扫码添加微信
某大型钢铁联合集团 如何在 钢铁冶金 / 钢铁制造（烧结、球团、焦化、高炉炼铁、转炉炼钢、连铸、热轧、冷轧一体化） 中协同落地 AI 知识库与智能体
面对高炉炉况波动、轧钢质量缺陷分析依赖老师傅、设备故障诊断效率低、多基地知识不统一等挑战，该集团联合 HiNowly 构建了私有化 AI 知识库与 AI 智能体开发平台。项目以知识接入、治理、可信检索为底座，通过智能体调用知识、工具和 MES、QMS、设备管理等业务系统，实现高炉炉况诊断、轧钢缺陷分析、设备点检检修、安全合规巡检等场景的自动化闭环。平台支持本地大模型与国内外主流大模型对接，满足部门角色管理、数据权限隔离与信创国产化要求，显著降低了非计划停机与质量损失。
项目背景
该钢铁集团在长期生产中沉淀了海量工艺规程、操作标准、设备图纸、点检标准、故障案例、质量分析报告与专家经验，但这些知识分散在 OA、共享盘、纸质档案和老师傅头脑中，检索困难、更新滞后。随着高端产品比例提升和产线设备复杂度增加，高炉炉况判断、轧钢缺陷溯源、设备故障处理越来越依赖少数专家，跨基地知识复用率低。同时，安全环保法规与标准更新频繁，传统培训与检查方式难以覆盖全员全流程。集团希望在不泄露核心工艺数据的前提下，建设一套私有化 AI 知识库与智能体平台，让知识可信可查、让任务自动执行。
项目总览
项目采用“私有化 AI 知识库 + AI 智能体开发平台”双引擎架构，整体部署在集团数据中心，支持信创服务器、国产操作系统、国产数据库与中间件。AI 知识库负责将烧结、球团、焦化、高炉、转炉、连铸、热轧、冷轧等全流程的工艺文件、操作标准、设备图纸、点检标准、故障案例、质量报告、安全法规进行 OCR、解析、切片、向量化与知识图谱构建，并通过权限标签实现部门、角色、基地、产线四级隔离。在检索层，平台提供混合检索、重排序与引用溯源，确保一线人员得到的答案来自可追溯的权威文档或数据。AI 智能体开发平台提供可视化智能体设计、Skill 注册、工具调用、工作流编排、自动化任务与定时任务能力。以高炉炉况诊断智能体为例：智能体定时读取高炉传感器与 MES 实时数据，调用知识库检索历史炉况案例与操作标准，调用专家大模型进行推理，生成炉况判断与操作建议，并通过工具调用将建议推送至值班室与 MES 备注。轧钢质量缺陷分析智能体则可接收表面检测仪图片与工艺参数，检索相似缺陷案例，输出调整建议并自动生成质量分析报告。设备点检与检修智能体根据设备台账、点检标准与历史故障，自动生成点检计划、检修工单与备件需求，回写设备管理系统。安全合规巡检智能体通过定时任务扫描法规更新，比对内部制度与现场检查记录，生成合规差距报告与整改任务。模型接入方面，平台支持本地部署国产大模型，也支持合规对接 OpenAI、Claude 等国外主流模型，企业可按场景选择。
项目痛点
工艺知识分散在 PDF、SOP、图纸、专家经验和多个业务系统中，一线人员检索困难，新员工培养周期长达 12 至 18 个月。
高炉炉况波动、轧钢表面缺陷等异常处理高度依赖少数专家，响应慢、判断不一致，容易造成停机与批量废品损失。
设备点检、检修、备件知识不统一，故障诊断与维修方案查找耗时，跨基地同类设备经验无法有效复用。
安全环保法规、操作标准更新频繁，传统人工比对与培训难以保证合规要求及时落地，存在检查盲区。
已有 MES、QMS、设备管理等系统数据孤岛严重，知识无法与业务系统联动，无法自动触发工单、报告与提醒。
项目诉求
建设集团级私有化 AI 知识库，统一接入工艺、设备、质量、安全、能源等知识资产，实现知识资产化与权限化管理。
提供可信检索问答能力，答案可溯源、可引用，并按照部门、角色、基地、产线进行数据权限隔离。
基于 AI 智能体开发平台设计并发布高炉炉况诊断、轧钢缺陷分析、设备点检检修、安全合规巡检等业务智能体。
通过 Skill、工具调用、工作流编排、自动化任务与定时任务，让智能体可以调用 MES、QMS、ERP、设备管理系统完成真实业务操作。
支持本地部署、私有化部署、本地大模型与国内外主流大模型对接，满足信创与国产化要求，确保核心工艺数据不出厂区。
在试点场景中降低非计划停机时间、缩短质量缺陷分析周期、提升新员工独立上岗速度，形成可复制的钢铁行业 AI 落地范式。
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
HiNowly AI 知识库支持 PDF、Word、Excel、PPT、图纸、图片、音视频、数据库等多源接入，通过 OCR、版面分析、语义切片、向量化与知识图谱构建，将高炉操作标准、轧钢工艺规程、设备图纸、点检标准、故障案例、质量报告、安全法规等转化为结构化知识。平台提供知识版本管理、标签体系、质量评分与失效提醒，确保一线人员获取的是最新、最权威的内容。
平台采用混合检索、语义重排序与引用溯源机制，回答问题时同步展示原文出处、版本号与生效日期，避免大模型幻觉。知识权限按照集团、基地、部门、角色、产线四级隔离，炼铁厂员工只能检索炼铁相关知识，设备部可访问设备台账与检修标准，安全环保部可查看法规与检查记录，确保核心工艺数据不越权、不外泄。
HiNowly AI 智能体开发平台提供可视化智能体设计器，支持角色设定、知识范围绑定、Skill 注册、工具调用、工作流编排、自动化任务与定时任务。业务人员可通过拖拽方式配置智能体流程，技术人员可注册 MES 查询、QMS 报告生成、设备工单创建等工具。智能体开发完成后可一键发布到 PC、移动端与企业微信，并支持运行监控、效果评估与持续迭代。
智能体通过定时任务每 5 分钟读取高炉传感器与 MES 实时数据，调用知识库检索相似炉况案例与操作标准，调用本地专家大模型进行推理，输出炉况判断、风险等级与操作建议，并通过工具调用将建议推送至值班室、写入 MES 备注。异常时自动触发告警任务，通知炉长与工艺专家，形成“监测—诊断—建议—反馈”闭环。
智能体接收表面检测仪图片与轧制工艺参数后，调用视觉模型识别缺陷类型，检索知识库中相似缺陷案例、工艺调整记录与专家分析报告，结合质量规则给出辊缝、张力、温度等调整建议，并自动生成质量分析报告，回写 QMS。对于批量性缺陷，智能体可自动创建质量异常工单，通知工艺与设备人员协同处理。
智能体根据设备台账、点检标准、历史故障与检修周期，通过自动化任务生成日、周、月点检计划；当设备出现振动、温度、电流异常时，调用知识库检索故障诊断树与维修方案，生成检修工单并推荐备件。工单与备件需求可回写设备管理系统与 ERP，减少人工录入与跨系统切换。
智能体通过定时任务周期扫描安全环保法规、标准与内部制度更新，调用知识库进行条款级比对，识别合规差距，生成差距报告与整改任务，并推送至责任部门。对于高风险项，智能体自动升级提醒并跟踪闭环，确保合规检查全覆盖、可追溯。
平台支持本地部署与私有化部署，可运行在信创服务器、国产操作系统、国产数据库与中间件之上。模型层支持本地部署国产大模型，也支持合规对接 OpenAI、Claude 等国外主流模型，企业可按场景、数据敏感度与成本灵活选择。所有知识、对话与智能体运行数据均保留在集团内网，满足钢铁行业数据安全与国产化要求。
项目实施范围
集团级私有化 AI 知识库建设：覆盖炼铁、炼钢、热轧、冷轧、能源动力、设备、安全环保等部门的文档、图纸、SOP、案例与专家经验。
知识治理与权限体系：完成知识接入、OCR、切片、向量化、知识图谱、标签体系、版本管理与部门角色权限隔离。
AI 智能体开发平台部署：提供智能体设计、Skill 管理、工具调用、工作流编排、自动化任务、定时任务、发布与运营能力。
业务系统集成：对接 MES、QMS、EMS、ERP、设备管理系统、表面检测系统、高炉专家系统等，实现数据读取与工单回写。
重点智能体开发：高炉炉况诊断智能体、轧钢质量缺陷分析智能体、设备点检与检修智能体、安全合规巡检智能体、备件库存优化智能体。
模型与信创适配：完成本地国产大模型部署、国内外主流模型 API 对接、信创 CPU、操作系统、数据库与中间件兼容性验证。
试点推广与运营体系：在炼铁厂、热轧厂、冷轧厂、设备部试点运行，建立智能体运营、效果评估与持续优化机制。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 第一阶段：业务调研与知识盘点 | 第 1 个月 | 完成炼铁、炼钢、热轧、冷轧、设备、安全环保等部门调研，梳理知识资产清单、业务系统接口清单、权限矩阵与试点场景优先级。 |
| 第二阶段：AI 知识库搭建与知识治理 | 第 2 至第 3 个月 | 完成私有化知识库部署、文档接入、OCR 解析、切片向量化、知识图谱构建、标签体系、权限隔离与可信检索问答上线。 |
| 第三阶段：智能体开发与系统集成 | 第 4 至第 5 个月 | 完成 AI 智能体开发平台部署，开发高炉炉况诊断、轧钢缺陷分析、设备点检检修、安全合规巡检等智能体，对接 MES、QMS、设备管理系统、ERP。 |
| 第四阶段：试点运行与调优 | 第 6 个月 | 在炼铁厂、热轧厂、冷轧厂、设备部试点运行，采集用户反馈，优化检索准确率、智能体流程与工具调用稳定性，完成模型效果评估。 |
| 第五阶段：推广培训与运营体系 | 第 7 个月起 | 完成多基地推广培训，建立智能体运营规范、知识更新机制、效果看板与持续优化流程，形成钢铁行业 AI 应用运营体系。 |
项目最终成果
高炉炉况诊断由原来依赖专家人工判断、平均耗时约 2 小时，缩短至智能体 5 分钟内输出判断与操作建议，异常响应速度大幅提升。
轧钢质量缺陷分析智能体自动完成缺陷识别、案例检索与工艺建议，分析周期从 4 小时降至 20 分钟，批量缺陷处置效率提升 70% 以上。
设备点检与检修智能体自动生成点检计划与检修工单，设备故障平均修复时间降低 35%，备件库存周转率提升 18%。
安全合规巡检智能体实现法规更新自动比对与整改任务自动下发，合规检查覆盖率从 76% 提升至 100%，高风险项闭环率显著提高。
新员工通过可信知识问答与智能体辅助学习，独立上岗周期从 12 至 18 个月缩短至 6 至 9 个月，跨基地知识复用率提升 60%。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 知识检索准确率 | 92% | 基于混合检索、重排序与引用溯源，试点部门知识问答准确率达到 92%，答案可追溯至原文与版本。 |
| 高炉炉况诊断响应时间 | 5 分钟 | 智能体定时读取实时数据并调用知识库与专家模型，将炉况诊断与操作建议输出时间从约 2 小时缩短至 5 分钟。 |
| 质量缺陷分析周期 | 20 分钟 | 轧钢质量缺陷分析智能体自动完成图片识别、相似案例检索与工艺调优建议，分析周期由 4 小时降至 20 分钟。 |
| 设备非计划停机时间 | 降低 28% | 设备点检与检修智能体提前识别异常并生成检修工单，试点产线非计划停机时间降低 28%。 |
| 智能体任务自动化率 | 65% | 在试点场景中，高炉诊断、质量分析、点检计划、合规比对等任务由智能体自动完成或辅助完成的比例达到 65%。 |
““HiNowly 帮助我们第一次把分散在钢铁全流程里的工艺、设备和安全知识真正管了起来，而且数据不出厂。智能体不是简单的问答，它们能读 MES、查案例、写工单、发提醒，高炉和轧钢场景的效果超出预期。国产化部署和权限隔离也让我们对后续推广更有信心。”——某大型钢铁联合集团信息化与智能制造负责人”
某大型钢铁联合集团 项目负责人