扫码添加微信
某大型城市水务集团 如何在 城市供水与污水处理 / 水务公用事业（原水取水、自来水制水供水、污水处理与再生水回用一体化运营） 中协同落地 AI 知识库与智能体
该集团在日常运营中长期面临“标准规程分散、抢修依赖老师傅、跨系统数据割裂、一线查不到也问不准”的问题。HiNowly 以私有化部署的 AI 知识库作为可信知识底座，接入水质标准、工艺运行规程、设备手册、应急预案、历史抢修案例、二次供水台账与客户服务政策等 6.8 万份文档与 30 万条历史工单，完成解析、切分、标注、版本治理与权限隔离；再以 AI 智能体开发平台构建水质异常处置、管网爆管抢修调度、污水厂工艺调优、二次供水泵房巡检、报装与用水服务共 5 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 SCADA、GIS、工单与营销系统，实现“发现—判断—生成方案—派单—闭环”的自动化。系统上线 6 个月，水质异常平均响应时间由 42 分钟降至 11 分钟，爆管关阀方案编制由 35 分钟降至 6 分钟，智能体月均执行任务 1.9 万次，处置类任务自动闭环率达 62%。
项目背景
随着城市供水管网老化与极端天气频发，该集团近年把“水质安全、供水连续性、污水稳定达标”列为三条红线。集团在数字化方面投入较早，SCADA、GIS、水质在线监测与工单系统均已建成，但系统之间以项目式对接为主，数据只做展示不做决策支撑。与此同时，集团的知识资产高度依赖人工经验：水厂加药与滤池反冲洗的调整经验分散在值班长的笔记本里，管网抢修中“关哪几个阀、影响多少户、先通知谁”的判断依赖老调度员，污水处理厂的工艺调优则要靠少数几位工艺工程师逐厂巡查。2023 年起集团推进“少人值守、集中监控”改革，部分厂站改为集中监控后，一线人员从“身边有师傅”变成“面对屏幕和电话”，知识供给缺口被迅速放大。集团希望通过 AI 知识库与 AI 智能体建设，把老师傅的经验沉淀为可检索、可追溯、可执行的数字能力，并在信创环境下私有化落地。
项目总览
项目以“一个知识底座 + 一个智能体平台 + 五类场景智能体”为总体架构，全部部署在集团自建的数据中心内网，通过网闸与生产控制大区、管理信息大区做安全隔离。知识底座侧，HiNowly AI 知识库接入集团 OA 制度库、水质检测中心标准库、水厂运行规程库、设备台账与说明书、应急预案库、抢修案例库、二次供水泵房台账、营业厅服务政策等 11 个知识源，累计 6.8 万份文档、1.2 万张管网与工艺图纸、30 万条历史工单记录。系统按文档类型配置差异化解析策略：标准规范按条款切分并抽取强制性条文，工艺规程按工序节点切分，设备手册按故障现象与处理步骤切分，历史工单按“现象—原因—处置—耗时”结构化抽取。所有知识片段都附带来源文件、发布部门、生效日期、失效日期与密级标签，形成条款级引用能力。知识治理环节建立了“部门知识管理员—集团知识运营”两级审核流程，任何文档更新都会触发版本比对与失效提醒，过期文件自动从检索范围中剔除，确保一线查到的永远是现行版本。 智能体平台侧，HiNowly AI 智能体开发平台提供智能体设计器、Skill 编排、工具注册中心、工作流引擎、自动化任务与定时任务调度、发布与运营看板。项目把业务能力封装为可复用 Skill：知识检索 Skill、条款比对 Skill、管网拓扑分析 Skill、关阀方案生成 Skill、加药量计算 Skill、工单创建 Skill、短信与 App 通知 Skill、报表生成 Skill。工具层通过标准 API 与内网服务对接 SCADA 实时数据、管网 GIS 拓扑与阀门台账、水质在线监测、工单调度系统、营销收费系统、短信网关与企业微信，所有工具调用均带身份透传与最小权限校验。 以管网爆管抢修调度智能体为例：接报后智能体先解析地址与管径信息，调用 GIS 拓扑分析 Skill 推算上下游可关断阀门组合，调用知识库检索该类管材、管龄的历史抢修案例与开挖注意事项，输出包含关阀清单、影响小区与户数、预计停水时长、通知对象的处置方案；经值班调度员一键确认后，智能体自动在工作流中创建抢修工单、向影响小区推送停水通知、向片区抢修班组派单，并在修复后回填处置记录与耗时，形成新的案例知识。水质异常处置智能体则由在线监测越限事件触发自动化任务，自动调取该厂当前工艺参数与标准限值做条款比对，生成加药与反冲洗调整建议并推送值班长确认，确认后写入运行日志并跟踪 2 小时内的水质趋势。污水厂工艺调优智能体以定时任务方式每日 7:30 汇总各厂进水水质、溶解氧、污泥浓度与能耗数据，检索相似工况案例，输出曝气与碳源投加减量建议。
项目痛点
标准规程与工艺文件分散在 OA、部门网盘、纸质台账与个人电脑中，同一工艺参数存在多个版本，一线人员在应急处置时难以确认哪一份是现行有效版本，历史上曾出现按旧版加药单执行导致出厂水余氯波动的情况。
管网抢修高度依赖少数资深调度员，从接报到确定关阀范围、影响小区、停水通知对象，平均需要 30 至 40 分钟，夜间与节假日值班人员经验不足时，容易扩大停水范围或重复开挖。
SCADA、GIS、水质在线监测、工单、营销系统各自独立，调度员在处置一次水质异常时需要人工切换 4 至 5 个系统核对数据，异常信息与处置动作之间没有形成闭环记录。
污水处理厂进水水质波动大，工艺调优依赖个别工程师经验，曝气量与碳源投加偏保守，吨水电耗与药剂成本长期高于同行业对标水平。
二次供水泵房数量多、分布散，巡检以定期到场为主，远传数据只看越限报警，缺乏对趋势性劣化的判断，小问题经常拖成停水事件；同时集团对数据安全与国产化有硬性要求，不允许将生产数据与管网图纸上传至公有云大模型。
项目诉求
建成集团统一的私有化 AI 知识库，覆盖水质标准、工艺规程、设备手册、应急预案、抢修案例、二供台账与服务政策，实现文档版本治理、有效期管理与按部门、按厂站、按岗位的数据权限隔离。
实现可信检索问答，所有回答必须给出条款级引用来源与生效版本，无法追溯来源的问题明确拒答，避免一线按过期文件操作。
面向水质异常、管网抢修、污水工艺、二供巡检、用水服务五类高频场景建成可上线运行的 AI 智能体，能够调用业务系统完成派单、通知、记录等实际动作，而非仅做问答。
打通 SCADA、管网 GIS、工单调度、营销收费等系统接口，通过智能体的工具调用与工作流编排，把“发现问题—生成方案—下发执行—结果回填”串成自动链路。
满足信创与国产化要求，操作系统、数据库、中间件与算力采用国产化组合，大模型支持本地私有化部署，并可对接国内主流大模型，敏感数据不出内网。
支撑“少人值守、集中监控”改革，把资深调度员与工艺工程师的经验固化为可复用的 Skill 与工作流，缩短新员工上岗周期。
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
针对水务行业“标准 + 规程 + 手册 + 案例”混合知识形态，系统对标准规范做条款切分与强制性条文抽取，对工艺规程按工序节点切分，对设备手册按故障现象与处理步骤切分，对 30 万条历史工单做“现象—原因—处置—耗时”结构化抽取。每一条知识片段都绑定来源文件、发布部门、生效与失效日期、密级标签，形成可追溯的知识单元，而不是一段无法溯源的文本。
问答结果强制返回条款级引用与原文定位，支持一键跳转原文；当检索命中的文件已过有效期或已被新版本替代时，系统主动提示并只引用现行版本，无法在知识库中找到依据的问题明确拒答并转人工。上线前用 1200 道覆盖水质、工艺、抢修、服务的评测题验证，条款引用正确率达 93.6%，有效杜绝了按旧版加药单操作的风险。
按集团—厂站—班组三级组织结构建立部门角色体系，知识库按行政区、厂站、岗位配置可见范围：管网 GIS 图纸与阀门台账仅对抢修与调度岗位开放，水质原始检测数据按厂站隔离，客户信息与用水数据在问答与智能体执行中自动脱敏。所有检索与调用行为留痕，支持按人、按智能体、按知识条目审计追溯。
平台提供可视化智能体设计器，将业务能力沉淀为知识检索、条款比对、管网拓扑分析、关阀方案生成、加药量计算、工单创建、通知推送、报表生成等 23 个可复用 Skill。智能体支持灰度发布、版本回滚与效果看板，运营人员可查看每个智能体的调用量、采纳率、人工改写率与闭环率，持续迭代提示词与工作流。
智能体通过工具注册中心对接 SCADA 实时数据、GIS 拓扑与阀门台账、水质在线监测、工单调度、营销收费、短信网关与企业微信，所有调用带身份透传与最小权限校验。以爆管抢修为例，智能体不只是给出建议，而是自动创建抢修工单、推送停水通知、向片区班组派单，并在修复后回填处置记录，真正把判断转化为业务动作。
平台以工作流引擎编排“事件触发—知识检索—参数计算—方案生成—人工确认—系统执行—结果回填”全链路，水质在线监测越限可自动触发处置工作流，2 小时内持续跟踪水质趋势并在未恢复时升级通知。项目共上线 14 条工作流，处置类任务自动闭环率达 62%，人工只需在关键节点确认。
针对污水厂工艺调优与二供泵房巡检等周期性场景，平台配置定时任务：每日 7:30 自动汇总 9 座污水厂的进水水质、溶解氧、污泥浓度与能耗数据，检索相似工况案例输出曝气与碳源投加建议；每 2 小时抽取二次供水泵房远传数据做趋势判断，发现劣化趋势自动生成巡检工单，把“越限报警”前移为“趋势预警”。
系统整体部署在集团自建数据中心内网，操作系统采用麒麟，数据库采用达梦与人大金仓，算力采用国产服务器，支持本地大模型私有化推理，并预留国内主流大模型对接通道，按场景做模型路由与降级；管网图纸与生产数据全程不出内网，满足等保三级与集团国产化改造要求。
项目实施范围
知识接入与治理：接入 11 个知识源、6.8 万份文档与 1.2 万张图纸，完成解析、条款级切分、结构化抽取、密级与有效期标注、版本比对与失效管理，建立两级知识审核流程。
可信检索问答：建设面向运行、抢修、化验、客服四类岗位的知识问答入口（Web、企业微信、移动端），支持条款级引用、原文定位、版本提示与无来源拒答。
智能体开发平台部署：私有化部署智能体设计器、Skill 编排、工具注册中心、工作流引擎、自动化与定时任务调度、发布管理与运营看板，支持智能体灰度发布与版本回滚。
业务系统集成：完成与 SCADA、管网 GIS、水质在线监测、工单调度、营销收费、短信网关、企业微信的接口对接与身份权限透传。
五类场景智能体建设：水质异常处置、管网爆管抢修调度、污水厂工艺调优、二次供水泵房巡检、报装与用水服务智能体，包含 23 个 Skill 与 14 条工作流。
权限与安全体系：按集团—厂站—班组三级组织结构配置部门角色管理，按行政区、厂站与岗位做数据权限隔离，敏感知识字段级脱敏，全量操作留痕审计。
信创与模型适配：操作系统采用麒麟，数据库采用达梦与人大金仓，中间件与算力采用国产服务器与加速卡，本地部署开源大模型作为主模型，同时预留国内主流大模型（通义千问、文心、DeepSeek 等）的对接通道，按场景路由与降级。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 第一阶段：调研与知识资产盘点 | 3 周 | 完成 6 个水厂、9 个污水厂、12 个供水分公司的业务调研，梳理 5 类高频场景与 11 个知识源清单，输出知识资产地图、场景优先级清单与权限矩阵初稿。 |
| 第二阶段：知识接入与治理 | 4 周 | 完成 6.8 万份文档与 1.2 万张图纸的解析与切分，建成条款级知识库与历史工单案例库，上线两级知识审核流程与版本失效管理，交付 1200 道评测题与首轮准确率报告。 |
| 第三阶段：平台部署与系统集成 | 4 周 | 完成智能体开发平台私有化部署与信创环境适配，打通 SCADA、GIS、水质在线监测、工单、营销、短信网关与企业微信接口，注册 23 个 Skill 与工具权限策略。 |
| 第四阶段：智能体开发与试运行 | 5 周 | 完成水质异常处置、管网爆管抢修调度、污水厂工艺调优、二次供水泵房巡检、报装与用水服务 5 类智能体及 14 条工作流的开发，在 2 个水厂、3 个污水厂、4 个供水分公司开展灰度试运行并迭代提示词。 |
| 第五阶段：全面推广与运营移交 | 2 周 | 完成全员培训与知识管理员认证，发布智能体运营看板与管理制度，正式全量上线并移交集团信息中心与各业务部门运营。 |
项目最终成果
水质异常处置形成自动闭环：在线监测越限后，智能体自动完成标准限值比对、工艺参数调取与加药调整建议生成，平均响应时间由 42 分钟降至 11 分钟，处置过程全程留痕可追溯。
管网爆管抢修调度效率显著提升：关阀方案与影响范围分析由平均 35 分钟缩短至 6 分钟，停水通知与派单同步完成，单次抢修平均受影响户数下降 28%，重复开挖情况基本消除。
污水厂运行由经验驱动转向数据加知识驱动：工艺调优智能体每日定时输出曝气与碳源投加建议，试点 3 座污水厂吨水电耗下降 3.2%，碳源投加量下降 6.8%，出水稳定达标率保持 100%。
二次供水泵房实现趋势预警：巡检智能体每 2 小时抽取远传数据做趋势判断，试点区域泵房非计划停水事件同比下降 34%，巡检由定期到场转为按需到场。
知识供给方式发生改变：一线人员通过企业微信即可检索条款级答案，工艺规程与标准检索时间下降约 70%，新入职运行人员独立值班的培养周期由 9 个月缩短至 5 个月。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 水质异常平均响应时间 | 42 分钟 → 11 分钟 | 由在线监测越限触发自动化任务，智能体完成标准比对与工艺参数分析并推送处置建议，值班长确认后写入运行日志并跟踪 2 小时水质趋势。 |
| 爆管关阀方案编制耗时 | 35 分钟 → 6 分钟 | 智能体调用管网拓扑分析与阀门台账，自动推算可关断阀门组合、影响小区与户数、预计停水时长，并同步创建工单与推送停水通知。 |
| 智能体月均执行任务量 | 1.9 万次 | 覆盖水质处置、抢修调度、工艺调优、二供巡检与用水服务五类场景，其中自动化任务与定时任务占比约七成。 |
| 处置类任务自动闭环率 | 62% | 工作流完成事件触发、方案生成、系统执行与结果回填全链路，人工仅在关键节点确认，其余环节由智能体自动完成。 |
| 知识问答条款引用正确率 | 93.6% | 基于 1200 道覆盖水质、工艺、抢修、服务的评测题验证，回答均返回条款级引用与生效版本，无来源问题按策略拒答转人工。 |
| 试点污水厂吨水电耗 | 下降 3.2% | 工艺调优智能体以定时任务每日输出曝气与碳源投加建议，试点 3 座污水厂碳源投加量同步下降 6.8%，出水稳定达标率保持 100%。 |
“我们做数字化很多年，最难的一步不是把数据接上来，而是让一线在关键时刻敢用、能用。HiNowly 给我们的价值有两层：一层是把散落在各处的标准、规程和老师傅经验，变成带版本、带出处、带权限的可信知识；另一层是让智能体真正走进业务流程，接报之后能算阀门、能出方案、能派单、能回填。现在夜班遇到水质波动，值班员的第一反应是打开智能体而不是打电话找人，这就是我们想要的变化。整套系统私有化部署在内网，图纸和生产数据不出门，这一点对公用事业企业非常关键。”
某大型城市水务集团 项目负责人