《高可靠核电“双擎AI”焊接管理赋能平台》——中国核工业第五建设有限公司智能产品研发部陈佳丽

2025年11月14日，中国核工业第五建设有限公司智能产品研发部陈佳丽在深圳核博会“AI+核能创新应用场景路演”上发表《高可靠核电“双擎AI”焊接管理赋能平台》主旨报告。

汇报介绍了面向核电焊接场景的“双擎 AI 焊接管理赋能平台”，旨在解决传统焊接管理中数据价值难挖掘、经验依赖强、系统操作复杂等问题。平台结合大模型、知识库、意图识别、MCP 技术和派工推荐算法，实现焊接知识问答、指标计算、个性化看板、资质风险分析和派工人员推荐等能力。汇报最后展示了部分实践成果，并强调该技术具备低门槛、快复制、强适配和推广价值。

关键点
1. 汇报主题与背景（00:09）
汇报人来自中国核工业第五建设有限公司，主题为“高可靠核电双擎 AI 焊接管理赋能平台”。中核五公司拥有约三十年的核电焊接经验，汇报围绕问题发现、技术方案和实践成果展开。

2. 传统核电焊接管理的三类痛点（00:42）
传统管理中存在海量数据难以挖掘潜在价值、新老员工知识传承存在风险、派工数据量大且高度依赖经验等问题。同时，核电现场系统较多，简单需求往往也需要复杂流程才能完成。

3. 六大核心需求与AI决策目标（01:29）
平台需求包括快速解析工艺参数、精准匹配工艺资质、高效处理多源异构数据、构建个性化数据分析看板、减少人工干预以及降低系统操作复杂度。汇报提出利用 AI 对多元数据处理、关键特征识别和规则模型推理的能力来实现智能决策。

4. 技术组合与主要服务能力（02:10）
方案选择 DeepSeek 与 DBGPT 的技术组合，用于构建复杂知识库并适配核电焊接复杂场景。平台主要响应焊接专业名词解释、专业知识解答、派工指标计算、派工人员推荐以及系统操控等五类用户需求。

5. 意图识别与知识架构设计（03:11）
系统通过在提示词中嵌入意图示例，对用户问题进行分类并识别精准意图，再通过槽位提取识别关键词，例如年份和工作效率等查询条件。知识架构方面，平台处理大量 PDF 等非结构化数据，将复杂离散数据转化为向量表示，并构建图数据、动态知识推理引擎和指标库，以提升焊接信息抽取效率。

6. MCP驱动的系统自动执行（04:19）
平台在系统操作中采用 MCP 技术，使 AI 能理解用户需求并驱动系统自动执行相关操作，从而降低人工操作复杂度。

7. 派工人员推荐算法（04:28）
派工推荐算法分为粗排序和精排序两个阶段：粗排序包含四大规则，精排序采用三种策略。方案通过机器学习算法构建动态能力画像和数据闭环管理，并结合自然语言解析和爬虫识别等方式分析派工数据。

8. 智能体与资质风险分析成果（05:01）
平台遵从 MCP 和 A2A 协议构建智能体，并展示了智能焊接管理系统自动操控案例。系统可通过实时 API 调用资质数据，查询指定人员资质详情并分析资质风险，支持动态追问和个体数据深度分析，形成 7×24 小时在线的智能助手。

9. 焊接知识图谱与专业问答（06:13）
平台构建了焊接知识图谱，将焊工资质、焊接工艺、任务需求等要素形成有机网络。通过 embedding 技术处理海量非结构化焊接数据，系统能够针对焊接标准、弯曲角度、允许深度等专业问题给出回答。

10. 指标计算与个性化看板（07:27）
平台能够对焊接任务派工指标进行计算，例如计算焊工平均工作效率并生成排序结果。系统可输出 SQL 语句、折线图和数据表等形式，并根据焊工班长、焊工队长、领导、烘干员、焊工等不同角色生成千人千面的分析看板。

11. 派工推荐实践成果（08:43）
最终的焊接任务派工人员推荐基于某项目五百条脱敏数据进行训练和排序。系统能够预测焊工合格率，并根据推荐结果给出每人完成任务的完成页及所需时间等分析结果。

12. 推广价值与总结（09:44）
汇报提出平台推广遵循效率和成本双维度量化原则，并希望与专家领导交流。汇报强调该技术具有低门槛、快复制、强适配等特点，并具备技术经济方面的支撑。

时间线
00:09 - 汇报开场，介绍汇报人、所属单位和平台主题，并说明将围绕问题与技术方案展开。
00:37 - 从公司核电焊接经验出发，梳理传统焊接管理中的数据、人员传承、派工和系统操作问题。
01:29 - 基于痛点提出核心需求，并引出利用 AI 处理多元数据、识别特征和支持智能决策的总体思路。
02:10 - 介绍技术选型、目标能力和面向用户的五类服务场景，包括知识问答、指标计算、人员推荐和系统操控。
03:11 - 进入技术实现部分，说明意图识别、槽位提取、非结构化数据处理、知识架构和系统自动执行的实现路径。
04:28 - 重点讲解派工人员推荐算法，包括粗排序、精排序、机器学习画像和派工数据处理方式。
05:01 - 展示实践成果，先说明智能体构建和系统自动操控能力，再演示资质数据查询、风险分析和动态追问。
06:13 - 继续展示焊接知识图谱和专业问答能力，说明系统如何利用知识网络回答焊接标准相关问题。
07:27 - 展示派工指标计算和数据看板能力，包括工作效率计算、排序输出以及不同角色的个性化分析报表。
08:43 - 展示基于脱敏项目数据训练的派工推荐结果，并说明可预测合格率和完成任务所需时间。
09:44 - 汇报收尾，提出平台按效率和成本双维度推广，并强调技术具备低门槛、快复制和强适配特点。

AI 延伸阅读(下文由AI生成，其内容可能存在偏差，请注意甄别)：

高可靠核电“双擎AI”焊接管理平台：以智能决策重塑核电焊接管理

2025年11月14日，在深圳核博会“AI+核能创新应用场景路演”上，中国核工业第五建设有限公司智能产品研发部陈佳丽发表《高可靠核电“双擎AI”焊接管理赋能平台》主旨报告，介绍了中核五公司面向核电焊接管理场景建设智能化平台的背景、技术路线、应用成果与推广价值。该平台依托中核五公司近三十年核电焊接管理与工程实践经验，将长期积累的业务数据、专业知识和现场场景转化为智能化能力，目标是以数据驱动和智能决策打破传统经验式派工模式，推动核电焊接管理向科学化、高可靠和自动化方向升级。

报告指出，传统核电焊接管理长期面临多重痛点。一方面，焊接业务积累了大量工艺、资质、任务、人员和质量数据，但由于数据形态复杂、系统分散、分析手段有限，其潜在价值难以充分释放；另一方面，现场管理高度依赖资深人员经验，新员工培养周期长，经验传承存在断层风险。核电焊接派工本身又涉及焊工资质、工艺条件、任务要求、施工环境、历史表现等多维因素，传统人工派工不仅工作量大，而且容易受到经验差异影响。虽然现场已引入若干信息系统，但在智能化、自动化和业务深度融合方面仍有不足，多个系统之间操作流程复杂，简单需求也常常需要经过繁琐步骤才能完成，影响管理效率和响应速度。

围绕这些问题，平台提出六类核心需求：能够快速解析焊接工艺参数，降低人工查阅和判断成本；能够精准匹配工艺、资质与任务要求，提高派工准确性；能够处理结构化、半结构化和非结构化等多源异构数据，解决数据分散和格式不统一的问题；能够为不同岗位生成个性化数据分析看板，实现面向焊工班长、队长、管理领导、烘干员和焊工等角色的“千人千面”展示；能够通过AI自动完成解析、推荐、查询和执行，减少重复性人工干预；还能够借助自然语言交互和智能体能力，让用户用简单指令完成原本复杂的系统操作。

在技术路线上，平台采用“DeepSeek+DB-GPT”的双擎组合，兼顾大模型的自然语言理解、复杂推理、知识问答能力，以及面向业务数据的深度交互、知识库构建和数据问答能力。DB-GPT主要用于复杂知识库搭建和数据交互场景，支撑业务数据查询、分析和问答；DeepSeek V3、R1等大模型则面向核电焊接的复杂专业场景，承担专业知识理解、逻辑推理、意图识别和自然语言交互等任务。通过大模型与数据智能能力结合，平台能够识别多元数据中的关键特征，并在规则模型和知识体系支撑下实现更可靠的智能决策。

平台面向现场用户设计了多类典型应用场景，包括焊接专业名词解释、焊接工艺与标准规范问答、派工指标自动计算、派工人员智能推荐以及系统智能操控等。用户可以用自然语言询问焊接术语、标准要求、质量控制规定，也可以查询焊工效率、任务完成情况、合格率等指标，还可以根据任务条件、人员资质、历史表现和业务规则获得焊工推荐。对于系统操作，平台通过自然语言指令调用后台能力，实现资质查询、风险分析、报表生成、数据统计等功能，降低一线人员使用信息系统的门槛。

在关键技术实现方面，平台首先通过在提示词中嵌入意图示例，将用户问题划分为不同类型，实现较精准的用户意图识别；随后利用槽位提取和关键词识别，从自然语言中抽取年份、人员、指标名称、任务条件等关键字段，为后续查询、计算和推荐提供输入。针对大量PDF文档、标准规范、工艺资料等非结构化焊接数据，平台通过技术处理将其转化为可检索、可推理的数据资源，并以向量化方式把高维、离散、复杂的信息转化为低维、连续的语义表示，提高焊接信息抽取和知识检索效率。同时，平台构建焊接知识图谱、动态知识推理引擎和指标库，使工艺、标准、人员、资质、任务和质量结果之间形成可关联、可追溯、可推理的知识体系。

报告还介绍了MCP技术在平台中的应用。通过MCP，AI不仅能够理解用户提出的服务需求，还能够进一步驱动系统自动执行相关操作，增强智能体对业务系统的操控能力。平台结合自然语言解析、数据爬取和业务规则识别等方式处理派工相关数据，为算法训练、规则匹配和推荐排序提供支撑，从而让AI从单纯问答工具转变为能够参与业务流程执行的焊接管理智能体。

在派工人员推荐方面，平台设计了两阶段推荐框架。粗排序阶段基于四类业务规则进行初步筛选，排除不满足任务条件、资质要求或其他约束的人员，以保证推荐结果符合核电焊接的基础合规要求；精排序阶段则采用多种机器学习策略，对候选焊工进行更细致排序。平台会综合焊工资质、历史任务、工作效率、一次合格率、任务完成情况等数据，形成动态能力画像，并通过任务执行结果持续反哺模型，形成数据闭环，逐步优化推荐准确性和现场适配性。

实践成果显示，该平台已按照MCP和A2A协议构建焊接管理智能体，可支持专业知识问答、系统自动操控和数据分析等功能。例如，在智能焊接管理系统中，用户可以通过自然语言实时调用API查询指定人员资质详情，系统能够进一步分析资质风险，并支持围绕同一对象进行动态追问。平台还可作为7×24小时在线智能助手，持续为现场提供知识查询、数据整理、指标计算和辅助决策服务，将人员从繁琐的数据汇总和重复查询中解放出来，使焊接管理过程更直观、判断更精准。

在焊接知识问答方面，平台基于焊接知识图谱和Embedding技术处理海量非结构化资料，能够回答标准规范和工艺问题，并给出相应依据。例如，对于柱焊弯曲角度要求、手工焊咬边允许深度等专业问题，系统可结合ISO、GB/T等标准内容进行解释和引用。在数据分析方面，平台能够自动计算焊工平均工作效率等派工指标，完成排序分析、公式代入和数据结构校验，并可根据需要生成SQL语句、图表看板和数据表等多种形式的结果，方便用户查阅、复核和进一步分析。

个性化分析看板也是平台的重要成果之一。平台能够根据不同角色的职责和关注重点生成差异化报表：管理领导更关注整体效率、质量趋势和资源配置情况，焊工队长与班长更关注任务进度、人员安排和异常风险，烘干员关注焊材管理和工艺执行相关数据，焊工则更关注个人任务、资质状态和工作表现。通过这种角色化展示方式，平台让不同层级用户都能快速获得与自身工作相关的信息，提高数据使用效率。

在派工推荐验证中，平台基于某项目约500条脱敏数据开展训练和排序测试，完成了焊工推荐、合格率预测、完成页数预测和所需时间预测等功能验证。这表明平台不仅能够用于知识问答和数据查询，也具备面向现场派工决策的实际支撑能力。随着数据规模扩大和反馈闭环完善，推荐模型有望进一步提升准确率和稳定性，为核电焊接任务分配提供更科学的依据。

从推广价值看，该平台以效率提升和成本降低为核心衡量原则，具备低门槛、快复制、强适配等特点，适合在不同核电焊接管理场景中推广应用。通过智能派工、专业知识问答、自动指标分析和系统智能操控，平台能够提升现场管理效率，减少人工重复劳动，降低管理成本，并增强焊接决策的可靠性与透明度。报告最后表达了与行业专家和领导进一步交流的意愿，希望通过持续优化和场景落地，推动高可靠核电“双擎AI”焊接管理平台在核电焊接领域发挥更大作用。