主要工作方向
在三一重能产品规划与 AI 实践期间,重点围绕以下三个方向展开工作。
风机企业背景
以电机车间轮岗和制造流程认知为起点,理解风力发电机从零部件加工、线圈嵌线、总装到 VPI 的制造链路。
数据与市场测算
围绕高耗电行业、能源消费预测和风电市场容量,整理长期时序数据并完成模型检验、趋势预测和可视化输出。
政策与 AI 流程
将政策追踪、影响分析和业务建议拆解为可复用 SOP,并通过 Prompt 与 Agent 工作流提升分析稳定性。
工作历程
按时间线梳理在三一重能期间参与的主要工作模块与阶段性产出。
生产实习与风电制造认知
完成叠片、机加、冲片、线圈、嵌线、总装、VPI、精细化等工段轮岗,建立风机制造端的基本认知。
- 理解风力发电机从零部件加工到整机出厂的制造链路。
- 为后续产品规划中识别制造约束和交付风险奠定基础。
高耗电行业与风电市场预测
围绕高耗电行业需求、2035 年风电市场容量和海外政策环境,整理数据来源、预测口径并输出分析材料。
- 完成多情景市场容量预测与非线性拟合分析。
- 输出可直接用于产品规划决策的市场判断。
能源消费预测建模与工具化
使用 R / Python 对行业能源消费进行建模,涉及灰色预测、神经网络、XGBoost、EDA、模型评估和桌面工具尝试。
- 构建 1122 行增强版预测脚本,尝试 PyQt5 桌面工具封装。
- 完成 EDA 全链路分析,核心模型 R² 达 0.879。
政策分析 SOP 与工作流建设
从政策追踪、红线识别、影响主体、商业建议到一致性校验,沉淀多版本政策分析 SOP 和 Agent 工作流。
- 完成 SOP 从 V1 到 V5.4 共六个版本迭代,形成六页标准化分析结构。
- 引入归因校验和证据约束机制,提升政策研判的准确性与一致性。
周报 / 月报 / 专题研究输出
持续输出新能源政策周报、政策月报和专题研究,覆盖零碳工厂、十五五规划、新能源消纳、电力市场、海外能源政策等方向。
- 累计输出 30+ 篇周报/月报/专题研究,保持稳定的情报产出节奏。
- 专题覆盖面广,支撑产品规划团队的政策信息获取。
政策分析 AI 工作流
政策分析工作流涵盖准入判定、结构化抽取、主线研判、影响推演和输出校验五个核心环节。以下为基于 COZE 平台设计的 5 阶段 12 Agent 全链路架构细化方案。
准入判定
判断政策是否值得风电主机厂关注,降低无效信息噪声。
结构化抽取
标题、发文机构、时间、区域、类型、关键指标统一入库。
主线研判
识别消纳、储能、电力市场、碳市场等政策主线。
影响推演
从政策条款推导主体行为、成本变化和市场机会。
输出校验
通过证据约束、人工复核和一致性检查控制幻觉风险。
%%{init: {'theme': 'base', 'themeVariables': { 'primaryColor': '#1a3a5c', 'primaryTextColor': '#f5f9ff', 'primaryBorderColor': '#38bdf8', 'lineColor': '#a8b8cc', 'secondaryColor': '#1a3d2e', 'tertiaryColor': '#3d2e1a', 'fontFamily': 'Instrument Sans, Microsoft YaHei, sans-serif'}}}%%
flowchart TB
subgraph P1["Phase 1 · 数据接入与标准化"]
direction TB
P1_START(["启动"]) --> P1A["Agent 1a · 定时扫描"]
P1_START --> P1B["Agent 1b · 定向上传"]
P1A --> P1_CHK{三重校验}
P1B --> P1_CHK
P1_CHK --> P1_DEDUP["去重清洗 · OCR · 脱敏"]
P1_DEDUP --> P1_KEY{关键词匹配 70+ 词库}
P1_KEY -->|命中| P1_OUT["清洗后文本 → 分解模块"]
P1_KEY -.->|未命中| P1_DROP["丢弃 / 提示不相关"]
end
subgraph P2["Phase 2 · 结构化分解与语义分析"]
direction TB
P2_L1["Agent 2a · L1 元信息层"] --> P2_L2["Agent 2b · L2 框架层"]
P2_L2 --> P2_L3["Agent 2c · L3 要素层"]
P2_L3 --> P2_L4["Agent 2d · L4 要点层"]
P2_L4 --> P2_L5["Agent 2e · L5 属性层"]
P2_L5 --> P2_L6["Agent 2f · L6 关联层"]
P2_L6 --> P2_CHK{质量校验 3 步}
P2_CHK -->|通过| P2_OUT["结构化中间态"]
P2_CHK -.->|失败| P2_FIX["定位问题 · 补充替代方案"]
P2_FIX -.-> P2_CHK
end
subgraph P3["Phase 3 · 多维度综合研判(并行)"]
direction LR
P3_HIST["Agent 3a · 历史维度"] --> P3_AGG["研判结论聚合"]
P3_IMP["Agent 3b · 影响维度"] --> P3_AGG
P3_GAME["Agent 3c · 博弈维度"] --> P3_AGG
P3_REG["Agent 3d · 区域适配"] --> P3_AGG
P3_TECH["Agent 3e · 技术适配"] --> P3_AGG
P3_CLS["Agent 3f · 分类研判"] --> P3_AGG
end
P3_AGG --> P3_LOGIC{逻辑一致性校验}
P3_LOGIC -.->|冲突| P3_MANUAL["触发人工核查"]
P3_MANUAL -.-> P3_HIST
P3_LOGIC -->|通过| P3_OUT["深度分析报告"]
subgraph P4["Phase 4 · 标准化结果输出"]
direction TB
P4_MAP["15 核心字段映射"] --> P4_ENUM{枚举强校验}
P4_ENUM -->|通过| P4_JSON["标准化 JSON"]
P4_ENUM -.->|3次失败| P4_MR["人工复核队列"]
P4_MR -.-> P4_MR_ACT["人工复核修正"]
P4_MR_ACT -.-> P4_MAP
P4_JSON --> P4_R1["政策分析简报"]
P4_JSON --> P4_R2["行动要点清单"]
P4_JSON --> P4_R3["产业机会矩阵"]
P4_JSON --> P4_R4["博弈关系网络"]
P4_JSON --> P4_R5["风险预警摘要"]
end
subgraph P5["Phase 5 · AI 赋能实施路径"]
direction TB
P5_SEED["种子库构建"] --> P5_TRAIN["AI 模型训练"]
P5_TRAIN --> P5_MVP["MVP 验证期"] --> P5_SYS["业务系统对接"]
P5_SYS --> P5_ITER["持续迭代优化"]
end
P1_OUT --> P2
P2_OUT --> P3
P3_OUT --> P4
P4_JSON --> P5
P4_MR_ACT -.->|修正后回流| P2_L5
P3_MANUAL -.->|复核修正| P2_L6
classDef phaseBox fill:#1a3a5c,stroke:#38bdf8,stroke-width:2px,color:#f5f9ff
classDef agentBox fill:#1a3d2e,stroke:#22c55e,stroke-width:1.5px,color:#f5f9ff
classDef judge fill:#3d2e1a,stroke:#f59e0b,stroke-width:2px,color:#f5f9ff
classDef output fill:#2d1a4e,stroke:#a78bfa,stroke-width:1.5px,color:#f5f9ff
classDef drop fill:#1e293b,stroke:#475569,stroke-width:1px,color:#94a3b8,stroke-dasharray: 4 2
class P1,P2,P3,P4,P5 phaseBox
class P1A,P1B,P1_DEDUP,P2_L1,P2_L2,P2_L3,P2_L4,P2_L5,P2_L6,P3_HIST,P3_IMP,P3_GAME,P3_REG,P3_TECH,P3_CLS,P3_AGG,P4_MAP,P4_JSON,P4_R1,P4_R2,P4_R3,P4_R4,P4_R5,P5_SEED,P5_TRAIN,P5_MVP,P5_SYS,P5_ITER agentBox
class P1_CHK,P1_KEY,P2_CHK,P3_LOGIC,P4_ENUM judge
class P1_OUT,P2_OUT,P3_OUT output
class P1_DROP,P4_MR drop
时序关系
- 5 个 Phase 严格串行:数据接入 → 结构化分解 → 多维研判 → 标准化输出 → AI 赋能
- Phase 2 内 L1→L6 递进串行,不可跳跃
- Phase 3 的 6 个研判维度输入就绪后并行启动
并发关系
- Phase 1 中"定时扫描"与"定向上传"并行汇入校验节点
- Phase 3 的 6 个 Agent 独立并行计算后聚合
- Phase 4 中 5 份交付物由同一 JSON 并行生成
回归关系
- 质量校验失败 → 定位问题 → 重新校验(Phase 2 内循环)
- 枚举校验 3 次失败 → 人工复核 → 回流字段映射(Phase 4)
- 逻辑一致性冲突 → 人工核查 → 回流结构化分解(Phase 3→2)
| 校验节点 | 校验内容 | 通过路径 | 失败处理 |
|---|---|---|---|
| 三重校验 | 标题 / 文号 / 正文内容去重 | 进入去重清洗 | 重复文件丢弃 |
| 关键词匹配 | 70+ 核心词库(碳达峰、海上风电、储能等) | 进入结构化分解 | 丢弃或提示不相关 |
| 质量校验(3 步) | ①原文匹配 ②层级归属准确 ③属性标注一致 | 输出结构化中间态 | 定位问题 → 补充替代方案 → 重新校验 |
| 逻辑一致性校验 | 跨模块字段约束校验 | 进入标准化输出 | 触发人工核查 → 修正后回流 |
| 枚举强校验 | ENUM 字段归一化 | 输出标准化 JSON | 重试 3 次 → 人工复核修正 |
数据可视化
通过图表呈现工作主线并行关系、AI 工作流能力分布以及各项工作的业务深度与产品化程度。
核心能力
在三一重能的工作实践中,重点沉淀了制造端理解、数据建模能力和政策产品化能力。
制造端理解
通过电机车间多工段轮岗,理解风机制造流程和工艺约束,为后续产品规划中识别技术边界、交付风险和制造端约束提供基础。
数据建模能力
围绕行业能耗预测,完成数据治理、建模、评估、报表和工具化尝试,能够把研究型分析转化为可复用的计算流程。
政策产品化
将政策追踪拆解为准入、抽取、研判、推演、复核和报告输出链路,具备产品化所需的流程设计与人机协同能力。