AI智能运维解决方案

核心建设内容与业务流程

1. 建筑本体知识建设

本体知识把建筑对象和关系表达清楚，使AI知道设备属于哪个系统、点位代表什么含义、告警影响哪些区域。

• 空间、系统、设备、部件、点位和事件关系建模。
• 规则、阈值、预案和操作边界整理。
• 高频问题和历史工单知识化。

2. 运维问答与状态查询

值班人员可以用自然语言查询设备状态、告警趋势、能耗异常和工单记录。查询结果应能追溯到来源数据。

• 查询某楼层、某设备或某系统当前状态。
• 查询近一周重复告警和未闭环工单。
• 生成值班摘要和运行日报。

3. 告警归因与影响分析

告警发生后，AI结合实时状态、历史曲线、空间关系和历史工单，给出可能原因和核查路径。

• 分析告警可能原因和关联设备。
• 判断影响范围、风险等级和责任班组。
• 推荐核查步骤和相似案例。

4. 策略建议与审计执行

AI可以提出策略建议，但执行必须进入人机协同流程。

• 建议调整运行模式、巡检任务或工单处理方式。
• 关键动作人工确认后执行。
• 记录建议、确认人、执行结果和回采数据。

产品功能建设清单

AI智能运维产品功能要围绕“可解释、可追溯、可确认、可审计”建设。

1. 建筑本体建模功能

本体功能让AI理解建筑对象之间的关系，而不是只读文本。它决定AI能否把告警和真实设备、空间、系统联系起来。

• 建立建筑、楼层、房间、系统、设备、部件、点位、事件和人员角色关系。
• 维护点位含义、单位、阈值、读写属性、控制边界和关联规则。
• 支持本体版本管理、审核发布和变更影响分析。

2. 运维知识库功能

知识库应沉淀制度、手册、预案、历史工单和专家经验，并能与实时数据结合。

• 导入设备说明书、操作规程、应急预案、巡检标准和维修记录。
• 把高频告警整理成原因、影响、核查步骤、处置建议和风险提示。
• 知识更新需要审核、版本和适用范围，避免过期经验误导现场。

3. 自然语言查询功能

查询功能要返回可追溯答案，而不是泛泛回答。每个回答应能说明数据来源。

• 查询某设备当前状态、历史曲线、近期开停机、告警和工单。
• 查询某区域未闭环问题、重复告警、能耗异常和巡检情况。
• 生成值班摘要、运行日报、事件说明和设备健康摘要。

4. 告警归因与影响分析功能

告警归因要结合实时数据、历史趋势、设备关系、空间关系和历史案例。

• 对告警给出可能原因、相关点位、影响区域、风险等级和核查顺序。
• 推荐相似工单、历史处置方式、相关设备和下一步检查项。
• 输出必须标明依据，无法判断时应提示需要人工核查，而不是强行给结论。

5. 人机协同与审计功能

AI建议进入执行前必须经过权限和风险校验。平台要记录建议、确认、执行和结果。

• 区分可查询、可建议、需确认、禁止执行四类能力边界。
• 关键动作生成待确认任务，由授权人员审批后通过IBMS或工单执行。
• 记录AI建议、引用依据、确认人、执行结果、回采数据和复盘评价。

6. AI评估与安全护栏功能

AI智能运维上线后需要持续评估，不应只看回答是否通顺。平台应记录命中、采纳、驳回和误判情况，用于优化知识和规则。

• 对每次AI解释记录告警类型、引用数据、建议动作、人工反馈和最终结论。
• 对高风险系统设置回答边界，例如消防、配电、医气、电梯等只给核查建议，不直接生成控制动作。
• 对低置信度或数据不足的情况，AI应提示需要人工核查，并列出缺失数据。

7. 报告生成与知识运营功能

AI还应承担运维知识沉淀工作，把值班记录、事件复盘和月报生成变成可审核的生产流程。

• 根据告警、工单、巡检和设备状态生成值班摘要、事件说明、设备健康报告和月度复盘草稿。
• 报告内容应保留数据来源和人工修改记录，避免不可追溯的自动结论。
• 复盘后形成新的知识条目、规则优化和相似案例，进入审核发布流程。

典型闭环场景

• 告警解释：告警触发、AI归因、人工确认、工单处理、知识沉淀。
• 状态查询：自然语言提问、数据检索、来源引用、报告生成。
• 策略建议：AI建议、权限校验、人工确认、执行回采。
• 知识更新：复盘问题、更新规则、审核发布、下次复用。