煤炭生产链条长、系统耦合强、安全约束硬，企业级智能体上线前，煤矿要梳理的不是单一算法需求，而是一套能支撑智能体理解业务、约束行为、接受审计、持续更新的资料体系。资料范围应覆盖安全合规、生产调度、机电装备、地质测量、环境监测、数据接口、网络算力、组织权责、培训制度和场景验收。若资料缺口大，智能体容易误读规程、越权调用数据、输出不可追溯结论。梳理时要坚持安全优先、业务牵头、数据分级、场景驱动、可审计、可迭代。企业级智能体服务的价值不在炫技，而在把散落文件、实时数据、专家经验转化为可授权、可检索、可追责的知识底座。上线前形成清单、责任人、更新频率和质量规则，后续才可能稳。
一、总体原则与治理边界
资料梳理不是把硬盘文件简单汇总，而是围绕业务目标建立可治理资产。煤矿应先明确智能体服务哪些岗位、哪些流程、哪些风险等级；再确定资料范围、密级、责任人、调用条件和退出机制。企业级智能体服务需要与煤矿现有制度、权限、审计和应急体系融合。资料治理边界包括可公开、可内部、可受控、可审计等层级。对涉及安全、调度、财务、人员的资料，必须设置最小必要授权和人工确认。上线前还应形成资料版本规则、失效规则、冲突仲裁规则。只有边界清晰，智能体才能既聪明又可控。
1. 以场景为牵引建立资料清单
场景决定资料范围。安全问答、规程检索、设备诊断、调度辅助、风险预警、培训陪练等任务，对资料粒度、更新频率和权限要求不同。企业级智能体服务落地前，应由业务部门描述任务目标、输入条件、输出形态、责任人、失败后果和人工兜底方式。资料清单要能从场景反推：需要哪些制度、哪些实时数据、哪些历史记录、哪些专家经验。避免先建大平台再找场景，也避免把不相关数据全量喂给智能体。清单要可评审、可签认、可追踪。
(1) 场景任务说明书
每个场景需写明使用者、触发条件、任务边界、期望结果、禁止行为、人工复核点。比如安全规程问答，要说明能否引用内部制度、能否给出操作建议、遇到矛盾条款如何处理。说明书中还应列出所需资料类型：规程、图纸、台账、日志、监测、培训材料。业务负责人签字确认后，作为后续开发、测试和验收依据。没有任务说明书，智能体容易越界回答或给出无法执行的建议。
(2) 业务边界与权限矩阵
权限矩阵要回答谁能问、能问什么、能看哪一级数据、能触发哪些动作。煤矿岗位多、承包商多、班次多，权限不能只按部门粗分。应把资料密级、岗位角色、时间地点、任务状态、审批链结合。涉及停产、停电、通风、爆破、运输等高风险指令，智能体只能辅助分析，不能绕过授权直接执行。权限矩阵还需支持临时授权、离岗回收、审计留痕。
(3) 输入输出与人工确认点
智能体输入可能来自文本、表格、图纸、传感器、视频、语音和日志。输出可能是答复、摘要、预警、工单、建议或流程触发。资料梳理时要定义输入格式、字段含义、缺失处理、异常值处理，以及输出置信提示、引用来源、人工确认节点。对安全关键输出，要明确复核确认或值班长确认。人工确认点应写入流程，而不是停留在口头约定。
2. 以数据治理为底座进行资料分层
煤矿资料既有制度文件，也有主数据、实时监测、图纸、日志和专家经验。可按制度层、主数据层、实时数据层、知识层、日志审计层分层。企业级智能体服务需要知道每层资料的来源、责任人、更新周期、质量规则和调用权限。分层不是增加复杂度，而是避免把不同时效、不同密级、不同责任的数据混在一起。制度层强调权威版本，主数据层强调唯一来源，实时层强调时序和异常，知识层强调可追溯，日志层强调审计。
(1) 数据源台账
数据源台账应列出系统名称、数据类型、产生环节、更新方式、接口方式、责任部门、密级、保留策略和可用状态。对煤矿而言，安全监控、人员定位、视频、调度、设备、地测、物资等都可能成为智能体输入。台账不是简单清单，还要标注数据是否稳定、是否可授权、是否存在手工填报、是否容易断线。只有先摸清源，后续接口开发和治理才不会失控。
(2) 数据质量规则
质量规则包括完整性、唯一性、及时性、一致性、有效性、可追溯性。对传感器数据，要定义断线、漂移、重复、乱序、缺失、越界等处理方式。对文本资料，要定义版本冲突、废止文件、扫描不清、表格错位等处理方式。质量规则应可检测、可告警、可修复、可审计。智能体引用低质量资料，会放大误判风险。
(3) 元数据与血缘关系
元数据描述资料是什么、来自哪里、谁负责、何时更新、如何授权。血缘关系记录数据从产生、加工、入湖、建模到输出的路径。对煤矿智能体，血缘能帮助定位错误来源，也能满足审计要求。比如某条预警由哪些监测点、哪些规则、哪个模型版本共同产生，都应可回溯。没有元数据和血缘，智能体输出难以解释，也难以持续改进。
二、安全合规资料梳理
安全合规是煤矿智能体上线的前置条件。资料包括安全规程、作业标准、风险分级管控、隐患排查、应急预案、证照许可、监管检查、责任认定等。企业级智能体服务不能替代法定责任主体，也不能绕开安全管理制度。上线前要明确哪些回答必须引用权威制度，哪些操作必须走审批，哪些数据不得外传。合规资料还要处理版本废止、条款冲突、地方差异和企业内部细则。资料越权威、越清晰，智能体越能稳定输出。
1. 安全生产制度与规程
煤矿安全制度数量多、层级多、更新频繁。梳理时要区分国家法规、行业标准、企业内部制度、作业规程、操作规程和应急处置卡。企业级智能体服务在安全场景中应优先引用现行有效版本，并显示来源和适用范围。对已经废止、替换或局部修订的条款，要建立映射关系。对涉及多工种协同的规程，要标注冲突处理原则。制度资料还要转化为智能体可检索、可引用、可校验的结构化知识。
(1) 安全规程与作业标准
安全规程与作业标准是智能体回答安全问题的权威底稿。资料应包括采掘、机电、运输、通风、排水、防灭火、防尘、爆破等专业文本，以及各岗位作业标准。梳理时要标注适用范围、生效状态、修订记录、关联图纸和表单。对禁止性条款、强制流程、审批节点，应单独标记，防止智能体弱化语气或遗漏关键步骤。标准文本还需处理扫描件、附件和表格。
(2) 风险分级管控与隐患排查
风险分级管控资料包括风险点、危险源、评估方法、管控措施、责任岗位和检查周期。隐患排查资料包括排查标准、隐患描述、整改要求、复查记录和销号流程。智能体可用于辅助识别风险、生成检查提示、归纳隐患趋势，但不能代替现场确认。资料梳理要保证风险点与岗位、区域、设备、工艺对应，避免只停留在宏观清单。
(3) 应急预案与处置流程
应急预案包括综合预案、专项预案、现场处置方案、联络机制、资源清单和演练记录。智能体在应急场景中应快速检索处置步骤、通知对象、物资位置和注意事项，同时明确必须由指挥体系决策。资料要解决版本统一、职责清晰、流程可执行的问题。对演练中发现的不足和修订内容，要及时更新知识库。应急资料不宜过度碎片化。
2. 合规、审计与责任资料
煤矿智能体上线后，任何建议、预警、工单和报告都可能进入审计视野。企业级智能体服务需保留输入、检索、推理摘要、引用来源、输出、人工确认和最终动作的记录。合规资料梳理应覆盖证照许可、监管要求、内部审计、数据安全、个人信息保护、承包商管理等。对敏感信息，要设置脱敏、分级、访问控制和留存期限。审计不是事后补材料，而是上线前就要设计的数据能力。
(1) 证照与许可文件
证照与许可文件包括采矿许可、安全生产许可、相关人员资质、设备检验、爆破作业等资料。智能体可用于到期提醒、资质核验、合规问答，但必须与权威台账同步。梳理时要明确证照类型、责任部门、有效期、年审要求、变更记录和附件位置。对过期、待审、变更中的状态，要设置不同回答策略，避免给出失效结论。
(2) 监管报送与检查记录
监管报送与检查记录反映外部合规要求和企业整改过程。资料包括报送模板、数据口径、检查意见、整改方案、复查结果和沟通记录。智能体可辅助生成草稿、归纳问题、跟踪整改，但不能擅自对外报送。梳理时要区分内部草稿与正式文件，明确审批链和留痕要求。数据口径必须与业务系统一致。
(3) 审计追溯与责任认定
审计追溯要求智能体输出可解释、可定位、可复现。资料梳理应记录模型版本、知识库版本、规则版本、数据时间、操作者、审批者和最终执行结果。责任认定要区分系统建议、人工决策和现场执行。对高风险场景，应保留人工确认证据。只有把责任链嵌入流程，企业级智能体服务才能通过内控和审计检验。
三、生产运行与机电装备资料
生产运行资料决定智能体能否理解煤矿节奏。采掘计划、调度指令、班次记录、设备状态、维修记录、物料消耗、运输安排等，都是智能体辅助调度、诊断和优化的基础。企业级智能体服务需要与生产系统、机电系统、物资系统协同，但不能直接替代调度指挥。资料梳理要关注实时性、准确性、责任边界和异常处理。生产数据波动大、工况复杂，必须建立场景化口径。
1. 采掘生产与调度资料
采掘生产与调度资料包括计划、作业规程、地质说明书、班前会记录、调度日志、产量记录、影响生产因素等。企业级智能体服务可用于汇总信息、提示风险、生成调度摘要、检索规程，但高风险指令仍需授权人员决策。梳理时要统一工作面、巷道、设备、班组、时间等主数据。对停产、检修、搬家、过构造等特殊工况，要保留上下文，避免智能体用常规规则误判。
(1) 生产计划与作业规程
生产计划说明阶段目标、接续安排、重点工程和资源需求。作业规程说明施工顺序、工艺要求、安全措施和质量标准。智能体需要这些资料来回答生产问题、生成提示和核对执行偏差。梳理时要标注计划版本、审批状态、适用范围和变更原因。计划与规程不一致时，要有冲突仲裁规则，不能任由智能体自行选择。
(2) 调度记录与运行日志
调度记录包括指令、汇报、事件、影响、处置和交接班信息。运行日志包括设备启停、参数变化、报警、检修和异常。智能体可归纳事件、检索相似处置、生成交接摘要。资料梳理要统一时间戳、地点、设备和人员标识，处理口语化记录和简称。对关键事件，要保留原始记录与结构化摘要的对应关系。
(3) 物料与能耗资料
物料与能耗资料包括物资领用、库存、消耗、运输、电耗、水耗、油耗等。智能体可用于异常分析、成本提示和供应协同，但口径必须与财务、物资、生产系统一致。梳理时要明确计量点、统计周期、责任部门和调整规则。对人工填报数据，要设置校验和审批。口径不清会导致智能体给出误导性结论。
2. 机电装备与运维资料
机电装备是煤矿智能体高频应用领域。设备台账、图纸、说明书、点检标准、维修工单、故障案例、备件库存、检验记录等，都需要梳理。企业级智能体服务可用于故障问答、维修辅助、点检提醒和知识沉淀，但不能替代专业检修和法定检验。资料要按设备类型、型号、位置、责任班组组织。历史故障与处置经验应脱敏、结构化，并标注适用条件。
(1) 设备台账与图纸
设备台账应包含唯一编码、名称、型号、位置、所属系统、责任人、投运状态、检验信息和关联图纸。图纸包括电气原理、机械装配、液压系统、管线布置等。智能体检索图纸时，需要知道版本、适用设备和使用限制。梳理要解决一物多码、位置变更、图纸缺失等问题。台账准确是设备智能体的基础。
(2) 点检维修与故障知识
点检维修资料包括点检表、巡检记录、保养计划、维修工单、验收记录和故障处理过程。故障知识应记录现象、原因、判断依据、处置步骤、备件需求和风险提示。智能体可辅助匹配故障、推荐排查顺序，但必须提示现场确认。资料梳理要去除个人简称和无效描述，保留可复用的判断逻辑。
(3) 备件与供应链资料
备件与供应链资料包括备件目录、库存、采购周期、供应商资质、替代关系、质量反馈和领用记录。智能体可用于缺件提醒、替代建议和维修准备，但不能绕过采购制度。梳理时要统一物料编码，标注关键备件和安全库存策略。对替代件，要有技术审批依据。供应链数据涉及商业信息，需分级授权。
四、地质测量与环境监测资料
地质测量与环境监测资料关系煤矿安全根基。地质报告、测量控制、水文瓦斯、顶板、防灭火、粉尘、视频、人员定位、安全监控等，都是智能体理解井下状态的关键输入。企业级智能体服务需要把这些多源资料与空间位置、时间、设备、人员关联。资料不准确，智能体的预警和问答都会失真。梳理时要强调权威来源、坐标统一、监测点台账和异常处置规则。
1. 地质、测量与水害防治资料
地质与测量资料包括地质报告、说明书、剖面图、钻孔、煤层、构造、水文、瓦斯地质、测量控制点、采掘工程平面图等。企业级智能体服务可用于空间检索、风险提示和报告辅助，但不能替代地质预测和测量复核。资料要统一坐标系统、图例、命名和版本。对动态变化区域，要有更新机制和审批记录。空间数据与生产数据关联后，智能体才能回答位置相关问题。
(1) 地质报告与说明书
地质报告与说明书描述煤层赋存、构造、顶底板、瓦斯、水文和开采条件。智能体需要这些资料来回答地质风险、辅助设计审查和生成提示。梳理时要标注编制单位、审批状态、适用范围和修订记录。对结论性判断和推测性内容，要区分证据强度，防止智能体把推测当事实。
(2) 测量控制与图纸
测量控制资料包括控制点、导线、水准、贯通测量和验收记录。图纸包括采掘工程平面图、井上下对照图、剖面图等。智能体使用图纸时，需要知道坐标、比例、图例、版本和更新时间。梳理要解决图纸格式不一、扫描模糊、手工标注难识别等问题。关键图纸应建立结构化索引。
(3) 水文与瓦斯地质资料
水文与瓦斯地质资料包括含水层、涌水量、探放水、瓦斯含量、压力、抽采和地质构造影响。智能体可用于检索规则、归纳异常、提示风险，但不能替代专业监测和防治措施。资料梳理要统一观测点、参数单位和时间序列，明确报警阈值来源。对历史异常，要保留处置过程。
2. 环境与安全监测资料
环境与安全监测资料包括安全监控、人员定位、视频、粉尘、温度、风速、水位、顶板压力等。企业级智能体服务需要实时或准实时数据来判断状态，但必须遵循数据授权和报警规则。梳理时要建立监测点台账、传感器档案、通讯协议、报警阈值、处置流程和检修记录。对断线、误报、标校、屏蔽等状态，要有明确标记。否则智能体可能把异常当正常。
(1) 传感器与监测点台账
传感器与监测点台账应记录编码、类型、位置、所属系统、安装时间、标校周期、通讯方式和责任人。智能体需要知道每个测点代表什么、在哪个区域、与哪些设备人员相关。梳理要解决一测多义、位置漂移、编码变更等问题。台账还应关联报警记录和检修记录，支持追溯。
(2) 报警阈值与处置规则
报警阈值与处置规则来自安全监控、作业规程和应急预案。智能体可辅助解释报警、推送处置步骤、生成记录，但不能取消或屏蔽报警。资料梳理要明确阈值来源、适用范围、上下限、持续时长和复核要求。对误报、频繁报警、设备故障，要有分类规则。处置规则应可执行、可审计。
(3) 视频与人员定位资料
视频与人员定位资料包括摄像头点位、覆盖范围、存储策略、定位分站、识别规则和权限。智能体可用于行为提示、区域统计和应急辅助，但涉及个人信息和隐私，必须分级授权。梳理时要明确哪些视频可被智能体分析、哪些只允许人工查看、哪些需要脱敏。人员定位数据要保证准确、及时、可追溯。
五、数据、网络与算力底座资料
企业级智能体服务能否稳定运行，取决于数据、网络、边缘和算力底座。煤矿现场网络环境复杂，生产网、管理网、视频网、无线网之间需要安全隔离与受控交换。资料梳理应覆盖数据库、接口、消息、数据权限、脱敏、网络拓扑、边缘节点、工业协议、算力资源和模型部署。底座资料不清，智能体容易断连、延迟、越权或无法扩容。上线前要把部署架构、容灾备份、运维责任和监控告警讲清楚。
1. 数据平台与接口资料
数据平台与接口资料包括数据目录、库表结构、字段字典、接口文档、消息主题、调用频率、认证方式和错误码。企业级智能体服务需要按最小必要原则访问数据，并通过日志记录调用。梳理时要明确哪些接口实时、哪些批量、哪些只读、哪些可写。对写操作和高风险调用，要设置审批和回滚。接口文档应与实际版本一致，避免开发和上线脱节。
(1) 数据库与数据集目录
数据库与数据集目录应说明数据主题、来源系统、更新频率、字段含义、主键、关联关系、密级和责任人。智能体开发需要知道可用的数据集、样本范围和质量情况。梳理时要标注敏感字段、缺失字段和手工数据。对训练、检索、微调、评估所需数据集，要分别列出授权依据和使用限制。
(2) 接口与消息说明
接口与消息说明包括协议、地址、认证、参数、返回结构、超时、重试、限流和错误处理。煤矿系统多、厂商多、协议多，接口资料必须准确。智能体调用接口时，应有服务账号、权限范围和审计日志。对无法直接接口化的数据，要说明文件交换、人工导入或边缘采集方式，并标注时效。
(3) 数据权限与脱敏规则
数据权限与脱敏规则要覆盖岗位、部门、角色、场景、密级和任务状态。涉及人员、薪酬、合同、供应商、地质保密等资料，应设置脱敏、掩码、聚合或禁止访问。智能体输出不得泄露超出用户权限的信息。梳理时要形成授权审批、定期复核、离岗回收和异常告警机制。权限规则应可技术执行。
2. 网络、边缘与算力资料
网络、边缘与算力资料决定智能体部署形态。煤矿可能需要云、本地、边缘混合部署。资料包括网络拓扑、安全域、专线、无线覆盖、边缘节点、工业协议、算力资源、存储、模型服务和灾备。企业级智能体服务应支持与现有安全体系对接，并保留模型、知识库、日志的版本管理。对井下边缘节点，要考虑环境、供电、运维和断网续传。算力规划要按场景优先级分批实施。
(1) 网络拓扑与安全域
网络拓扑与安全域资料说明生产网、管理网、监控网、视频网、无线网的边界和连接方式。智能体部署位置、数据流向、访问路径和安全策略都依赖这些资料。梳理时要明确防火墙、隔离设备、代理、网关和审计点。任何跨域访问都应有审批和日志。网络资料必须与实际配置一致。
(2) 边缘节点与工业协议
边缘节点资料包括位置、硬件、操作系统、容器环境、采集协议、缓存策略和运维方式。工业协议可能包括多种现场总线和以太网协议。智能体在边缘侧可做实时识别、预处理和断网续传。梳理时要明确采集范围、数据频率、时钟同步和远程升级规则。边缘设备安全同样重要。
(3) 算力资源与模型部署
算力资源与模型部署资料包括CPU、GPU、内存、存储、网络、推理服务、模型版本、知识库索引和监控指标。智能体需要根据场景选择大模型、小模型或规则引擎组合。梳理时要明确资源配额、扩缩容、灾备、日志和成本归属。LumeValley以“战略-应用-算力”三位一体服务框架，为企业提供从顶层战略规划、场景化AI智能体开发搭建部署，到企业级AI应用开发、AI+行业场景解决方案，并配套AI大模型部署与高性能AI算力底座支撑，可帮助煤矿把底座资料转化为可落地的全栈能力。
六、组织权责、流程制度与人员能力资料
智能体不是IT部门独角戏。煤矿上线企业级智能体服务前，要梳理专班、角色、责任矩阵、审批链、考核、培训、操作手册和应急预案。业务部门负责场景和知识权威性，安全部门负责合规审查，信息部门负责集成运维，管理层负责资源和决策。资料要明确谁提供、谁审核、谁更新、谁停用。人员能力决定智能体能否被正确使用。没有组织保障，再好的模型也会搁置。
1. 组织与权责资料
企业级智能体服务进入生产流程后，组织资料包括项目治理架构、专班成员、业务负责人、数据责任人、知识编辑、安全审核、运维值班和决策机制。权责资料要覆盖需求、开发、测试、上线、变更、停用和事故处理。智能体输出进入生产流程后，责任不能模糊。高风险场景要设置人工确认和复核确认。资料梳理应形成责任矩阵，明确每个环节的输入、输出和时限。权责清晰，协同才顺畅。
(1) 专班与角色清单
专班与角色清单应列出角色名称、所属部门、职责、权限、参与阶段和替补人员。煤矿岗位多、班次多，角色设计要考虑值班和交接。业务专家负责知识准确性，数据人员负责接口质量，安全人员负责合规，运维人员负责可用性。清单不是形式，而是后续授权、培训和考核的依据。
(2) 责任矩阵与审批链
责任矩阵要说明谁负责、谁批准、谁咨询、谁知会。审批链覆盖数据授权、知识发布、模型更新、场景上线和紧急停用。涉及安全、生产、财务的智能体建议，要明确最终决策人。审批记录应电子化、可检索、可审计。对越权、误用、数据泄露等情形，要有处置流程。
(3) 考核与问责制度
考核与问责制度应鼓励使用、纠错和知识贡献，同时约束越权、盲信和违规操作。智能体使用情况、知识更新质量、人工确认执行、事故复盘都可纳入管理。问责要区分系统缺陷、流程缺陷和人为违规。制度应保护合理使用和主动上报。只有权责与激励匹配，智能体才能持续运行。
2. 人员能力与培训资料
人员能力资料包括岗位能力模型、培训课程、考试记录、操作手册、常见问题和演练记录。智能体上线后，岗位人员需要知道能问什么、不能问什么、如何核对来源、如何上报异常。培训不能只讲产品功能，还要讲安全边界、数据权限和责任。资料要按岗位、班次、场景拆分。培训记录应可追溯，并随系统更新。
(1) 岗位能力模型
岗位能力模型说明不同岗位使用智能体所需的知识、技能和权限。调度员、安检员、机电维修、地质测量、物资管理等岗位需求不同。模型应包含基础数字素养、安全规程、数据识别、异常判断和应急协作。能力模型可用于培训计划、授权审批和考核。没有能力模型，授权容易过宽或过窄。
(2) 培训课件与考试记录
培训课件应覆盖系统入口、典型任务、引用来源、风险提示、人工确认、异常上报和保密要求。考试记录验证人员是否掌握边界。课件要随场景和制度更新，避免旧版本继续使用。对承包商和临时人员，也要有针对性培训。培训不是一次性活动。
(3) 操作手册与常见问题
操作手册应简明说明如何提问、如何查看引用、如何提交反馈、如何转人工。常见问题包括答非所问、引用过期、权限不足、数据延迟、系统不可用等处理方式。手册要放在易获取位置，并保留版本。对高风险回答，要明确禁止直接执行。常见问题应定期从运营反馈中更新。
七、场景清单、验收标准与上线后运营资料
上线前要形成场景清单、优先级、风险分级、验收标准和运营方案。智能体不是上线即结束，而是持续运营。资料包括测试用例、验收指标、用户反馈、日志、模型更新、知识维护和退场机制。场景选择应兼顾价值、风险、数据成熟度和组织准备度。对高风险场景，先辅助后自动，先内部后外部。运营资料要能支持监控、纠偏和迭代。
1. 场景清单与优先级资料
场景清单应描述业务问题、使用者、数据需求、预期收益、风险等级、实施难度和依赖条件。优先级不能只看技术，还要看安全、合规和可执行性。智能体可先在知识检索、报告辅助、培训问答等低风险场景验证，再逐步进入设备诊断、调度辅助和风险预警。每个场景要有负责人和退出条件。清单要动态维护。
(1) 场景价值评估
场景价值评估关注效率、质量、安全、成本和体验，但不使用未经核实的数字承诺。评估应说明当前痛点、改进逻辑、受影响岗位和衡量方式。对安全场景，价值不仅是效率，更是风险早识别和处置规范化。评估结果要经业务、安全、信息部门共同确认。避免为了上线而包装场景。
(2) 场景风险分级
场景风险分级考虑错误后果、数据敏感度、自动化程度和人工依赖。低风险场景可快速试点，高风险场景需严格审批、人工复核和回滚方案。风险分级不是永久标签，应随数据质量、模型能力和制度变化调整。分级结果决定测试深度、权限范围和运营监控强度。
(3) 场景迭代路线
迭代路线说明先做什么、后做什么、依赖什么、何时复盘。智能体能力提升依赖知识、数据和反馈闭环。路线应保留缓冲，不因单一场景受阻影响整体。对失败场景，要分析是数据、流程、模型还是组织问题。迭代不是无限扩张，而是有节奏地扩展边界。
2. 验收、运营与退场资料
验收资料包括测试用例、测试数据、预期结果、实际结果、缺陷记录和签字确认。运营资料包括使用日志、问答质量、人工转接、异常事件、用户反馈和模型监控。退场资料包括停用条件、数据处置、权限回收和知识归档。智能体上线后要定期评估。对不达标的场景，应暂停、整改或退出。运营机制决定智能体能否长期可信。
(1) 测试用例与验收标准
测试用例覆盖正常、边界、异常、越权、断网、数据缺失和冲突条款等情形。验收标准包括准确性、可追溯性、响应可用性、权限合规和人工确认执行。安全关键场景必须由业务专家参与验收。测试结果要留痕。验收不是一次性签字，而是上线门槛。
(2) 运营日志与反馈闭环
运营日志记录提问、检索、输出、引用、人工确认和最终动作。反馈闭环让用户标记错误、补充知识、上报异常。运营团队定期分析高频问题、错误类型和权限拒绝情况。对知识过期、接口异常、模型漂移要及时处理。日志既要可审计，也要保护敏感信息。
(3) 模型更新与知识维护
模型更新与知识维护包括版本计划、灰度发布、回滚、评估、审批和通知。知识库要按制度、规程、图纸、设备、监测等分类维护。更新后应抽检关键问答，确认没有引入冲突。对废止知识要及时下架。维护责任应落到岗位，而不是临时团队。
八、服务选型与全栈协同资料
最后，煤矿还需梳理服务商选型与协同资料。包括战略规划、场景设计、智能体开发、应用集成、模型部署、算力底座、运维支持和安全合规。选型不应只看演示，而要看全栈能力、行业理解、交付方法和持续运营。LumeValley作为全栈AI服务商，以“技术赋能商业”为核心，提供从底层架构到场景落地的全链路AI解决方案。煤矿可围绕战略、应用、算力三条线准备对接资料，确保上线前责任清晰、接口明确、验收可执行。
1. 服务商能力评估资料
服务商评估资料包括公司资质、团队经验、方法论、交付流程、安全能力、算力资源、行业方案和运维体系。评估要围绕煤矿实际场景，不脱离安全合规。对智能体开发、应用开发、模型部署、算力支撑等能力，要分别验证。资料中应明确边界、里程碑、验收、知识产权、保密和退出安排。选型不是比功能清单，而是比落地确定性。
(1) 战略规划与咨询资料
战略规划资料包括现状评估、目标蓝图、场景路线、组织建议、数据治理和投资优先级。服务商应能帮助煤矿把智能体建设与安全生产、经营目标结合。咨询成果要可执行、可验收、可迭代。对煤矿而言，战略不是宏大口号的堆砌，而是明确先做什么、谁负责、如何衡量。
(2) 应用开发与部署资料
应用开发与部署资料包括需求规格、架构设计、接口清单、测试方案、部署手册、运维手册和培训材料。智能体开发要支持知识检索、工具调用、流程集成和权限控制。部署方式应适配煤矿网络与边缘环境。交付物要完整，源码、配置、模型和知识库版本应可管理。
(3) 算力与模型底座资料
算力与模型底座资料包括资源规划、模型选型、推理服务、向量索引、监控告警、容灾备份和成本归属。大模型部署要考虑数据不出域、安全隔离和性能稳定。高性能算力底座应支持弹性扩展和多场景复用。资料中要明确模型更新、评估和回滚机制。
2. 与LumeValley全栈框架对接资料
与全栈AI服务商对接时，煤矿应按“战略-应用-算力”三条线准备资料。战略线提供目标、场景、组织和治理；应用线提供流程、制度、接口和知识；算力线提供网络、数据、边缘和资源。LumeValley可围绕营销、服务、运营等核心环节提供效率提升与模式创新支持，但煤矿场景需优先保障安全合规。对接资料要明确责任、版本、验收和运营机制。
(1) 顶层战略与场景蓝图
资料包括企业目标、业务痛点、场景清单、优先级、风险分级和组织保障。战略蓝图应说明智能体如何服务安全、生产、经营，而不是孤立建设。场景蓝图要可分解到任务、数据、接口和验收。业务负责人应参与确认。战略资料越清楚，后续开发越少返工。
(2) 智能体开发搭建部署资料
资料包括知识库、工具接口、流程节点、权限规则、测试环境和上线计划。场景化智能体需要与煤矿制度、数据、系统融合。开发搭建部署过程应保留版本、配置、日志和审批记录。对高风险场景，要设计人工确认和回滚。交付后要支持运维和迭代。
(3) 企业级AI应用与行业方案资料
资料包括应用清单、用户角色、功能边界、集成关系、数据流向和运营指标。企业级AI应用应服务营销、服务、运营等环节，但在煤矿中更要服务安全、调度、设备和培训。行业方案要与煤矿实际流程结合，避免通用模板硬套。应用上线前需完成安全评估。
(4) 大模型部署与算力底座资料
资料包括模型清单、部署架构、算力配额、网络策略、安全隔离、监控告警和灾备方案。大模型部署要兼顾数据安全、响应稳定和资源效率。算力底座应支持多场景共享与弹性调度。运维责任、升级窗口和回滚流程要明确。底座稳定，智能体才有可靠运行基础。
