【数智化案例展】吉林省消防救援总队——基于大语言模型的119智慧助手

‍

嘉诚信息案例

本项目案例由嘉诚信息投递并参与数据猿与上海大数据联盟联合推出的《2024中国数智化转型升级创新服务企业》榜单/奖项评选。

大数据产业创新服务媒体

——聚焦数据 · 改变商业

---

随着信息时代的迅猛发展，消防人员正面临前所未有的知识爆炸挑战。为了高效过滤和筛选海量信息，以节省宝贵的学习时间并提升效率，我们积极构建了一个专注于消防领域的大模型。该模型不仅整合了广泛的知识资源，还通过大语言模型技术，实现了消防行业知识库的智能问答系统。这一创新平台为消防救援人员提供了准确、及时的信息支持，显著减轻了他们的学习负担。

在项目的建设过程中，已成功实现了两种核心场景的应用。首先，收集了大量关于燃气安全的资料，这些资料涵盖了书籍、文献、政策、规范等多元化类型与来源。通过突破本地非结构化数据加载的壁垒，实现多模态信息的融合，并借助先进的语义理解和知识图谱技术，为消防人员提供了最优化的问答解答。

其次，进一步拓展知识库的深度和广度，收集了包括法律法规、设施规范等在内的多类型、多来源数据。通过对深度学习算法的持续优化，提升了智能问答系统的性能，为用户提供了更为丰富和精准的学习资料。这一项目的成功实施，不仅为消防人员提供了强大的知识支持，也展现了信息技术在公共安全领域的巨大潜力和价值。

时间周期：

开始时间：2023年7月

1. 项目启动与需求分析 (2周) 2023年7月

2. 系统设计与原型制作 (4周) 2023年7月-8月

3. 内容收集与整理 (8周) 2023年8月-10月

4. AI模型开发与训练 (10周) 2023年10月-2024年1月

5.系统开发与集成 (12周) 2024年1月-4月

6. 内部测试与优化 (4周) 2024年4月-5月

7. 公测与反馈收集 (4周) 2024年6月

截止时间：2024年6月

数智化需求

一、业务需求

119智慧助手满足多样化的用户需求，提供及时、准确、全面的消防知识服务，同时需要有完善的内容管理和技术支持体系，以确保系统的正常运行和持续优化。还应遵循相关法规和标准，确保合规运营。这样的系统可以在普及消防知识、提高消防安全意识和支持消防救援工作方面起到重要作用。

119智慧助手的业务需求分析主要涉及以下几个方面：

1、用户需求

实时问答服务

消防人员：提供专业的消防救援知识、操作规程、装备使用等方面的实时问答支持。

2、内容需求

丰富的知识库：消防法规、操作规程、装备使用、灭火救援技能等多方面的内容。

实时更新：及时反映消防领域最新动态、法规变动、科技进展等。

3、技术需求

高准确度的自然语言处理准确理解问题，快速找到最合适的答案。

免安装多渠道接入支持网页、移动设备、电话等多种方式的接入。

安全防护：确保系统操作的安全，保护用户隐私。

4、管理需求

用户反馈处理：及时处理用户反馈，持续优化服务。

数据分析：分析用户使用数据，了解服务效果，为优化提供支持。

内容管理：确保知识库的准确性，及时更新和校准内容。

5、法规和标准需求

遵循国家和地方的消防法规、标准和政策，确保合规运营。

二、愿望

用大语言模型实现消防行业知识库的智能问答，面向消防人员提供实时问答指导服务，借用大语言模型的能力来做智能问答系统，即用户可以自由发问，来根据知识库的内容，组合和反馈给对方。为消防人员提供快速、准确的知识查询服务。

建立一个易于使用、持续更新、具有高准确率的智能问答系统。

面临挑战

1、时间压力：客户通常会对项目有明确的时间要求，而开发过程中会遇到各种不可预见的问题，导致项目延期。为了按时交付项目，开发团队需要合理安排时间，并具备快速应对问题的能力。

2、人力资源：系统开发需要专业的技术人员参与，而人力资源的短缺或不足会影响项目的进展。为了解决这个问题，开发团队需要合理调配人力资源，确保关键任务得到优先处理。

3、技术难题：系统开发中会遇到复杂的技术问题，如系统架构设计、新兴技术的应用等。这些问题需要开发团队具备深厚的技术背景和不断学习的能力，以克服技术障碍。

4、技术选型：选择适合客户需求的技术方案是一个关键步骤。如果技术选型不当，会导致系统性能不佳、开发效率低下或维护成本高昂等问题。

5、系统稳定性与安全性：确保系统的稳定性和安全性是开发过程中的重要任务。任何系统漏洞或安全隐患都可能对客户造成损失，因此开发团队需要投入大量精力来保障系统的质量和安全。

6、第三方依赖：项目需要依赖第三方服务或软件，这些依赖项的可靠性、兼容性和及时支持都成问题。

7、系统兼容性：新系统需要与现有的IT基础设施兼容，涉及到复杂的集成工作。

8、测试限制：全面测试系统受限于时间和资源，导致潜在问题未能及时发现和解决。

9、维护与升级：系统上线后，需要制定维护计划和升级策略，以应对未来的需求变化和技术更新。

数据支持

一、数据处理分为数据接入和文本提取

数据接入：结构化数据、半结构化数据、非结构化数据；

文本提取：执行数据预处理脚本，对接入的Word、PDF文档等进行预处理，获得文本数据。

二、数据流向图

应用技术与实施过程

一、技术路线

大语言模型可以通过对消防政策文本的学习，基于问答对生成工具，将复杂的政策文件转化为易懂的问答形式，加速政策解读和分析。迅速将庞杂的政策内容转化为易于理解的问题和答案，帮助业务人员和法律顾问更高效地解读政策，为市民和企业提供明确的指导。

大语言模型拥有强大的数据处理和问答功能，使其成为行业研究和信息挖掘的得力助手。消防部门可以利用该模型从大量文本中挖掘有价值的信息和趋势，帮助消防人员快速学习。此外，模型还可以训练成特定领域的专业模型，为特定行业提供更加精准的智能问答服务。

大语言模型通过RESTful API实现了智能问答式搜索服务，为用户提供了一种全新的信息检索体验。用户只需输入问题，模型即可从海量数据中筛选出相关答案，实现快速、精准的搜索结果。这将极大地提高用户获取信息的效率，特别是在需要深入理解和分析信息时。产品的智能问答式搜索服务可用于快速从多个来源汇总信息，帮助用户更迅速地获取所需数据。

系统结构图

1、核心原理

2、知识库构成

3、划分区块段落

4、文本嵌入

5、问答对生成

6、问答对管理

7、AI模型训练

8、特征库管理

9、大语言模型

二、建设方案

利用大语言模型技术在消防问答和常识推荐场景的具体应用打造问答模型，基于embedding向量知识库+API的实现模式，利用消防专用领域大量无标注数据、少量有标注数据以及已有的知识库来将问答模型适配到特定领域，进一步根据构建在增量数据上微调模型的能力确保反馈的合理性，从而实现问答模型在特定领域的产业化应用。

1、构建知识资源库

获取用于模型训练的消防问答数据，并对数据进行知识抽取、实体识别以及文本分类等预处理。

2、算法设计

设计针对法律数据的理解和推理算法、设计基于法律信息的对话管理机制，即对问题意图的理解和识别、对回答的筛选和匹配以及多轮问答引导和对话填槽技术。

基于语义理解的消防知识图谱及问答技术。

提供消防问答和法条推荐功能。能通过语义理解模块判断用户意图，并根据意图给出用户需要的回答，通过深度排序模型为用户推荐最优回答，法条推荐能根据法律名称、条款内容等匹配到完整法条和其他相似消防法条。

三、实施方案

1、需求分析：与消防部门合作，了解一线消防人员的实际需求。

2、内容搜集与整合：从多种渠道搜集消防相关法规、操作手册、实践经验等资料。结合大语言模型技术，对资料进行整合和优化。

3、系统开发与测试：设计并开发用户交互界面，包括网页、手机应用和公众号等。引入大语言模型技术，结合知识图谱，为用户提供问答服务。进行系统测试，确保答案的准确性和稳定性。

4、后期维护与更新：定期更新系统内容，确保知识的时效性。根据用户反馈对系统进行优化，增加新功能或改进旧功能。

四、计划进度

1、项目启动与需求分析 (2周)

项目立项、团队组建。

收集和分析用户需求。

制定初步的项目范围和目标。

2、系统设计与原型制作 (4周)

设计系统架构，确定使用的技术和工具。

设计知识库的结构和内容分类。

制作系统的交互原型。

3、内容收集与整理 (8周)

收集相关的消防知识、法规、技术、案例等。

整理和标准化内容，制定统一的格式和标签。

建立初步的知识库。

4、AI模型开发与训练 (10周)

开发问答模型。

使用知识库内容进行模型训练。

优化模型的准确性和响应速度。

5、系统开发与集成 (12周)

开发前端界面和后台管理系统。

集成AI模型和知识库。

开发API接口，确保系统的扩展性。

6、内部测试与优化 (4周)

进行系统的内部测试。

根据测试结果进行必要的修复和优化。

完善知识库内容。

7、公测与反馈收集 (4周)

向部分用户提供系统的公测版本。

收集用户反馈和建议。

进行进一步的修复和优化

8、后期维护与升级 (持续进行)

定期收集用户反馈，进行系统更新。

根据消防领域的最新发展更新知识库。

探索新的技术和方法，进行系统的功能升级。

商业变化

一、经济效益：

1、消防人员可以利用大模型快速查找和学习相关知识，提高工作效率。

2、公司将持续加大资金投入，扩大部门人员编制，包括人工智能算法工程师、前后端开发岗位、实施岗位、运维岗位，间接带动经济效益。

二、社会效益：

1、消防领域大模型的建设还有助于提升消防队伍的整体素质和战斗力。通过系统的学习和培训，消防人员可以更加全面地掌握消防知识和技能，提高自身的专业素养和综合能力。

2、该项目的成功实施将为大模型在其他垂直领域的应用提供宝贵的经验和参考。消防领域作为一个重要的公共安全领域，具有复杂性和多变性的特点。通过在该领域构建大模型，我们可以探索出一套有效的数据处理、分析和应用的方法论，为其他垂直领域如医疗、交通、环保等提供借鉴和启示。

关于企业

·嘉诚信息

长春嘉诚信息技术股份有限公司，是国内领先的数智化及网络安全服务提供商，嘉诚信息重视自主研发，技术基础深厚。公司拥有知识产权200余项，获得国家高新技术企业、软件能力成熟度集成模型CMMI 5级、数据管理能力成熟度DCMM 3级、ISO9001质量管理体系认证、AAA级企业信用评定等多项核心资质。公司先后获评“行业信息化竞争力百强企业”“中国网络安全百强企业”，产品服务及解决方案被广泛应用全国30余个省份、自治区及直辖市，为全国数千家政企用户提供上万次成功服务。

点击文末左下角“阅读原文”链接还可查看“嘉诚信息”官网

·吉林省消防救援总队

吉林省消防救援总队是中华人民共和国吉林省的一支专业消防救援力量，主要负责火灾扑救、抢险救援、应急救援等工作。在2022年度的消防救援工作中取得显著成绩，共接警出动3.9万余起，出动车辆7万台次，出动人员32.7万人次，抢救、疏散被困人员5900余人，抢救保护财产价值6亿余元，第三次包揽年终评优所有奖项，得到应急管理部和国家消防救援局的表彰。并积极参与党和国家重大政治活动，103人当选各级党代表、人大代表、政协委员，极大提升了队伍的政治地位和政治影响。

★以上由嘉诚信息投递申报的项目案例，最终将会角逐由数据猿与上海大数据联盟联合推出的《2024中国数智化转型升级创新服务企业》榜单/奖项。

该榜单最终将于7月24日北京举办的“2024企业数智化转型升级发展论坛——暨AI大模型趋势论坛”现场首次揭晓榜单，并举行颁奖仪式，欢迎报名莅临现场：