船舶监督（FSC）智能体
响应交通运输部"船舶监督助手"重点建设任务，打造 FSC 全流程智能助手。深度融合法规库、缺陷代码库与大语言模型，贯穿检查前预检 / 检查中录入 / 检查后归档全链路，让一线执法更高效、更规范、更可协同。
建设背景：传统 FSC 检查的六大核心痛点
法规版本庞杂、缺陷匹配低效、报告自动化不足…… 智能化升级迫在眉睫。
法规版本庞杂，引用易出错
涉及 20 余部国内外法规，版本随龙骨安放日期动态变化，依赖人工记忆极易匹配错位。
缺陷匹配低效，录入耗时长
单份检查报告平均耗时 30 分钟；数千条标准缺陷代码靠人工检索，效率低、出错率高。
缺陷描述语言不规范
口语化、错别字、术语不一致普遍存在，影响数据复用、统计分析与跨单位共享。
历史数据沉睡，预判能力较弱
历年 FSC 检查数据未充分利用，难以基于同船型、同公司、船龄等维度做风险预判。
协同机制缺失，覆盖风险高
多人协查场景下缺乏并发保护，版本冲突与数据覆盖问题频发，影响执法严肃性。
报告生成自动化程度低
报告生成依赖人工排版，规范性参差，结构化数据难以沉淀，制约后续 AI 迭代。
政策依据
为深入贯彻落实交通运输部《关于"人工智能+交通运输"的实施意见》要求，加速推动海事系统人工智能场景多样化、精准化建设，2026 年初交通运输部海事局印发《2026 年人工智能海事行动计划重点任务分解》，将"船舶监督助手"列为重点建设任务。本方案据此承担 FSC 助手建设，并形成可复制推广的完整落地路径。
解决方案：贯穿检查全流程的智能助手
构建服务于 FSC 全流程的智能问答与协同助手，深度融合法规库、缺陷代码库与大语言模型，实现自然语言交互与多端协同。
智能预检 · 风险画像
基于历史检查数据，自动生成船舶风险画像与潜在不安全项，辅助检查人员提前锁定重点核查方向。
智能录入 · 法规匹配
支持缺陷智能录入、法规版本自动匹配、语义文字纠错，适配移动端现场检查节奏。
一键出报告 · 数据沉淀
一键生成标准化检查报告并自动校核，沉淀结构化数据，驱动 AI 模型持续优化。
实施基础：四类硬实力打底
数据基础
覆盖 30 余部国内外法规的结构化知识库，整合数千条标准缺陷代码。
技术基础
AI 与智能问答采用向量双路召回、RRF 重排序等先进技术，国产化率达 100%。
架构基础
内网服务器分层部署，Nginx 反向代理 + API 网关统一管控，保障高可用与安全性。
合规基础
满足信创合规要求，AI 推理全程不出内网，确保船舶与检查数据绝对安全。
系统架构：分布式分层 + 国产化全栈
从应用到基础设施，层层解耦、独立演进，每层都为高可用与信创合规服务。
数据来源：三类底座 + 一道安全闸
法规体系、历史检查、船舶档案三类数据共同构成风险预判与法规匹配的数据底座。
法规标准体系
《海上交通安全法》《船员条例》《ISM Code》《MARPOL》等 20 余部，按版本、生效日期、适用船舶类型结构化分解。
历史检查与缺陷数据
历年 FSC 检查记录 + 缺陷代码统计与滞留数据，支撑五维度风险分析（本船/同型船/同公司/近期高发/同船龄）。
船舶基础档案
船舶识别号、IMO 编号、船名、龙骨安放日期、船舶类型、总吨位、船籍港、管理公司，对接档案库实时查询。
数据安全保障
全量业务数据与 AI 推理请求均在局域网内闭环，船舶信息与检查数据不出内网，满足海事监管数据安全要求。
四库融合 + RAG 增强检索
法规、缺陷、案例、技术规范四大知识库构成专业知识底座，RAG 管道在 50ms 内完成精准召回。
法规知识库
覆盖 30 余部法律法规，按条文粒度结构化分解，精准定位到具体条款。
缺陷代码库
收录标准 FSC 缺陷代码数千条，结构化映射每条缺陷，多维度联合检索。
检查案例库
沉淀历年真实检查记录，缺陷场景 → 检查要点 → 处置结论，提供少样本示例支撑。
技术规范库
船舶技术规范标准与法规版本绑定，按龙骨安放日期精准适配。
RAG 增强检索管道
用户问题 → 查询改写
语义扩展 + 术语规范化，将口语化问题转为标准化检索表达式。
双路召回：BM25 + 向量
关键词全文检索与 bge-m3 语义检索并行，取并集去重。
RRF 重排序 · 结果融合
倒数排名融合算法综合多路信号，重排后输出 Top-K 候选。
Qwen3-32B 生成答案
128K 长上下文，跨条款逻辑推理，输出法规 + 条款 + 版本 + 依据。
核心大模型：Qwen3-32B × 四大专项智能体
32B 参数在推理质量与本地算力成本之间取得最优平衡，128K 上下文可完整处理多章节法规文本。
语义文字纠错 · Agent
对录入的缺陷描述做整体智能校验，覆盖法规依据、语义表达、错别字识别、分类匹配等多维度检查。
- 阶段 1：规则引擎检测语法错别字
- 阶段 2：Qwen3-32B 识别语义偏差
- 返回错误偏移量 + 修改建议
- 额外捕获约 30% 语义不规范描述
智能缺陷匹配 · Agent
接受口语化自然语言描述，自动匹配标准缺陷代码。结合船舶龙骨安放日期过滤适用版本。
- 自然语言输入 → bge-m3 向量化
- 余弦相似度检索缺陷代码库
- 龙骨安放日期过滤适用版本
- 候选项从数千条压缩至 5~10 条
智能法规匹配 · Agent
三阶段 RAG 流程：检索 → 生成 → 校验，输出"法规 + 条款 + 版本 + 依据"标准化引用。
- Top-K (5~10) 相关法规条文召回
- Qwen3-32B 跨条文逻辑推理
- 版本号、生效日期自动校核
- 结构化引用，可一键跳转原文
法规智能问答 · Agent
支持完全自然语言提问（含口语、缩略语），多轮追问、上下文记忆，解决查阅慢、定位难。
- 查询改写：语义扩展 + 术语规范化
- 多路召回：BM25 + bge-m3 向量双路
- 取并集去重，精准定位法规条文
- 支持多轮对话与结构化输出
六大核心功能 · 全场景赋能
从问答到归档，每一步都为一线检查员量身打造。
智能问答 · 法规检索
BM25 全文检索 + 向量语义检索双路召回，RRF 倒数排名融合重排序精准召回；约束解码技术确保大模型合规输出，支持多轮对话，彻底解决"查阅慢、定位难"。
- 支持完全自然语言提问（含口语、缩略语）
- 点击"船舶安全员配置要求"等推荐标签，免输入
- 回答按分点整理，原文 + 解读有据可依
- 支持多轮追问，深度对话无断档
船舶风险 · 多维画像
五维度权重基于滞留数据回归分析，多维特征融合计算风险得分；统计异常检测自动标记高风险船舶。雷达图与近 5 次趋势图让风险点一目了然。
- 本船历史缺陷 / 同型船缺陷基线
- 近期高发缺陷 / 同公司合规表现
- 同船龄段易发缺陷 5 维度联合评估
- 雷达图 + 维度分解双视图呈现
智能预检 · 潜在不安全项
基于对船舶历史数据的分析，自动列出"潜在不安全项"，每项含缺陷代码、名称、历史出现次数与置信度。现场核查时重点关注，辅助快速定位风险点。
- 页面顶部展示船舶基本信息与档案数据
- 每项潜在缺陷标注历史命中率与置信度
- 支持"船舶风险画像"一键跳转
- 多维风险图谱 + 5 维度评估综合判断
缺陷智能录入 · 两种模式
手动录入 + AI 智能匹配两种模式并行。标准分类树按一级 → 二级 → 缺陷项三级展示，逐项完善后一二级分类和法规依据自动填入，效率提升数倍。
- 三级分类体系支持展开/折叠浏览
- 选择后法规依据自动填入
- 处理决定 / 船检责任 / 现场图片逐项录入
- 提交前自动校核，错误实时高亮
AI 缺陷识别 · 自然语言匹配
在检查详情页点击"AI 识别"进入智能识别界面，输入现场描述（如"左舷救生艇的释放钩有锈蚀，无法正常操作"），系统自动匹配最相关的标准缺陷代码。
- bge-m3 向量化 + 余弦相似度检索
- 结合龙骨安放日期过滤适用版本
- 候选项从数千条压缩至 4~10 条
- 点击"+"一键添加至本次检查缺陷列表
语义纠错 · 一键智能校验
支持对录入的缺陷描述进行一键式整体智能校验，覆盖法规依据、语义表达、错别字识别、分类匹配等多维度。校验触发时机灵活，确保数据质量与合规性。
- 法规依据 / 语义准确性 / 错别字 / 处理决定完整性
- 缺陷描述与缺陷代码分类对应性
- 保存草稿、提交报告等关键节点自动执行
- 返回错误偏移量 + 修改建议，辅助手动确认
检查详情 · 多人协同
行级乐观锁允许多人同时编辑，提交阶段自动检测版本冲突，杜绝多人协查场景下的数据覆盖风险。检查详情页集成基本信息、潜在不安全项、缺陷列表、检查行动于一体。
- 顶部以橙色标注 AI 预测的高风险缺陷
- 缺陷列表 + 编辑/AI 识别/添加 三入口
- 检查行动多选（40/50/70/152/155 行动码）
- 保存草稿、提交检查双按钮，权限清晰
报告导出 & 法规文档阅读
报告导出支持 PDF / Word / TXT 三种格式，通过"包含图片"开关控制照片是否嵌入。法规阅读支持 PDF 全文、目录导航、全文搜索，关键词高亮定位。
- PDF（含图片）：正式存档，兼顾可读性与防篡改
- Word：便于二次编辑与多级流转
- TXT：纯文本查阅，文件小、兼容性强
- 法规阅读：支持目录、检索、跳转与高亮
建设成效：四个"智能" × 三个阶段
智能体已在 FSC 现场检查场景稳定运行，并形成"AI + 海事监管"标杆案例。
高质量数据集构建
整理船舶安全监管相关数据，打造船舶安全监管高质量数据集，支撑智能体持续迭代。
智能预检
基于对船舶历史数据的分析，自动对目标船舶智能预检，列出船舶潜在不安全项。
智能校核
对上传的安检报告进行内容、缺陷代码自动校核，辅助提升 FSC 报告质量与规范性。
智能报告
根据录入数据自动生成标准化检查报告，提高执法质量与文书规范性。
