当前，我国正处在“十五五”迈向高质量发展的关键阶段，特种设备制造产业也迎来了向新质生产力转型的重要节点。特种设备的安全运行关乎人民群众生命财产安全，然而传统检验监管方式在效率、响应速度和智能化水平方面已难以适应现代应急管理需求。
为提升特种设备安全治理能力，推动检验监管模式创新，远舢智能作为国内先进工业AI大模型领军企业，深度参与由中国特种设备检测研究院牵头的国家重点研发专项计划，研发并推出了基于知识图谱与大模型深度融合的新型智能辅助决策系统。
该系统创新性地采用了“知识图谱+Agentic RAG”融合架构，将晦涩的行业知识转化为可计算、可推理的智能体，即使在数据有限的情况下，依然能为复杂业务场景提供精准洞察与决策支持，同时还能确保全流程的安全可控，有效推动诸如电梯、大型游乐设施、长管拖车等典型特种设备检验、监管及应急处置等关键环节实现智能化跃迁。
针对特种设备监管领域长期存在的专业知识门槛高、历史案例利用率低、应急处置依赖经验等核心痛点，远舢团队基于在产业一线的深厚积累和对特定行业场景的深刻洞察，主导构建了特检领域智能辅助决策系统的三大核心能力：
l 智能问答：支持监管人员使用自然语言直接提问，系统基于构建的专业知识图谱与本地化部署的大模型，快速生成精准、可信的设备原理、法规要求、操作规范等专业答案，极大提升了信息获取与理解的效率。
l 案例推荐：借助知识图谱关联与向量化检索技术，系统能够智能匹配并推送高度相似的历史案例，为监管决策提供精准、可溯源的参考依据。
l 智能决策：融合法规条款、风险数据、历史案例等多源信息，系统可自动生成设备风险画像、应急处置建议以及合规的处罚措施方案，全面提升监管决策的科学性、规范性与一致性。
该系统以“远舢OS”为核心底座，依托多项关键技术构建了高度场景化的AI Agent能力。在知识构建层面，系统基于远舢AI大语言模型与图数据库（Neo4j），复杂的设备机理、法规标准和专家经验可转化为结构化的知识图谱，为Agent提供可计算、可推理的认知底座，并采用开源大模型DeepSeek进行本地化部署与领域微调，显著提升了模型在特种设备专业场景下的语义理解准确性与答案生成可靠性。通过引入Agentic RAG机制，系统实现了知识图谱的结构化检索与大模型生成能力的高效协同，大幅增强了问答、推荐与决策过程的可解释性与实用性。同时，基于Milvus向量数据库实现了语义级案例检索，有效提升了相似案例的匹配效率，为智能推荐与经验复用提供了坚实支撑。在系统部署层面，全面采用Docker与Kubernetes容器化架构，保障了系统在复杂工业环境下的高可用性、高并发支持与弹性扩展能力，形成了一套从知识构建、语义理解到智能推理与服务交付的全链路AI Agent技术体系，全面保障了系统在敏感业务环境中的稳定运行与数据安全。
目前，该智能辅助决策系统已在多家特种设备检验机构成功开展试点应用。数据显示，该系统在智能问答与案例推荐等核心功能方面的准确率均稳定在90%以上，不仅达到了国家重点研发计划的任务指标要求，更是在实际业务中显著提升了检验效率与监管决策的智能化水平。监管人员可通过自然语言直接获取专业解答，系统推送的相似案例为复杂决策提供了有力支撑，而基于多源数据融合的风险评估与处置建议，则进一步推动监管工作更加科学规范。
远舢携手中国特种设备检测研究院通过构建覆盖特种设备监管全流程的智能知识服务体系，持续强化国家特种设备安全管理的技术支撑能力，为行业数字化转型提供了可复制、可推广的实践路径，助力产业实现高质量与可持续发展。未来，远舢将基于远舢OS数字底座，继续深化垂类大模型的技术创新与场景拓展，推动AI技术在更多关键业务场景中创造价值，助力中国工业智能化迈向新的高度。
