夜雨聆风
来源：中国能源研究会核能专委会
编者按：
近年来，全球核能领域数字化转型风头正劲，推动人工智能与核能产业的深度融合，不仅是响应国家“人工智能+”行动部署的具体实践，也是我们构建现代核能体系、实现安全高效发展的必由之路。中国能源研究会积极响应时代命题，在2025年能源行业人工智能创新技术应用案例征集活动中，特设置了“AI+核能创新应用场景”的征集方向。
自启动以来，活动得到了业界、学界以及科技企业界的广泛响应，共收到来自全国49家单位的数百份场景方案，覆盖从设计建造、运维管理、安全监管到燃料循环、公众沟通、前沿材料等全链条环节，充分展现出这一交叉领域的蓬勃活力与广阔前景。经过多轮严谨的研讨与遴选，我们从众多优秀场景中筛选出了100项代表性场景，并在此基础上通过进一步交流与遴选，最终优选出了30项具有前瞻性、创新性和实践价值的场景作为本次征集活动的最终推荐成果。现将这30项“AI+核能创新应用”推荐场景案例进行集中展示，以供探索核能领域AI场景应用的单位和同行互相学习与提高。
用户输入缺陷问题描述，系统自动检索相关QDR记录，并生成结构化分析报告。
2. 智能问答与决策支持
系统能够理解用户关于设备异常、故障原因和处理措施的各类问题，提供基于历史数据的智能解答。
3. 知识挖掘与趋势分析
基于积累的QDR数据，系统能够进行深度知识挖掘，发现设备缺陷的规律性和趋势性特征。
（1）知识库构建与动态更新技术
针对QDR数据的结构化特征，设计了专用的知识抽取与组织方案。通过解析Excel表格数据，将每条QDR记录转换为标准化的文本格式，使用特定分隔符保持记录完整性。
（2）语义解析与查询理解技术
开发了基于深度学习的语义解析引擎，能够准确识别用户查询意图。采用BERT+BiLSTM+CRF的联合模型架构，实现实体识别和意图分类的双任务学习。针对核电领域专业术语，训练了领域自适应预训练模型，提升语义理解准确性。
（3）检索增强生成（RAG）优化方案
针对传统RAG在专业领域效果不佳的问题，设计了多阶段检索优化方案。
（4）多步任务链与大模型协同技术
采用任务分解策略，将复杂问答任务分解为序列化子任务。每个子任务由专门优化的提示词模板驱动大模型处理，确保输出格式标准化和内容高质量。
（5）领域自适应与提示词工程。针对核电领域专业性强特点，设计了领域适应的提示词模板体系。通过少量样本学习和思维链提示，引导大模型生成符合领域要求的输出。
2. 创新亮点
创新点一：领域知识增强的RAG架构。针对核电领域专业性强、术语多的特点，创新性地将领域知识与RAG技术结合，在检索前增加查询理解和语义扩展环节，在生成阶段引入领域约束和输出控制，显著提升专业领域问答的准确性和可靠性。
创新点二：多步任务链分解技术。将复杂问答任务分解为序列化子任务，通过多次调用大模型实现精准的内容生成和控制。
创新点三：动态查询解析引擎。开发了基于多规则融合的查询解析引擎，能够自动识别用户查询中的各类条件要素（电厂、机组、设备、时间等），并将其转换为结构化查询条件。
创新点四：大规模知识库高效管理。针对30万条QDR数据的大规模知识库，设计了分布式索引和增量更新机制，支持海量数据的快速检索和定期更新。
创新点五：多模态知识处理能力。系统支持文本、表格、公式等多种知识形态的统一处理和维护。
创新点六：可配置的输出控制系统。设计了可灵活配置的输出控制机制，通过模板化提示词精确控制大模型输出的格式、长度和内容范围，确保生成结果符合业务要求且易于前端展示。
预计可将技术人员的平均信息检索与分析时间从目前的30分钟以上缩短至5秒以内，效率提升超过90%。
2. 决策质量与可靠性增强
通过提供全面、准确、可溯源的智能分析结论，预期将大幅提升缺陷处理、维修策略制定等决策的科学性和可靠性。
3. 知识沉淀与传承创新
构建企业级统一的知识库与智能问答体系，预计可实现隐性知识的显性化沉淀与系统化传承。新员工培养周期有望缩短40%以上，有效缓解人才断层压力。
本场景案例，构建的基于大语言模型的检修数据智能搜索系统，实现对多源数据的统一接入、语义解析与智能分析。支持用户通过自然语言进行查询，具备关键词智能拆解、语义联想与上下文识别能力，可迅速检索相关历史数据与文档，围绕用户问题自动生成归纳性分析结论。显著提升数据利用效率和决策智能化水平。
完成单位：中广核智能科技（深圳）有限责任公司&中广核核电运营有限公司
主要完成人：张光昱、石子念、李孟瀚、廖锦颖、凡成城
