DK-SAR: 双知识增强自适应推理 HAZOP 分析系统

面向化工安全场景的多智能体分析系统，支持 HAZOP 文本分析与现场图片风险识别双入口。

功能特色

• HAZOP 文本分析：输入化工异常场景后，系统自动完成上下文解析、RAG 检索、报告生成、物理反思校验与结构化输出。
• 现场拍照识别：一线巡检人员可上传现场照片，AI 自动识别安全风险，并关联可能的 HAZOP 偏差。
• 双知识库增强：正样本库用于相似事故检索，负样本库用于物理谬误拦截与反思修正。
• 结构化结果页：输出 HAZOP 报告、知识溯源、反思日志、论文指标评估和原始 JSON。
• 一键回填：图片识别结果可直接转写为文本 HAZOP 输入草稿。

目标用户

• 安全工程师：进行正式 HAZOP 节点分析和风险梳理。
• 科研人员：验证 AI 在化工过程安全领域的推理表现。
• 一线巡检人员：通过拍照快速识别现场隐患并联动文本分析。

系统架构

双入口界面
├─ 文本分析入口
│  ├─ Context Agent：提取设备、参数、偏差方向
│  ├─ RAG Agent：检索正样本事故案例并生成 HAZOP 报告
│  └─ Reflection Agent：负样本库匹配 + 物理一致性校验
└─ 图片分析入口
   ├─ 上传现场照片与补充说明
   ├─ DashScope qwen-vl-max 多模态识别
   └─ 转写为 HAZOP 文本分析输入

项目结构

dk-sar/
├─ agents/
├─ data/
│  ├─ positive/cases.json
│  ├─ negative/fallacies.json
│  └─ schema/hazop_schema.json
├─ prompts/
├─ utils/
├─ app.py
├─ main.py
├─ eval.py
├─ feedback.py
├─ config.py
└─ requirements.txt

快速开始

1. 克隆项目

git clone https://github.com/yilubanhan123c-pixel/dk-sar.git
cd dk-sar

2. 安装依赖

pip install -r requirements.txt

3. 配置环境变量

cp .env.example .env

.env 至少需要配置：

DASHSCOPE_API_KEY=sk-你的key
# OPENAI_API_KEY=sk-你的key

说明：

• DASHSCOPE_API_KEY 现在同时用于文本推理能力和通义千问 VL 多模态图片识别。
• 首次运行时会自动构建向量索引，并可能下载 embedding 模型。

4. 启动系统

python app.py

浏览器会自动打开 http://localhost:7860。

页面说明

Tab 1: HAZOP 文本分析

• 顶部 Banner 展示项目名称、英文副标题和技术徽章。
• 左侧输入异常场景，并提供 5 个预置示例。
• 中间显示实时进度：上下文解析、RAG 检索、物理反思。
• 右侧结果页包含：
  • HAZOP 报告
  • 知识溯源
  • 反思日志
  • 论文指标评估
  • 原始 JSON

Tab 2: 现场拍照识别

• 上传化工现场照片，可附带补充说明。
• 使用 qwen-vl-max 识别现场隐患、风险等级、建议措施和 HAZOP 关联。
• 可一键将识别结果转写为文本分析输入。

数据集扩展

• 正样本库新增多类典型事故案例，包括聚合反应飞温、氯气泄漏、氢气爆炸、蒸馏塔液泛、LNG rollover、粉尘爆炸等。
• 负样本库新增物理谬误样本，包括压力与沸点、氮气窒息、快速泄压、水锤、爆炸极限、防爆误解等主题。

技术栈

• 大语言模型：通义千问 / DashScope
• 多模态视觉：qwen-vl-max
• 多智能体编排：LangGraph
• 向量数据库：ChromaDB
• Web UI：Gradio

效果截图

• 建议补充新的双入口界面截图：
  • HAZOP 文本分析页
  • 现场拍照识别页

引用

@article{chen2025dksar,
  title={DK-SAR: Dual Knowledge-enhanced Self-Adaptive Reasoning for Automated HAZOP Analysis},
  author={Chen, Shitou},
  year={2025}
}

License

MIT License