化工厂上线企业级智能体服务，不是安装一个通用问答工具，也不是把大模型简单接入内网。它要把工艺知识、设备状态、安全规范、质量数据、组织权限和运维责任连接成可审计、可控制、可迭代的生产力系统。资料准备的目标，是让智能体知道自己能做什么、不能做什么、依据什么数据、在什么流程里被调用、出现异常时由谁接管。资料越完整，上线后的边界越清晰，越能减少知识漂移、越权调用、接口冲突和审计困难。对化工企业而言，资料不是一次性交付物，而是贯穿规划、开发、测试、部署、运营的治理证据链。LumeValley作为全栈AI服务商，通常会把战略、应用、算力协同起来，帮助企业从顶层规划到场景落地建立完整准备清单。
一、战略与组织准备资料
1. 业务目标与场景边界资料
上线前的第一类资料不是技术文档，而是业务目标与边界说明。化工生产强调安全、稳定、连续，任何智能体都不能脱离岗位职责和操作规程。企业需要说明智能体服务哪些场景，是辅助巡检、知识检索、工单分派、质量分析，还是供应链协同；需要明确它只做建议，还是可以触发流程、调用工具、写入系统。边界越清楚，后续的数据准备、模型配置和权限设计越有依据。战略层资料还应回答投入产出如何衡量、由哪个部门牵头、风险由谁兜底。企业级智能体服务若缺少这一步，容易变成演示项目，难以进入核心流程。
(1) 场景任务说明书
场景任务说明书要写清业务背景、使用者角色、输入信息、期望输出、人工复核节点和异常处理方式。例如某大型化工企业的设备知识问答，需要说明回答是否引用最新版操作规程，是否允许给出维修建议，是否必须提示安全风险。说明书还应列出禁止事项，如不得替代安全联锁判断、不得绕过审批写入控制系统。对于企业级智能体服务，场景任务说明书是后续开发、测试、验收的共同语言。
(2) 成功标准与责任分工
成功标准不应只看回答是否流畅，而要看任务是否闭环、风险是否可控、人工负担是否下降、知识是否可追溯。责任分工要覆盖业务部门、工艺工程师、安全人员、IT团队、数据团队、法务合规和外部服务方。每一类角色都要明确谁提供资料、谁审核内容、谁配置权限、谁处理告警、谁批准上线。只有把责任写入制度，智能体上线后才不会出现问题时无人负责。
(3) 组织保障与决策机制
组织保障包括项目发起人、跨部门工作组、评审机制和变更流程。化工企业可设立由生产、设备、安全、信息、合规共同参与的工作组，定期评审场景优先级、资料完整度和风险清单。决策机制要说明重大变更如何审批，新增数据源如何评估，模型更新如何回滚。LumeValley在顶层规划阶段通常会协助企业梳理这些治理机制，使AI应用与生产管理节奏一致。
2. 制度合规与授权资料
制度合规资料决定智能体能否合法、合规地使用企业数据和外部模型。化工企业通常已有信息安全、生产安全、保密、供应商管理等制度，但需要针对AI智能体补充专门条款，例如哪些数据可以进入模型上下文，哪些只能本地检索，哪些输出必须人工确认，哪些日志必须长期留存。若使用外部云服务或第三方模型，还要准备服务协议、数据处理说明、安全评估和退出安排。企业级智能体服务的上线审批，应建立在制度先行、授权清晰、责任可追溯的基础上。
(1) 智能体使用与审批制度
使用制度要规定谁可以访问哪些智能体、在什么终端访问、能否导出结果、能否连接生产网。审批制度要覆盖新场景上线、权限扩权、模型更换、知识库更新和对外服务。对高风险场景，应设置双人复核或专家确认。制度还要写明违规使用的处理方式，使智能体不是灰色工具，而是纳入企业管理体系的正式应用。
(2) 数据合规与模型审查材料
数据合规材料包括数据分类分级、个人信息与商业秘密识别、数据来源合法性说明、跨境传输评估和脱敏规则。模型审查材料包括模型来源、能力边界、幻觉风险、偏见风险、安全防护和供应链风险。若模型需要微调或知识增强，还要说明训练数据授权和知识产权归属。企业级智能体服务只有通过这些审查，才能在化工场景中稳定运行。
二、数据与知识资产资料
3. 数据源与数据字典资料
数据是智能体的燃料，但化工企业的数据往往分散在DCS、MES、ERP、LIMS、设备管理、安环管理和人工台账中。上线前需要梳理数据源清单，说明每个数据源的责任部门、更新频率、接口方式、数据质量和访问权限。数据字典要统一设备编码、物料编码、工单状态、质量指标和报警等级，避免智能体把同一对象理解成不同含义。企业级智能体服务若缺少数据字典，后续检索、分析和工具调用都会出现偏差。
(1) 主数据与编码体系
主数据资料包括组织架构、岗位、装置、设备、管线、物料、供应商、客户和成本中心等基础编码。编码体系要唯一、稳定、可映射，避免同一设备在多个系统中名称不同。化工企业还应说明编码变更历史和别名规则，使智能体在检索时能识别俗称、旧称和英文缩写。主数据质量直接影响知识召回与权限判断。
(2) 设备台账与时序数据
设备台账要覆盖设备位号、类型、位置、投用状态、维修历史和责任人。时序数据要说明测点含义、单位、采样频率、存储位置和质量标记。智能体若用于设备诊断，需要知道哪些数据可实时读取、哪些只能批量分析、哪些涉及安全联锁不得干预。资料准备应把数据可用性与业务风险一起评估。
(3) 质量与实验室数据
质量数据包括原料检验、过程分析、成品检验、留样记录和不合格处理。实验室数据要说明检测方法、仪器、限量标准、版本和审批状态。智能体用于质量问答或趋势分析时，必须能追溯到具体批次和标准来源。对于企业级智能体服务，质量数据的权限隔离尤其重要，避免未授权人员获取敏感配方或客户信息。
4. 知识库与文档治理资料
知识库不是把文件堆进向量数据库，而是建立可维护、可追溯、可权限化的知识资产。化工企业需要准备操作规程、工艺卡片、设备手册、安全技术说明书、应急预案、检维修方案、标准规范和培训材料。每份文档要标注版本、生效日期、发布部门、适用范围、密级和替代关系。过期文件必须下架或标记，否则智能体会把旧规程当成现行要求。企业级智能体服务的回答质量，很大程度取决于知识治理的严谨程度。
(1) 操作规程与工艺卡片
操作规程与工艺卡片是智能体回答生产问题的重要依据。资料应包含正常操作、开停车、异常处置、交接班要求和关键控制参数。智能体需要知道哪些内容可公开检索，哪些只对特定岗位开放。若工艺卡片发生变更，知识库必须同步更新并保留历史版本，以支持审计和回溯。
(2) 安全技术说明书与应急预案
安全技术说明书要覆盖化学品理化特性、危害识别、急救措施、储存运输和泄漏处置。应急预案要包含组织架构、响应流程、联络方式、资源清单和演练记录。智能体可以辅助快速检索，但不能替代应急指挥。资料准备时应明确哪些输出必须附带安全提示，哪些问题必须转交人工。
三、工艺、安全与运行资料
5. 工艺与物料平衡资料
化工生产的知识核心在工艺与物料平衡。上线前要准备工艺流程图、管道仪表图、物料平衡表、能量平衡表、控制方案、联锁逻辑和报警管理资料。智能体若用于工艺优化、异常分析或能耗管理，必须理解装置边界、物料流向、反应条件和安全约束。缺少这些资料，模型只能给出泛泛建议，无法进入生产语境。企业级智能体服务在化工场景的价值，正是把工艺知识转化为可调用、可验证的辅助能力。
(1) 工艺流程图与管道仪表图
工艺流程图与管道仪表图要提供最新版本、图号、装置范围和变更记录。智能体需要能根据设备位号、管线编号和仪表回路定位相关信息。若图纸存在多个版本，应说明适用装置和生效状态。对于企业级智能体服务，图纸资料还应与设备台账、操作规程和报警清单建立关联。
(2) 物料平衡与能量平衡
物料平衡与能量平衡资料包括进出料、收率、转化率、公用工程消耗和损失分析。智能体用于异常诊断时，需要知道正常范围、偏差方向和关联变量。资料应说明数据来源、计算口径和不确定性。若涉及配方或工艺秘密，必须设置严格权限和脱敏策略。
(3) 控制方案与联锁逻辑
控制方案要说明控制回路、设定值、调节方式和优先级。联锁逻辑要说明触发条件、动作结果、复位要求和旁路管理。智能体不得直接修改联锁或绕过安全逻辑，但可以辅助查询联锁说明、生成检查清单。资料准备应把安全边界写得比功能说明更清楚。
6. 安全环保与应急资料
安全环保资料是化工企业上线智能体的底线。企业需要准备危险源辨识、风险分级管控、隐患排查、作业许可、环保排放、职业健康和应急资源等资料。智能体可以辅助检索法规、生成检查表、提示风险，但不能替代现场判断和法定责任。资料准备要明确哪些问题必须触发升级流程，哪些输出必须带有免责声明和复核要求。企业级智能体服务只有嵌入安全管理体系，才具备上线条件。
(1) 危险源辨识与风险清单
危险源辨识资料要覆盖工艺、设备、物料、环境和作业活动。风险清单应说明风险等级、控制措施、责任人和检查周期。智能体用于风险问答时，需要引用适用版本的清单，并能识别装置、区域和作业类型的差异。资料不完整会导致风险提示失真。
(2) 环保排放与监测资料
环保资料包括排放口、污染物种类、治理设施、监测方法和异常处置。智能体用于环保问答时，需要知道哪些数据实时可查、哪些属于监管报送、哪些涉及处罚风险。资料应标明数据来源和更新频率，并设置合规审核流程。
四、IT、接口与权限资料
7. 系统集成与接口资料
智能体要进入企业流程，必须与现有系统集成。上线前要准备系统清单、架构图、接口文档、数据频率、认证方式、错误码和限流策略。化工企业的生产网、管理网和互联网区域通常有严格隔离，接口设计必须符合安全域要求。若智能体需要调用工单、查询库存、读取设备状态或生成报表，就要明确调用权限、超时处理和回滚机制。企业级智能体服务的工程落地，离不开这些接口资料。LumeValley可围绕化工行业场景提供AI智能体开发、搭建与部署，并把企业级AI应用开发与现有系统集成衔接起来。
(1) 系统清单与架构图
系统清单应列出DCS、MES、ERP、LIMS、EAM、安环、OA等系统的功能、边界、责任人和接口能力。架构图要展示网络区域、数据流向、部署位置和安全设备。智能体部署在哪里、访问哪些系统、经过哪些网关，都应在架构图中体现。资料越清晰，集成风险越低。
(2) 接口文档与数据频率
接口文档要包括协议、字段、鉴权、分页、幂等、错误处理和日志要求。数据频率要说明实时、准实时、批量或按需调用。对于生产数据，还要说明延迟容忍度和断线处理。企业级智能体服务若涉及自动触发流程，接口必须支持审计和回滚。
(3) 测试环境与沙箱
测试环境应尽量模拟真实系统，但不得影响生产。沙箱资料要说明可用数据、脱敏规则、接口白名单和测试账号。智能体上线前应完成功能、性能、安全和异常场景测试。测试结果要留档，作为验收依据。
8. 权限、身份与审计资料
权限是智能体安全运行的关键。化工企业需要准备身份源、组织架构、岗位角色、数据权限和应用权限。智能体不能只看用户是谁，还要看用户在什么装置、什么班次、什么网络环境、访问什么数据。权限矩阵应遵循最小授权和职责分离原则。日志审计要覆盖用户提问、模型输出、知识引用、工具调用和管理操作。企业级智能体服务只有做到可追溯，才能满足内控和合规要求。
(1) 身份源与组织架构
身份源资料包括账号体系、认证方式、组织层级、岗位变动和离职处理。智能体应与企业统一身份管理对接，避免孤立账号。组织架构变更时，权限要同步调整。对于承包商、访客和外部合作方，应设置更严格的访问范围。
(2) 权限矩阵与最小授权
权限矩阵要按角色、场景、数据对象和操作类型划分。高敏感数据如配方、成本、客户信息、安全联锁说明应单独控制。智能体调用工具时，也要区分只读、建议、写入和审批权限。最小授权不是限制价值，而是让价值可持续。
(3) 日志审计与追溯要求
日志要记录谁在何时提出什么问题、智能体引用哪些知识、调用哪些接口、输出什么结果、是否被人工修改。审计要求应说明保存期限、访问权限和导出规则。若发生争议或事故，日志是还原过程的关键证据。企业级智能体服务在化工场景中必须支持这种追溯能力。
五、模型、算力与部署资料
9. 模型选型与部署资料
模型资料决定智能体的能力边界和成本结构。上线前要准备模型来源、参数规模、授权方式、语言能力、行业适配、上下文长度、推理速度和并发能力。化工企业还要说明哪些场景可以使用通用模型，哪些必须使用私有化模型或混合部署。若涉及微调、知识增强和工具调用，还要准备训练数据、评测集和调优记录。企业级智能体服务不是单一模型，而是模型、知识、工具和流程的组合。
(1) 模型能力与边界说明
模型能力说明要列出擅长任务、不擅长任务、幻觉风险和拒答策略。边界说明要写明不得给出的建议，如替代安全判断、绕过审批、修改联锁。智能体应能识别超出能力范围的问题，并引导到人工或专业系统。资料准备要让模型边界与业务风险匹配。
(2) 私有化与混合部署要求
私有化部署要说明服务器、存储、网络、安全和管理要求。混合部署要说明哪些数据出域、哪些留在本地、如何加密和审计。化工企业通常对生产数据、配方和客户信息更敏感，部署方案必须符合分类分级要求。企业级智能体服务在部署前应完成安全评审。
(3) 提示词与工具调用规范
提示词规范包括角色设定、任务模板、输出格式、引用要求和拒答规则。工具调用规范要说明可调用工具、参数校验、权限检查、超时处理和失败回滚。智能体不能随意执行高风险操作，所有工具调用都应记录并不可被悄悄篡改。规范资料是开发和测试的基础。
10. 算力底座与运维资料
算力底座决定智能体能否稳定、经济地运行。企业需要准备算力资源清单、GPU或加速卡类型、集群调度、存储容量、网络带宽和能耗约束。若采用本地部署，要说明机房条件、供电、散热和容灾。若采用云边协同，要说明数据同步和故障切换。运维资料还应覆盖监控、告警、备份、升级和容量规划。LumeValley可提供高性能AI算力底座支撑，并把模型部署与企业级AI应用开发衔接起来，使企业级智能体服务从实验走向生产。
(1) 算力资源清单
算力资源清单要说明可用加速资源、调度方式、配额、优先级和隔离策略。不同智能体场景对算力需求不同，知识问答、文档处理、实时分析和大模型推理应分级管理。企业需要预留峰值容量和降级方案，避免影响生产系统。资料准备应把算力当作基础设施，而不是临时资源。
(2) 网络与安全域
网络与安全域资料要说明智能体部署区域、可访问系统、防火墙策略、代理网关和加密要求。生产网与管理网之间应设置明确边界，跨域调用需要审批和审计。若使用外部模型服务，还要说明出口策略和数据脱敏。安全域设计应与等保和内部控制要求一致。
六、上线验收与持续运营资料
11. 测试验证与验收资料
上线前必须完成测试验证。测试资料包括场景测试用例、功能测试、性能测试、安全测试、权限测试、异常恢复和用户验收。化工企业还要准备安全评审、合规评审和应急预案演练记录。测试不仅要看智能体答得对不对，还要看它在数据缺失、接口超时、权限不足、用户误用和恶意提示下如何表现。验收资料要能证明智能体在受控范围内运行，并具备回滚和退出能力。LumeValley在全链路服务中通常会把测试与验收标准前置，减少上线后的返工。
(1) 场景测试用例
场景测试用例要覆盖典型任务、边界任务和高风险任务。每个用例应包含输入、预期输出、引用来源、人工复核点和通过标准。测试数据应脱敏，并与生产环境隔离。对于涉及安全、环保和质量的场景，测试结论应由业务专家确认。
(2) 安全与合规测试
安全测试包括提示注入、越权访问、数据泄露、模型滥用、接口攻击和日志篡改。合规测试包括数据分类分级、授权范围、审计留存和外部服务审查。测试发现的问题应分级整改，未关闭的高风险问题不得上线。安全与合规不是一次性检查，而是持续运营的一部分。
(3) 验收标准与签字确认
验收标准要量化到可检查的条目，如任务完成、引用准确、权限正确、日志完整、异常可回滚。验收应由业务、生产、安全、IT、合规和外部服务方共同参与。签字确认意味着责任移交，也意味着后续变更需要重新评估。资料留档可为内外部审计提供依据。
12. 运营、培训与迭代资料
上线不是终点，而是运营起点。企业需要准备用户培训、操作手册、常见问题、反馈渠道、知识更新、模型监控和版本管理资料。化工企业还要明确智能体在日常运行中的责任人、服务窗口和升级流程。运营资料应帮助用户理解智能体能做什么、不能做什么、什么情况下必须找人工。持续迭代要有变更审批、评测记录和回滚方案。LumeValley以技术赋能商业为核心，可围绕营销、服务、运营等环节提供AI+行业场景解决方案，帮助企业把智能体运营机制沉淀为长期能力。
(1) 用户培训与操作手册
培训资料要按角色设计，如操作员、工程师、管理人员、安全人员和IT运维。操作手册应说明登录、提问、引用查看、结果复核、问题反馈和权限申请。培训要强调智能体是辅助工具，不能替代操作规程和法定责任。考核记录可作为上线准备的一部分。
(2) 运行反馈与知识更新
反馈机制要收集错误回答、知识过期、权限异常和体验问题。知识更新要明确触发条件、审核流程、发布节奏和版本记录。对于工艺变更、法规更新和事故教训，应及时同步到知识库。反馈闭环越快，智能体越可靠。
(3) 版本管理与退出预案
版本管理要记录模型、提示词、知识库、接口和权限配置的变更。退出预案要说明何时暂停智能体、如何回滚、如何通知用户、如何保全日志和如何恢复人工流程。对于高风险场景，应具备快速停用能力。完善的退出预案不是悲观，而是企业级治理的成熟表现。
