重点盯防区域，每周一自动汇总隐患整改超期清单并催办至责任区队，每月末生成本矿知识库使用与智能体运行分析报告，减少大量人工统计与通知工作。
智能体统一在集团内网发布，入口覆盖 PC 端、移动端与企业即时通讯工具，并按岗位下发可见范围，支持灰度发布与版本回滚。运营中心对调用量、任务完成率、人工接管率、引用命中率与用户反馈进行持续监测，结合指标波动定位知识缺口与流程堵点，驱动知识库补录与 Skill 迭代，使智能体在上线后仍能持续提升而非一次性交付。
系统全部部署于集团私有化环境，生产数据不出矿、不上公有云，支持国产 CPU、国产操作系统、国产数据库与国产中间件适配。模型侧部署本地大模型作为默认推理引擎，同时通过统一模型网关接入国内外主流大模型，可按数据密级、任务类型与算力负载灵活路由：涉密知识问答与措施编制强制走本地模型，非涉密的通用摘要与文档润色任务可调用外部模型，兼顾安全合规、使用体验与算力成本。
项目实施范围
集团级 AI 知识库：覆盖 11 对矿井与 3 座选煤厂的安全规程、作业规程、安全技术措施、瓦斯地质说明书、设备资料、事故案例与培训教材的接入、解析、治理、版本管理与权限隔离。
瓦斯防治智能体：对接安全监控系统与人员定位系统，实现瓦斯浓度异常识别、规程条款判定、预警单生成、工单派发与处置闭环跟踪。
采掘作业规程与安全技术措施编制智能体：调用地质资料、设备参数与规程模板生成措施初稿，经人工确认后进入 OA 审批流，审批结果回写知识库形成版本归档。
设备运维智能体：面向采煤机、掘进机、带式输送机、提升机与通风机，结合设备手册、历史故障库与运行数据，输出故障诊断建议、处置步骤与备件申请单。
隐患闭环与安全培训智能体：隐患自动定级、责任区队匹配、整改定时催办与超期升级；按岗位自动生成培训题组、演练脚本与考核评估报告。
智能体开发平台与运营中心：提供智能体设计器、Skill 管理、工具注册、工作流编排、自动化任务与定时任务调度、灰度发布、运行监控与效果评估能力。
私有化部署与信创适配：包括国产化软硬件适配、本地大模型部署、主流大模型接入网关、数据权限隔离策略与安全审计日志建设。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 第一阶段：需求调研与知识资产盘点 | 第 1—3 周 | 完成集团及 3 个试点矿的深度调研，梳理瓦斯防治、措施编制、设备运维三条主流程；盘点 12 类知识资产约 46 万页文档，输出知识分类体系、标签规范、四级权限矩阵与智能体清单，形成实施方案与验收指标基线。 |
| 第二阶段：知识库建设与数据治理 | 第 4—9 周 | 完成私有化环境搭建与信创适配，接入并解析试点矿全部规程、地质说明书、设备资料与事故案例，完成 OCR、切片、向量化与版本关系治理；上线混合检索与条款级引用问答，完成可信度阈值与拒答策略调优，通过安全监察局组织的知识准确性抽样验证。 |
| 第三阶段：智能体开发与系统对接 | 第 10—15 周 | 完成 Skill 库与工具注册中心建设，打通安全监控、人员定位、设备台账、备件库存、工单与 OA 审批六类系统接口；交付瓦斯防治、措施编制、设备运维三个核心智能体及配套工作流，完成自动化任务与定时任务配置，通过压力测试与异常场景演练。 |
| 第四阶段：试点矿试运行与调优 | 第 16—20 周 | 在 3 个试点矿开展为期 5 周的双轨试运行，采集预警响应、措施编制、故障处置与隐患闭环数据；完成 4 轮模型与提示词迭代、1 轮权限策略复核，处理用户反馈 320 余条，输出试运行评估报告与推广标准包。 |
| 第五阶段：全集团推广与运营体系建立 | 第 21—28 周 | 完成剩余 8 对矿井与 3 座选煤厂的推广上线，交付隐患闭环与安全培训两个智能体；建立知识运营、Skill 评审、智能体发布与效果度量的常态化机制，完成 1200 余人次分层培训，形成运维手册与运营指标体系。 |
项目最终成果
建成集团级私有化 AI 知识库，接入 12 类、约 46 万页安全与生产技术资料，形成覆盖 11 对矿井、3 座选煤厂的可信知识底座，一线人员可通过 PC 端与移动端按岗位权限检索，回答全部附带条款级引用与生效日期。
瓦斯防治智能体实现从监测数据触发到预警单派发的全自动链路，异常发现、规程判定、人员通知与工单生成由人工 25 分钟压缩至平均 4 分钟，超限处置全过程留痕并自动归档，安全监察局可按事件回溯完整处置链条。
采掘作业规程与安全技术措施编制由智能体生成初稿并完成合规自检，技术人员从重复性复制比对中解放，单份措施编制周期由平均 5 天缩短至 1 天，条款漏项与引用失效问题在自检环节被拦截。
设备运维智能体覆盖采煤机、掘进机、带式输送机、提升机与通风机五类关键设备，结合手册知识与历史故障案例给出诊断建议并可直接创建备件申请单，采掘设备非计划停机时长同比下降 22%。
隐患闭环与安全培训智能体实现隐患自动定级、责任匹配、定时催办与超期升级，隐患整改闭环率提升至 98.6%；新员工安全培训由统一授课转为按岗位自适应生成题组与演练脚本，独立上岗周期缩短约 40%。
集团在不改变现有业务系统架构的前提下完成信创环境适配与本地大模型部署，非涉密场景可灵活调用外部主流模型，模型选型不再被单一供应商锁定，为后续矿井智能化扩展预留了统一底座。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 瓦斯异常预警响应时间 | 由 25 分钟降至 4 分钟 | 监测数据超限后由自动化任务即时触发智能体判定链路，自动完成规程条款匹配、当班人员定位查询与预警单派发，减少人工跨系统核对与电话通知环节。 |
| 作业规程与安全技术措施编制周期 | 由平均 5 天缩短至 1 天 | 智能体自动调取地质资料、设备参数与规程模板生成初稿并完成合规自检，技术人员聚焦风险辨识确认与关键条款复核，重复性文案工作大幅下降。 |
| 采掘设备非计划停机时长 | 同比下降 22% | 设备运维智能体基于手册知识、历史故障库与运行数据给出诊断建议与处置步骤，并同步创建备件申请单，缩短故障定位与备件等待时间。 |
| 隐患整改闭环率 | 提升至 98.6% | 隐患智能体自动完成定级、责任区队匹配与整改时限设定，通过定时任务催办与超期升级推送，减少人工跟踪遗漏。 |
| 规程条款检索引用准确率 | 抽样验证达 96.2% | 混合检索策略结合煤炭行业术语映射与条款编号对齐，回答强制返回原文条款与生效日期，安全监察局抽样 500 条问答进行人工核验。 |
| 新员工独立上岗周期 | 缩短约 40% | 安全培训智能体按岗位自动生成培训题组、场景演练脚本与考核评估，专家经验经知识库沉淀后被规模化复用。 |
“我们最担心的不是模型聪不聪明，而是它会不会把不存在的条款讲得像真的。HiNowly 的知识库给了我们条款级引用和拒答兜底，一线人员查得到原文、看得见生效日期，才敢按它执行。更关键的是智能体真正接进了安全监控、人员定位和工单系统——瓦斯异常从数据触发到预警单派发只要几分钟，这在以前靠电话和线下填单是不可能做到的。整套系统跑在集团自己的机房里，数据不出矿，国产化环境也适配得上，这一点对我们来说和效果同样重要。”
某大型煤炭能源集团 项目负责人