扫码添加微信
某大型核电运营企业 如何在 核电运营 / 核能发电（核电站运行、换料大修与设备可靠性管理） 中协同落地 AI 知识库与智能体
核电运营是知识密度与安全等级最高的行业之一。面对数十万份规程文件、跨厂址多机组并行运行、每年一次换料大修的高强度作业节奏，该企业以 HiNowly AI 知识库构建私有化可信知识底座，将所有规程、经验反馈、设备台账与历史工单完成统一接入、版本治理与权限隔离；再以 HiNowly AI 智能体开发平台为引擎，开发并发布运行规程问答、大修准备工作包、经验反馈精准推送、设备可靠性分析、规程变更影响分析等一批业务智能体。智能体不仅回答问题，更通过 Skill 与工具调用直接读写 EAM、工单、隔离票与文档系统，以工作流编排和定时任务完成跨系统作业闭环。项目历时约 24 周完成两厂址推广，规程检索确认时间下降 78%，大修准备工作包编制周期缩短 45%，重复性事件同比下降 31%，全部模型与数据在本地私有化环境运行，满足信创与核安全审计要求。
项目背景
该企业两个厂址、多台机组长期保持高负荷运行，每年至少安排一次换料大修，大修期间日均工单量可达数千条，涉及隔离票、动火作业、受限空间作业、辐射防护许可与关键路径排程。企业原有的知识管理方式以文档管理系统加人工检索为主，规程文件按专业、系统、机组分散存放，经验反馈平台与 EAM 系统彼此独立，资深运行与维修人员的经验成为跨专业协同中最关键的、同时也是最难复制的资源。随着机组数量增加与老员工陆续退休，知识断层风险持续放大，企业决定启动 AI 知识库与 AI 智能体建设项目，并要求全部数据与模型在厂区内网运行，不得出网。
项目总览
项目采用“知识底座 + 智能体引擎”双引擎架构，全部部署在厂区内网私有化环境。第一层是 HiNowly AI 知识库：通过标准连接器与文件网关接入文档管理系统、EAM、经验反馈平台、工单系统、隔离票系统、图纸库与厂家资料库，完成格式解析、版面还原、表格与图纸要素抽取；随后进行知识治理，包括按机组、系统、专业、设备编码、版本号、生效状态、密级、适用岗位等维度打标，建立设备—系统—规程—工单—事件之间的关联图谱，并对规程升版执行版本比对与失效标记，确保检索结果只命中当前有效版本。在检索层采用向量检索、关键词检索与知识图谱关联检索的混合召回策略，叠加重排模型与置信度评估，最终输出带原文出处、页码、文件编号、版本号与生效日期的可追溯答案，从机制上抑制大模型幻觉，使运行人员与质保人员可以像核对纸质文件一样核实每一条结论。第二层是 HiNowly AI 智能体开发平台：提供可视化智能体设计器、Skill 库、工具调用框架、工作流编排引擎、自动化任务与定时任务调度、发布渠道管理与运行监控。业务人员可在平台上把“查知识”“算规则”“调系统”“走审批”组合成完整作业链路，例如大修准备工作包智能体会先调用知识库检索该设备的维修程序与历史缺陷，再调用设备台账与备件接口确认备件可用性，调用隔离票系统校验隔离边界冲突，调用经验反馈库匹配同类事件，最后按企业模板生成准备工作包草案并提交准备工程师审批；准备工程师在人工审批节点确认后，智能体自动将结果回写工单系统。整个过程由工作流编排驱动，支持人工介入、异常回退与全程留痕。平台同时支持本地大模型、国产化专家大模型与主流商用大模型的统一接入与路由，按数据密级自动选择可用的模型通道，密级数据强制走本地模型。所有智能体按部门与岗位发布到内网门户、值班终端与移动端，并以定时任务承担规程变更影响分析、经验反馈每日推送、大修日报自动汇总等周期性工作。
项目痛点
知识资产分散在文档管理、EAM、经验反馈、工单与隔离票等十余个系统中，同一设备的技术信息需要人工跨四五个系统拼接，一次完整的规程确认往往耗时 30 分钟以上，大修期间更成为瓶颈。
规程与程序文件版本频繁升版，作废版本识别与生效状态确认高度依赖人工台账，现场存在误用作废版本的风险，而核安全对文件受控有严格且可审计的要求。
大修准备工作包编制依赖资深准备工程师的个人经验，需要人工比对工单、隔离方案、备件状态、历史缺陷与辐射防护要求，准备周期长、返工率高，关键路径容易被准备工作拖累。
经验反馈报告数量庞大且更新频繁，但缺乏按机组、系统、专业、岗位的精准推送机制，相关岗位往往在事件重复发生后才回溯到已有的经验反馈，学习闭环难以形成。
通用大模型无法部署在厂区内网，且存在幻觉与不可溯源问题，答案无法给出文件版本号与原文出处，无法通过核安全质保与监管审计；同时企业有明确的信创与国产化适配要求，模型、算力与中间件均需自主可控。
项目诉求
建设私有化部署的 AI 知识库，统一接入运行规程、维修程序、设计基准文件、经验反馈、事件报告、厂家手册、图纸与历史工单等多源异构知识，形成可版本受控、可权限隔离、可引用溯源的可信知识底座。
支持本地大模型与国产算力环境，兼容信创软硬件生态，同时保留对国内外主流大模型的对接能力，在内网安全策略允许范围内按场景灵活选择模型与专家大模型。
建设 AI 智能体开发平台，提供智能体设计、Skill 编排、工具调用、工作流编排、自动化任务、定时任务、发布与运营的完整能力，使业务部门能够自主构建并运营智能体。
让智能体真正进入业务流程，能够调用 EAM、工单、隔离票、设备台账、文档系统与经验反馈平台，完成准备包编制、隔离方案校验、经验推送、可靠性分析等具体任务，而非停留在问答层面。
建立部门、角色、岗位三级权限体系与数据权限隔离机制，按机组、系统、密级、岗位控制知识可见范围，所有智能体调用行为全程留痕，满足核安全质保与监管审计要求。
形成可持续运营机制，沉淀一批可复用的 Skill 与工作流模板，并将知识库与智能体纳入企业培训、大修准备与设备可靠性管理的常态化流程。
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 知识库通过标准连接器与文件网关统一接入运行规程、维修程序、设计基准文件、经验反馈报告、事件调查报告、厂家手册、图纸与历史工单，支持 PDF、Word、Excel、扫描件、CAD 图纸等多种格式的解析与版面还原。治理环节按机组、系统、专业、设备编码、文件编号、版本号、生效状态、密级与适用岗位等维度自动打标，并对规程升版执行版本比对与旧版失效标记，检索与问答只命中当前有效版本，从源头消除误用作废文件的风险。
知识库采用向量检索、关键词检索与知识图谱关联检索的混合召回策略，叠加重排模型与置信度评估，输出答案时同步给出原文片段、页码、文件编号、版本号与生效日期。当检索证据不足或版本冲突时，系统主动提示“未找到足够依据”并列出候选文件，而不是生成推测性结论。运行人员与质保人员可以像核对纸质文件一样逐条验证，满足核安全对可追溯与可审计的刚性要求。
知识库、智能体平台、向量库、调度组件与审计模块全部部署在厂区内网，数据不出网。平台适配国产服务器、国产操作系统、国产数据库与国产中间件，支持本地大模型推理服务与国产化专家大模型的纳管，同时保留对国内外主流大模型的对接通道，并按数据密级自动路由：涉密与高密级场景强制走本地模型，低密级公开性场景可选择外部模型通道，兼顾合规与效果。
HiNowly AI 智能体开发平台提供可视化设计器，业务人员可通过拖拽方式定义角色设定、知识范围、推理流程、输出模板与异常处理策略，无需编写代码即可完成智能体搭建。平台内置 Skill 库，把“查询规程”“比对版本”“读取设备台账”“校验隔离边界”“生成准备包”“推送经验反馈”等高频动作封装为可复用 Skill，新场景只需组合既有 Skill 即可快速上线，显著降低智能体的开发与维护成本。
平台将 EAM、工单、隔离票、设备台账、备件、文档系统与经验反馈平台的关键接口封装为受控工具，智能体在工作流中可按权限调用并读写业务数据。例如大修准备工作包智能体会依次调用规程检索、历史缺陷查询、备件可用性检查、隔离边界冲突校验与经验反馈匹配工具，自动生成准备工作包草案，提交准备工程师在人工审批节点确认后回写工单系统，形成从知识到动作的闭环。
平台提供多步骤工作流编排能力，支持顺序执行、条件分支、并行调用、人工审批节点、异常回退与超时处理，并内置自动化任务引擎，可按事件触发或按计划执行批量作业。规程变更影响分析工作流会在检测到规程升版事件后自动触发，比对该规程关联的工单模板、培训课件、岗位授权与在用工单，输出受影响清单与处置建议，避免人工逐条排查。
调度中心支持分钟级到月级的定时任务配置，经验反馈推送智能体每日定时扫描新增事件报告，按机组、系统、专业与岗位匹配相关人员并推送摘要与原文链接；大修日报智能体每日定时汇总工单完成率、关键路径偏差、隔离票状态与未关闭项，自动生成日报草稿；周度定时任务则汇总智能体调用量、命中率、人工修正率与知识缺口清单，支撑持续运营。
平台建立部门、角色、岗位三级权限模型，支持按机组、系统、专业、密级与岗位维度配置知识与工具的可见、可用范围。运行人员可查询所在机组的运行规程与定期试验程序，维修人员可访问维修程序与设备台账，辐射防护相关知识与工具仅对授权岗位开放。智能体发布时绑定权限范围，工具调用受网关二次校验，所有检索、调用、审批与回写行为全程留痕，形成可审计的操作链路。
项目实施范围
私有化环境部署与信创适配：在厂区内网完成 HiNowly AI 知识库与 AI 智能体开发平台的集群部署，适配国产服务器、国产操作系统、国产数据库与国产中间件，完成本地大模型推理服务的纳管与主流大模型通道的策略化路由。
多源知识接入与治理：接入文档管理系统、EAM、经验反馈平台、工单与隔离票系统、图纸库、厂家手册库等数据源，完成规程、程序、报告、图纸、台账、历史工单的解析、切片、元数据标注、版本比对与失效管理。
知识图谱与可信检索：构建以设备编码为主线的设备—系统—规程—工单—事件关联图谱，配置混合检索、重排与置信度阈值策略，实现答案可溯源、可审计、可按版本核对。
智能体开发与发布：搭建智能体开发平台，沉淀运行规程问答、大修准备工作包、经验反馈推送、设备可靠性分析、规程变更影响分析五大类智能体，并发布到内网门户、值班终端与移动端。
权限与审计体系：建立部门、角色、岗位三级权限模型与数据权限隔离规则，按机组、系统、密级、岗位控制知识与工具调用范围，配置全链路操作留痕与审计报表。
业务系统工具化封装：将 EAM、工单、隔离票、设备台账、备件、文档系统等系统的关键接口封装为标准 Skill 与工具，供智能体在工作流中安全调用，并设置写操作的双人复核与人工审批节点。
运营机制与能力转移：建立智能体效果评估、知识更新、提示词与工作流版本管理、场景迭代的运营机制，完成对运行、维修、技术、培训等部门业务骨干的平台使用与智能体自主开发培训。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 知识资产盘点与场景调研 | 第 1—3 周 | 完成两厂址知识资产清点与系统接口调研，输出规程、程序、经验反馈、工单、隔离票、设备台账等数据源清单与质量评估报告；确定运行规程问答、大修准备工作包、经验反馈推送、设备可靠性分析、规程变更影响分析五个首批场景及其验收标准。 |
| 私有化环境部署与模型接入 | 第 4—6 周 | 完成 HiNowly AI 知识库与 AI 智能体开发平台的私有化集群部署、信创软硬件适配与网络策略开通；完成本地大模型推理服务纳管、国产化专家大模型接入与主流大模型通道的策略化路由配置，通过安全与合规评审。 |
| 知识接入、治理与图谱构建 | 第 7—11 周 | 完成多源知识接入与解析切片，建立统一的元数据标签体系与版本失效管理机制，构建设备—系统—规程—工单—事件关联图谱，配置混合检索与重排策略，完成可信问答溯源能力与权限隔离规则的验证。 |
| 智能体开发与工作流编排 | 第 12—16 周 | 完成五大类智能体设计与开发，封装 EAM、工单、隔离票、设备台账、备件与文档系统工具，搭建含人工审批节点的工作流，配置经验反馈推送、大修日报、规程变更影响分析等定时任务，发布至内网门户、值班终端与移动端。 |
| 试点运行与效果调优 | 第 17—21 周 | 选取一个机组开展为期五周的试点，围绕检索准确率、溯源完整性、准备工作包质量、经验推送命中率与人工修正率进行迭代调优，形成标准作业指引与提示词、工作流版本管理规范。 |
| 两厂址推广与运营机制建立 | 第 22—24 周 | 完成第二厂址推广与部门权限配置，交付运营评估看板与知识更新流程，完成运行、维修、技术、培训骨干的平台与智能体自主开发培训，建立智能体效果评估与场景迭代的常态化机制。 |
项目最终成果
构建了覆盖两个厂址、多台机组的私有化可信知识底座，运行规程、维修程序、设计基准文件、经验反馈、事件报告、图纸与历史工单实现统一接入、版本受控与权限隔离，检索结果只命中当前有效版本并全部可溯源到文件编号、页码与生效日期。
运行规程问答、大修准备工作包、经验反馈推送、设备可靠性分析与规程变更影响分析五大类智能体全面上线，在内网门户、值班终端与移动端可用，业务部门可基于 Skill 库自主搭建新场景智能体。
智能体不再停留于问答，而是通过工具调用与工作流编排直接读写 EAM、工单、隔离票、设备台账与经验反馈平台，大修准备工作包实现自动生成、人工审批、结果回写工单系统的完整闭环，写操作设置双人复核节点保证安全。
经验反馈从被动检索转为主动推送，新增事件报告按照机组、系统、专业与岗位定时匹配推送，相关岗位在作业前即可获得同类事件提示，重复性问题得到有效遏制，学习闭环逐步形成。
规程变更影响分析、大修日报汇总、运行数据周报等周期性工作全部由定时任务自动执行，业务人员从重复性事务中释放，转向更高价值的分析与决策工作，知识库与智能体被纳入大修准备与设备可靠性管理的常态化流程。
全部数据与模型在厂区内网运行，数据不出网，模型、算力与中间件满足信创与国产化要求，智能体的检索、调用、审批与回写行为全程留痕，顺利通过企业内部质保与合规审计。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 规程检索与确认耗时 | 下降 78% | 单次完整规程确认从人工跨系统拼接的平均 32 分钟降至 7 分钟以内，答案附带文件编号、版本号与页码，运行人员可直接核对生效状态。 |
| 大修准备工作包编制周期 | 缩短 45% | 准备工作包由智能体自动生成草案并完成隔离边界、备件可用性与历史缺陷校验，准备工程师的工作重心从资料收集转向方案审核。 |
| 经验反馈精准推送覆盖率 | 92% | 新增事件报告按机组、系统、专业与岗位自动匹配推送，覆盖运行、维修、技术、辐射防护等相关岗位，推送内容附摘要与原文链接。 |
| 重复性事件数量 | 同比下降 31% | 同类系统与同类作业的重复性偏差事件显著减少，经验反馈在作业前被有效触达，班组层面的学习闭环逐步形成。 |
| 智能体月均任务执行量 | 超过 1.2 万次 | 涵盖知识检索问答、准备工作包生成、系统数据查询、定时推送与报表汇总等各类任务，其中约三成任务包含业务系统调用与数据回写。 |
| 人工修正率与可信度 | 人工修正率低于 6% | 试点机组统计显示智能体输出的准备工作包与可靠性分析报告人工修正比例持续下降，无溯源依据的问题被系统主动拦截并提示。 |
“核电行业对知识的准确性、可追溯性和权限边界有着近乎苛刻的要求，通用大模型在我们的场景里既进不来也用不好。HiNowly 帮我们把几十万份规程、程序和经验反馈变成了一个版本受控、答案可溯源的可信知识底座，更关键的是智能体能够真正走进大修准备、经验反馈和设备可靠性这些核心流程里去执行任务，而不是只做一个问答入口。整个平台私有化部署在厂区内网，模型和中间件满足国产化要求，所有调用行为可审计，这一点让业务部门和质保部门都能放心把工作交给它。”
某大型核电运营企业 项目负责人