夜雨聆风学习资料网

ARTICLE · 1264288

【前瞻方案】懂安全的AI工作台建设方案

【前瞻方案】懂安全的AI工作台建设方案
真正“懂安全”的AI工作台,不是把Chat框嵌进EHS系统,而是以DeepSeek DSH(DeepSeek Harness,“一切皆插件”)为底座,把安全人的法规、隐患、事故、培训、应急等专业工作流拆成可编排的Agent能力,让AI读得懂企业制度、看得懂现场照片、跑得通整改闭环。 

一、底座层:DSH本地化部署与隔离边界

DSH不是聊天器,是Agent Harness——模型负责想,Harness负责让AI读文件、调工具、跑Shell、管会话。安全数据敏感,部署守三条线:

•本地优先:npx @deepseek-ai/dsh web 起本地服务(默认127.0.0.1:3080),API Key存本地 ~/.dsh,不触公网。

•云端隔离(企业级):用1Panel或Lighthouse容器化部署,挂只读根文件系统,Workspace显式挂载,Agent只能写指定目录,杜绝“顺手删了全厂台账”。

•模型可换:Settings→Models里配DeepSeek API,也可切自营Qwen/GLM,避免单一厂商绑定。 

二、工作区层:把“企业安全家底”变成AI的上下文

DSH的Workspace=AI的“办公桌面”。安全人要做的是把散落资料结构化进库:

•制度标准库:GB 6441、ISO 45001、企业安全责任制、作业许可SOP、属地检查表。

•案例库:本企业历年事故/虚惊事件、行业典型事故树(FTA)、承包商违章记录。

•现场感知层:巡检照片、监控截帧、传感器CSV(气体/振动/温度)、数字孪生轻量模型(GLTF/BIM轻量包)。

•规则编码:把“隐患整改优先顺序=消除→替代→工程→管理→PPE”写成系统提示词与校验脚本。

●关键点:Workspace选错,AI就是瞎子。首次启动必须手动选Workspace,否则输入框不可用——这是DSH的强制安全设计。 

三、插件/Skill层:把安全专业封装成可复用技能

DSH的“Everything is a Plugin”意味着左侧导航、Skill、工具、调度全是插件。

安全人优先造这7个Skill(参考你附文与EHS Skill实践):

1.隐患识图Skill:传现场照→输出“事实描述/危险源/可能后果/现有措施/本质安全建议/工程控制/管理控制/整改责任人模板”。

2.法规消化Skill:丢入新发法规PDF→提炼发布日、生效日、核心变化、适用条款、对本企业工序影响、需修订的制度清单。

3.JSA/SOP生成Skill:输入作业名称→基于GB/T 6441与行业JSA模板出工作安全分析表。

4.事故复盘Skill:导入事件经过→自动画时间线、做故障树、比对历史相似案例、给根本原因分析(RCA)草稿。

5.合规评价Skill:输入评价范围→从法规库检索条款→对照现状出合规判定表→一键Word。

6.培训材料Skill:按岗位(焊工/有限空间/承包商)生成题库、案例讲义、考试卷。

7.月报周报Skill:聚合隐患闭环率、未遂事件趋势、检查问题分布→出管理层可读的安全态势摘要。 

Skill本质=“资深安全工程师的经验字节化”。一个“作业票审核Skill”被50个项目经理调用,老法师的能力就被放大50倍。 

四、多Agent编排层:从“单聊”到“虚拟安全组”

DSH支持Subagent委派,主Agent拆任务、子Agent并行干。

对应安全生产,可组一支“虚拟安全工作组”(参照河南理工灾害应急多智能体思路):

•风险情报Agent:盯传感器+巡检+维保记录,识别重复隐患模式。

•合规Agent:监测法规变更、内审问题、到期日,审计前主动报缺口。

•作业许可Agent:开工前自动核工种资质、隔离要求、措施完整性。

•事故调查Agent:收拢证据、比对案例、草稿根因,人审终稿。

•整改追踪Agent:按风险优先级排期,逾期升级推送至属地主管。

•应急推演Agent:接数字孪生,模拟危化品泄漏扩散/疏散,给多套处置方案。 

主Agent用send_message/interrupt_agent控子Agent,全程session留痕,满足审计可追溯。 

五、业务贯通层:接进现有安全治理体系

AI工作台不是孤岛,要嵌进你前几轮聊的“本质安全—责任—数字化监控—培训文化—供应链—应急改进”六环模式:

•责任体系:Agent按“园区→车间→班组”四级网络派单,整改超时自动抄送一把手。

•数字化监控:DSH通过MCP/API拉取智慧安全平台告警,AI做告警研判降误报,不替代DCS但做“告警翻译官”。

•供应链协同:供应商EHS承诺书、外包人员资质扫描进库,入场前AI比对黑名单与持证状态。

•培训文化:AI按违章画像推定制课,考试合格才解锁对应作业票申请。 

六、治理与边界层(安全人必看的四道闸)

1.Human-in-the-loop:事故结论、停机器指令、合规判定——AI出草稿,人点确认,绝不自动闭环。

2.数据脱敏:Workspace里的工艺参数、人员健康数据,Skill处理前先过脱敏,禁止进公网模型训练。

3.版本与回滚:DSH仍在开发者预览,插件API会变;自有Skill进Git版本化,Workspace每日增量备份。

4.责任不转移:AI预警了、人没动,板子打人;AI没预警、模型漏判,板子打模型供应方+评审人。第一责任人永远是企业主要负责人。 

七、落地节奏:90天跑通“安全人自己的工作台”

•第1–2周:本地起DSH,挂个人Workspace(制度+去年事故案),跑通“隐患识图+法规提炼”两个Skill。

•第3–6周:造JSA、合规评价、月报Skill,把周例会材料生成时间从1天压到1小时。

•第7–10周:容器化上内网测试机,接企业制度库与巡检照片库,邀3个车间安全员试用。

•第11–14周:加Subagent编排(风险+整改+合规三Agent),对接现有隐患系统API做只读拉取。

•持续:把重复问题沉淀为集团级Skill,同隐患多基地复发时AI主动弹“系统性管理缺陷”提醒。 

以前安全人“一个问题找一个工具”,以后“一个工作台解决一整类问题”。DSH给的不是一个成品安全系统,而是让你亲手把多年经验编译成组织能力的入口——这才是“懂安全”的AI工作台:不是它多能聊,而是它越用越像你们厂那个最较真的安全总监。

 往期精选:

1.“工业互联网+安全生产”应用成果综述

2.【政策解读】央企安全十条硬措施解析

3.【前瞻方案】华为安全生产模式深度解析

相关学习资料