私域垂类大模型与业务智能体（Agent系统

需求详情

需求内容：依托政府在算力基础设施及AI人才引进方面的政策支持，构建面向制造业的私域垂类大模型与业务智能体（Agent）系统。1、私域大模型搭建：利用政府提供的AI算力支持，结合我司沉淀的生产制造数据、行业规范与工艺标准，对通用大模型进行微调与私有化部署，形成适配新能源装备制造行业的垂类模型，支撑以下应用场景：1、技术规范合规检查：自动识别图纸、工艺文件与国标/行标的合规性；2、需求清单辅助建议：基于历史项目数据，智能生成需求描述与方案建议；3、安全规程智能问答：一线人员可通过自然语言查询安全操作规程；4.技能图谱构建：梳理岗位技能要求，建立员工能力成长路径；⑤成本估算分析：基于历史项目数据，智能估算项目成本与工期。2、业务智能体（Agent）系统：基于“Agent=Model+Harnes”框架，构建可自主执行复杂制造业任务的智能体，包括工艺参数优化、设备故障预警、生产排程辅助等，直接赋能生产制造业务。3、行业数据积累与复用：将我司多年沉淀的生产制造数据、业务人员经验、流程框架进行结构化治理，支撑模型训练与智能应用迭代。拟解决的痛点问题：1、AI人才短缺，制造业+AI落地难。我司处于新能源装备制造业转型升级关键期，亟需引入掌握大模型与Agent技术的AI人才。然而，制造业薪资体系对顶尖AI人才吸引力有限，且我司缺乏系统性的AI知识积累，导致“想用AI但没人会用”的困境。政府如能提供AI算力补贴及人才引进政策支持，将大幅降低我司AI建设的门槛。2、生产制造数据分散，业务经验难以复用。我司多年积累了大量生产制造数据、工艺参数、项目经验，分散在各部门和个人手中，尚未形成可被AI系统调用的结构化知识库。亟需通过数据治理与垂类模型建设，将隐性经验转化为显性知识，实现“数据驱动决策”。3、制造业场景碎片化，AI应用落地成本高。新能源装备制造工艺复杂、场景碎片化，通用AI方案无法直接适配，需要针对行业特点进行大量定制化开发。政府如能协助对接算力资源及行业AI解决方案商，将有效降低我司的AI应用开发成本，加速智能化转型落地。场景建设预期成效：1、研发效率提升：AI辅助设计/代码助手使工程研发效率提升30%以上；2、质量检测智能化：智能质检系统实现产品缺陷自动识别，检出率≥98%；3、设备运维预测化：预测性维护提前发现设备隐患，减少非计划停机；4、知识复用最大化：沉淀的工艺经验、行业数据通过AI系统持续复用，减少人员流动带来的知识断层；5、人才培养周期缩短：技能图谱+AI问答系统，新人上岗周期缩短50%；6.智能决策支持：生产排产、工艺参数等核心决策环节有AI数据支撑，决策准确率提升。