# 任务 T14 · 专业场景验证服务

> 这是本任务的说明书。**按第 1 节的顺序把该读的读完再动笔。**
> 项目 `p488b1e` · test。路径里的项目编号和任务号要同时对上。
> 篇幅与结构标准对齐本门户「宁夏天地奔牛」定稿：成章撰文，两轮交稿。

| 项 | 值 |
|---|---|
| 任务号 | `T14` |
| 项目 | `p488b1e` · test |
| 类型 | 写作 |
| 分类 | 技术 |
| 评分 | 未单列 |
| **目标篇幅** | **33 页**　≈ **29,700 字** |
| 篇幅依据 | 按摘录规模估算的成章配额（约 900 字/页），不是清单勾选篇幅 |
| 实质条款 | 73 条（另有办事项／表单格计入摘录总数） |
| **论述下限** | 剥掉 SVG 后约 **29,200 字**（实质条×400 与配额 70% 取高） |
| 负责人 | test1 |
| 当前状态 | 未启动 |
| 覆盖摘录 | 80 条 |

> 本任务配额：**33 页 ≈ 29,700 字**。未达到成章结构与论述下限前，不算写完；宁可把实质条款写透，也不要用套话凑页。

## 0. 版式与篇幅基准

合稿用固定版式估页：

| 版式项 | 取值 |
|---|---|
| 纸张 / 页边距 | A4 · 上 22mm 下 20mm 左右各 18mm |
| 正文 | 宋体约小四 · 行距 1.9 · 首行缩进 2 字 |
| 标题 | 黑体，一级标题另起 |
| 表格 / 图 | 整表、整图不从中间拆开 |

- 数自己的字数时先去掉 `<svg>…</svg>`，SVG 标记不算正文。
- 离论述下限差一倍以上，先查是否漏了实质条款或只写了表、没写论述。
- 超出配额三成以上，在任务评论说明，不要自行删已回应内容。
- 约每 800–1200 字有一张图或一张表。

## 0b. 两轮写法

1. **盖住摘录**：逐条对应，表可作索引，【待填】标清缺件。
2. **扩写成章**：按第 2 节结构补总述、分条论述、图与交件；表不能代替正文。
只交第 1 轮对照表，视为未完成。

## 1. 必读顺序

用能取到全文的方式打开这些地址。只看摘要会把硬约束丢掉。

1. **全局工作指引** —— `/p/p488b1e/guide.md`（含成章写法与去机器腔）
2. **本文件** —— `/p/p488b1e/agent/t/T14/SKILL.md`
3. **本任务要回应的招标摘录** —— `/p/p488b1e/agent/t/T14/tender.md`
4. **关联任务** —— `/p/p488b1e/agent/t/T14/related.md`

一次拿全本任务材料：`/p/p488b1e/agent/t/T14/context.md`（第 2 到第 4 份合并）。
当前成稿的排版：`/p/p488b1e/preview?only=T14#sec-T14`。
上传的标书原件：`/p/p488b1e/tender`。
需要对照样章密度时，可打开本机天地奔牛预览：`/preview?only=T1#sec-T1`。

## 2. 本任务要交什么

这是撰文任务。对齐天地奔牛定稿写法：**按章论述**，不要只用对照表勾选交差。
每条实质要求写出可核验的做法、界面与验收口径；办事项／表单格一句话落实或【待填】即可。
必须完成两轮：先盖住摘录，再扩写成章。

成章结构（缺段即未完成）：

1. `##` 定位与编制依据
2. `##` 总体应答口径／主线（可含总图）
3. `##` 分条应答（`###` 展开；表只作索引）
4. `##` 图示与流程（内联 SVG）
5. `##` 验收、交件与待补材料

低于40%
3年内数据条数
占比不低于40%
数据集场景验证服务要求
本项目不负责智能场景的建设，只负责场景验证服务。
专业场景验证服务
产品智能选型
产品智能选型是矿山装备从客户需求到技术方案输出的首要环节，主要面向刮板输送机、转载机、破碎机、带式输送机用自移机尾、转载机自移系统开展。矿方提供矿井产量、采高、工作面长度、倾角、配套设备等参数后，当前主要依靠工程师手工计算、经验调整、文档编撰完成选型方案，存在选型高度依赖专家经验，知识传承困难、理论计算与实际选型存在断层、历史数据价值未充分挖掘，缺乏闭环优化、定制化比例偏高，增加交付成本与周期等痛点，严重制约了选型效率、方案质量与后端交付的顺畅性。
本场景以客户需求输入—参数智能解析—参数计算—选型方案推荐—选型结果生成为主线，基于产品设计数据、产品参数组配、选型规则、历史案例和专家经验构建高质量选型数据集，通过大模型、公式引擎与规则引擎联合实现需求结构化、参数自动计算、选型方案自动匹配推荐、选型报告生成，最终实现选型效率提升、方案标准化优先降低定制化率、经验知识固化，支撑快速报价与高效售前交付。
须提供产品智能选型全流程验证能力，包括但不限于：
须验证需求智能解析能力，支持通过结构化表单、参数模板、附件上传等方式采集客户需求、工况参数和技术要求，支持自动识别输送能力、输送距离、倾角、煤层厚度、工作面条件、配套设备、可靠性要求、特殊定制要求等选型关键要素，支持缺失信息提醒与数据校验。
须验证参数智能计算能力，支持根据公式引擎和规则引擎自动计算与验算输送能力、运行阻力、驱动功率、刮板链速度、链条安全系数等关键。
须验证选型智能推荐及方案自动生成能力，支持依据客户工况参数、个性化需求、选型知识库，系统自动推荐并生成选型方案规格书、报价配置清单。选型方案规格书包含推荐产品及配置、主要技术参数、规则校验结果等内容，支持用户在线编辑、补充和确认报告内容，并对修改内容保留版本记录和操作留痕。
板材备料工艺智能设计
结构件是矿山装备的主体骨架，板材备料作为结构件制造的首道工序，其工艺设计质量直接影响后续生产效率与产品稳定性。当前，天地奔牛板材备料工艺设计主要采用“人工识别图纸 + 经验设计工艺 + 手工填写卡片”的传统模式。
本场景以“图纸输入—工艺卡片输出”为核心目标，构建端到端的智能工艺设计流程。设计师上传零件设计图纸后，系统通过智能图纸识别模块自动解析图纸元素（形状、尺寸、材料、公差、技术要求等），提取关键特征后驱动工序推荐引擎匹配最优工序方案，自动生成结构化工艺卡片及工序附图，所生成数据返回PLM系统并由PLM，经工艺工程师人工审核确认后下发生产车间。
须提供板材备料工艺智能设计验证能力，包括但不限于：接收并解析PLM任务及图纸数据、自动生成工艺卡片、生成工序附图、实现工艺变更自动修订、工艺规则库及设备台账维护、应急工艺通道等。
须验证工艺图纸识别能力，支持批量识别DWG/DXF，STP/STEP格式的图纸，并支持工艺卡片及工序附图的PDF导出及打印。
须验证图纸元素解析能力，支持形状、尺寸、材料、公差、技术要求等关键特征的提取，支持解析后图纸根据要素或图层信息在线预览展示。
需验证工艺卡片及工序附图内容准确率，支持通过全部识别通过后智能生成的工艺卡片及工序附图100%准确率。
库存控制智能化
矿山装备行业采用ETO定制化项目生产为主、备件备货生产为辅的经营模式，其产品特征和供应链构成特征使得全链路库存管理（即原材料、半成品、整机及配件）具有高复杂性，特征如下：
产品物料BOM组成结构复杂，单品生命周期多依赖项目周期，除大宗材料外，通用性较低，各类物料计划和库存管控逻辑各不相同。
供应网络分布广，呈现多制造厂区并存、国内及海外采购的局面，各主体间的协同难度高。
工艺路线长、生产周期和材料采购周期长，受到需求波动和制造扰动的影响大。
面对复杂的供需网络关系和动态的供需结构，依赖传统手段做库存管控，已经遭遇瓶颈，如物料预测和备货逻辑拆解缺乏科学依据，库存金额管控与供需计划流、库存实物流管控脱节等等问题无法得到结构性根治。
本场景基于对库存运作相关数据的获取和科学利用，构建库存领域对象知识本体，支持大模型、机器学习模型、双口径指标计算模型运作，实现库存控制智能化系统构建，旨在支撑库存调控决策与优化，改善整体库存结构、有效压降库存资金占用、提升整体周转效率。
须提供库存结构智能测算、物料需求智能预测等验证，包括但不限于：
搭建标准化、可配置的库存管控指标体系。基于销售合同、施工令号、生产批次、客户、供应商等数据，实现库存指标差距多维度穿透，支撑常态化事后复盘，精准溯源超龄库存、慢速滞留库存成因。
须支持多品类库存智能评级与健康诊断，适配定制生产、备货生产混合业务模式，搭建专业化、可配置的库存智能健康评价模型。结合市场价格波动、物资采购周期、生产制程特点、物料耗用规律，智能生成各品类合理库存水位、标准库龄阈值及最优结构配比。
支持全周期库存态势智能预判与风险预警。如整合期初库存、在途库存、订单计划、生产计划、发货计划等数据，智能推演未来周期库存水位、资金占用及结构变化趋势。提前识别超储积压、物料缺货、库存滞留、结构劣化等潜在库存风险，实现库存管控从事后整改向前置预判升级。
支持物料需求预测，对大宗金属材料、标准件、定制异形件、通用制品等差异化物料品类，构建专属预测模型，适配按单定制生产、备货式生产的业务场景。基于历史业务数据，精准预判未来周期物料需求量、消耗趋势及波动。
安全库存动态智能测算与智能补给调度，构建动态适配的安全库存管控模型，替代传统固定阈值管控模式。支持识别跨分厂闲置物料余量，输出智能调拨优化策略，有效压降重复采购与库存资金积压。
热处理过程智能监控
热处理是提升矿山装备关键零部件强度、硬度、耐磨性的核心工序，主要包括调质、退火、正火、回火等工艺，依赖淬火温度、冷却温度、保温时间等参数控制。当前依靠人工设定工艺、事后切片检测，存在工艺依赖经验、过程不可视、缺陷难以追溯等问题。
本场景通过采集淬火温度、冷却温度、质量检验结果等数据构建热处理高质量数据集，实现热处理过程智能工艺参数优化、工艺智能匹配、质量智能分析，提升产品质量一致性、降低不良率、节约能耗。
须提供热处理过程智能控制验证能力，包括但不限于：
须验证工艺参数智能匹配能力，支持结合目标链轮特征实现历史工艺智能检索、择优匹配推荐。
须验证工艺参数优化能力，支持依托生产过程积累的工艺与质量历史数据，工艺参数区间智能寻优分析。
须验证链轮、齿轨、刮板感应淬火及调质生产线质量智能分析能力，针对链轮热处理后烧伤、裂纹等外观缺陷及硬度指标，开展外观缺陷、硬度异常与加热功率、加热温度、淬火液温度等关键工艺参数的关联性分析，明晰参数波动与质量问题的内在联系，实现热处理缺陷溯源，为工艺调整与质量改进提供依据。
焊接过程控制智能监控
焊接是刮板运输机、减速机、机架等核心装备制造的关键成型工艺，焊接质量直接决定设备强度与使用寿命。天地奔牛现有15台发那科焊接机器人，已通过SCADA系统采集电流、电压、温度、速度等过程参数，但当前数据利用仅停留在参数记录和简单阈值报警层面。
本场景以“多源数据融合+视觉AI检测”为核心，构建焊接过程的全链路智能控制闭环。系统在焊接作业过程中，实时采集电流、电压、焊接速度等时序参数，同步通过视觉相机监测熔池状态并对焊缝图像进行缺陷检测（气孔、裂纹等）。焊接质量评估须综合时序参数与视觉数据，判断是否触发预警并决策是否干预参数；工艺参数优化须基于历史数据挖掘最优参数组合，为不同工况（焊道类型、板厚、材质）提供参数推荐；质量追溯须将参数、视觉数据与检测结果一一关联，支持全程可溯源，形成“采集—监测—评估—优化—追溯”的完整智能控制体系。
须提供焊接过程智能控制验证能力，包括但不限于：
须验证实时数据采集能力，支持采集机器人焊接的主要过程参数（电流、电压、预热温度、层间温度、焊接速度、送丝速度）、气体流量、焊道类型（打底/填充/盖面）等时序数据。
须验证过程状态检测能力，支持视觉AI模型结合熔池实时视频、焊缝表面图像及各类缺陷样本（气孔、裂纹、咬边、余高、弧坑、焊脚偏差等）进行缺陷检测。
须验证焊接质量评估能力，支持结合时序数据与视觉数据，判断是否触发预警并决策是否干预调整参数。
须验证工艺参数优化能力，支持基于历史数据挖掘最优参数组合，为不同工况（焊道类型、板厚、材质）提供参数推荐。
须验证焊接质量追溯能力，支持将参数、视觉数据与检测结果一一关联，支持全程可溯源。
须验证焊接工艺知识库建设能力，包含工艺卡片、国标规范、焊丝型号、板厚与材质对应关系、焊道要求及合格参数区间等信息。
刮板输送装备健康智能诊断
刮板输送机是矿山综采工作面核心输送装备，长期在重载、粉尘、潮湿、大倾角工况下运行，关键部件（链条、链轮、溜槽、减速器、电机、联轴器、液压系统）易出现磨损、疲劳、裂纹、松动、卡滞、渗漏等故障，当前主要依靠现有装备远程运维服务平台进行监控。存在机理规则适配性不足、多模态诊断样本数据管理缺失等问题。
本场景基于实时运行数据、设备历史故障记录、点检巡检数据、维修保养记录、设备说明书、失效分析报告、运行工况参数构建高质量刮板机健康诊断数据集，通过物联网采集电流、电压、温度、振动、张力、转速、油压、流量等状态数据，结合 AI 模型实现诊断数据样本管理，基于时序模型的历史数据分析、工况识别、故障分析及规则智能编排。提升现有平台诊断的准确性、针对性、易用性和持续优化能力。
须提供刮板输送装备智能健康诊断全流程验证能力，包括但不限于：
须验证面向设备健康的诊断数据与样本管理能力，建立诊断标签体系，支持从历史数据中划取典型故障样本，支持样本质量检查与审核、版本管理、来源追溯。
须验证故障报警规则智能编排能力，使规则能适配不同机型、不同设备结构、不同运行工况和使用现场。实现机理规则台账管理，规则覆盖链条、链轮、溜槽、电机、减速器、液压系统等部件的典型故障。支持根据工况生成候选规则，支持使用历史样本对不同规则展开离线回放、效果验证和对比分析。
须验证时序模型的数据分析能力，实现时序数据价值挖掘、运行工况识别、异常及故障样本发现，支持历史数据质量分析报告，支持基于时序模型的相似故障模式搜索，支持实时数据在线异常检测，并持续优化模型准确性。
需验证可针对报警提醒，提供原因分析、处置方法、备件准备建议。
通用场景验证服务
管理制度智能问答
管理制度是企业规范运营和合规管理的基石，具有数量繁多、更新频繁、专业性强、条文关联性密、理解门槛高等特点。传统制度查询与咨询存在检索不精准、解读不一致、响应速度慢、制度执行偏差、跨部门制度冲突等问题。
本场景围绕管理制度的应用效能提升，运用大模型自然语言理解、知识图谱构建、多模态文档解析等人工智能技术，建设一套覆盖管理制度体系的智能问答助手。构建管理制度知识库，统一纳管各类管理制度知识，实现管理制度内容的结构化、数据化，支撑公司业务合规运营。
须提供管理制度问答验证能力，包括但不限于：
须验证管理制度知识库建设能力，包含管理办法、实施细则、操作规程在内的制度条文知识，以及制度类别、适用范围、发布部门、条文关联关系的管理知识。
须验证制度智能问答能力，支持对制度条文的精准检索、语义解读与多文档跨制度咨询。
须验证制度关联分析能力，支持自动建立制度间的引用关系、逻辑校验。
须验证服务响应效率，支持制度查询与复杂咨询反馈时长较人工查阅模式明显缩短。
技术标准智能问答
技术标准是企业研发设计、生产制造和质量控制的准绳，具有专业门槛极高、数据图表密集、跨学科关联性强、更新迭代快、标准引用复杂等特点。传统技术标准查阅与应用存在查询费时费力、参数提取不准、条文解读分歧、新旧版本混用、设计选型合规性难校验等问题。
本场景围绕技术标准的应用效能提升，运用大语言模型、多模态文档解析、智能检索与匹配等人工智能技术，建设一套覆盖技术标准体系的智能问答助手。构建技术标准知识库，统一纳管各类技术标准知识，实现技术标准内容的结构化、数据化，并辅助技术标准编制，缩短技术标准编制周期，提高技术标准的使用便捷性。
须验证技术标准知识库建设能力，包含国家标准、行业标准、企业标准、设计手册在内的条文规范知识，以及技术参数限值、标准引用关系、版本更迭记录与典型合规案例在内的标准应用知识。
须验证标准智能问答能力，支持多轮对话式问答、历史版本制度问答。
需验证技术标准文件解析能力，支持表格、公式等半结构化内容提取，表格解析须达到单元格级精度。
须验证数据可视化能力，支持自动统计技术标准检索量、高频查询条款、用户活跃度。
标书智能问答
招投标文件是招投标过程中的纲领性文件，具有内容篇幅长、响应要求细、技术参数密、截止时间紧、废标条款隐蔽等特点。传统人工阅读与响应存在关键信息遗漏、条款解读偏差、投标风险识别不准、团队协作效率低下、历史投标经验复用难等问题。
本场景基于招标文件、历史投标文件、评分标准、企业资质库构建高质量标书数据集，通过大语言模型、多模态文档解析、智能检索与匹配等人工智能技术，打造标书智能问答助手，统一纳管各类招投标知识，辅助投标文件编制和审查，缩短标书编制周期，提高标书应答全面性。
须验证招投标文件知识库建设能力，包含历史投标文本、投标文件模版库、项目实施方案、售后服务承诺在内的投标文本知识，以及设备材料知识、企业资信证明、项目业绩合同、验收单在内的商务知识。
须验证标书智能解析能力，支持对招标文件项目基本信息、资格性要求、评分标准、废标条款、技术参数与设备要求、业绩证明材料要求的自动提取与风险标注。
须验证投标生成能力，支持商务标的资质材料、业绩材料的内容生成，以及技术标的技术方案、实施方案、售后服务方案的内容生成。
须验证投标文件智能评审能力，支持废标项检查、资格性审查、评分项审查、遗漏检查、格式规范性检查，并生成评审报告。
决策数据智能问答
决策数据是管理层科学决策与精准管控的数据资源，具有数据规模大、维度多元化、实时性要求高、关联逻辑复杂、指标含义深等特点。传统人工分析与用数存在统计口径不一、跨系统取数难、报表理解滞后、异常波动归因慢、决策依赖个人经验等问题。
本场景基于人力资源、研发设计、生产制造、仓储物流、财务、设备、采购、营销、质量共9个业务域以及1套决策指标体系（数据治理规划完成后形成），通过大模型自然语言交互、智能数据分析、数据融合治理等人工智能技术，基于公司现有数字化系统及业务数据，建设一套决策数据问答助手，打通战略、运营、分析协同链路，实现决策体系由“经验驱动”向“数据智能驱动”的全面升级。
须验证决策数据知识库建设能力，包含公司生产、营销、采购、财务等决策分析相关的专属业务术语在内的业务概念知识，指标统计口径、统计范围、统计维度、计算逻辑、业务规则、统计规则在内的指标知识和规则知识，以及公司月度/季度/年度经营分析报告、专题分析报告、离线Excel台账在内的分析报告知识。
须验证自然语言查数能力，支持通过日常语言直接调用经营指标、生成可视化图表与多维指标分析。
须验证智能异动归因能力，支持自动识别指标异常波动、追踪影响因素并快速定位业务异常根源。
须验证多轮上下文问答能力，支持连续多轮对话，在上下文中保持用户查询意图的连贯性，后续追问自动继承上下文条件。
合同合规智能审查
合同是矿山装备企业风险管控的核心文件，具有标的大、条款复杂、履约周期长、技术约束多、合规要求高等特点。传统人工审核存在效率低、标准不一、风险识别不全、法务审计协同不畅等问题。
本场景基于合同文本、历史审查意见、法规政策、风险规则、案例库构建高质量合同数据集，通过大模型实现合同智能解析、条款分类、风险识别、合规检查、修改建议、审查会签、报告生成、知识沉淀，打通法务、业务、审计协同流程，实现全生命周期合规管控。
须提供合同合规审查验证能力，包括但不限于：
须验证合同知识库建设能力，包含合同文本、附件、补充协议在内的合同文本知识，以及法律法规、风险识别规则、法务预警指标与行业典型案例库（如招标方已有或行业内可提供）在内的合规风控知识。
须验证合同智能解析能力，支持 Word、PDF等识别与关键信息抽取。
须验证风险智能识别能力，支持自动识别合规风险、责任风险、交付风险、付款风险。
须验证效率提升情况，支持单份合同审查时长较人工明细缩短。
数据集运营推广服务要求
须围绕数据持续汇聚、运营体系、运营架构、盈利模式、运营组织、公共服务内容体系及接入国家数据基础设施七个方面，提出可落地的运营服务能力与机制要求，支撑高质量数据集的可持续运营与对外服务。（不包含团队建设，运营服务硬件基础设施及其他服务配套能力建设）
数据协同汇聚要求
须建立可行的数据协同汇聚机制，用于将分散在产业链各环节、各主体的数据资源与数据集持续汇聚至本项目运营平台，保障并促进平台运营要素的丰富与更新。包括但不限于：
须建立面向产业链上下游各环节、各主体的数据协同汇聚机制，明确汇聚范围、责任主体与协同规则。
须支持分散数据资源与数据集的持续、增量汇聚，保障汇聚工作的常态化与持续性。
须建立汇聚数据的权属与合规登记机制，确保来源可溯、权属清晰、合规可用。
须建立汇聚激励与更新机制，促进平台运营要素持续丰富与动态更新。
数据集运营体系建设要求
须以“链主企业牵头、产学研用协同、市场化运作”为核心运营方针，构建既符合矿山装备制造行业特性、又遵循市场经济规律的行业数据运营体系。包括但不限于：
须以产业链主企业的行业影响力与业务场景为牵引，明确链主牵头的组织与责任机制。
须建立产学研用多方协同创新机制，明确各方角色、协同流程与成果共享规则。
须建立市场化运作机制，按市场经济规律设计运营与服务的供需对接与价值分配。
须确保运营体系适配矿山装备制造行业特性，与行业业务场景深度结合。
数据集运营架构建设要求
须设计并建立一套完整的数据集运营架构，以数据集运营平台为依托，联合数据集建设各相关方专业能力，面向行业用户提供专业化、定制化服务。包括但不限于：
须以数据集运营平台为统一依托，构建支撑各类运营服务的总体架构。
须联合数据集建设各相关方，整合其在数据采集、数据标注、模型训练、智能体开发、数据集评测等环节的专业能力实施专业服务。
须面向行业用户提供定制化的数据服务与智能体开发服务。
须明确架构中各相关方的服务边界、协作接口与质量责任。
数据集运营盈利模式建设要求
须设计并建立一套数据集运营盈利模式，针对矿山装备制造领域不同类型、不同需求层次用户实施差异化服务供给，在履行行业公共服务职能的同时实现商业价值。包括但不限于：
须梳理行业客户的不同需求并据此制定相应的服务策略，形成差异化服务供给体系。
须对服务内容与服务方式实施分层设计，区分公益性公共服务与增值、定制服务。
须实现营收目标的分解与盈利模式的制定，明确各类服务的计费与价值转化方式。
须形成“以服务养服务”的可持续良性循环机制。
运营组织架构建设要求
须设计并建立一套运营组织架构，实现平台重大事项的科学决策、专业领域的权威把关与日常运营的高效执行。包括但不限于：
须设计组织架构与组织职位，覆盖重大事项决策、专业领域把关与日常运营执行三个层级。
须制定组织议事规则与表决规则，保障重大事项决策科学、专业把关权威。
须确保组织架构

完成标准：读完稿件能指出每一条实质摘录落在哪一节论述；做不到的地方有【待填】和缺的材料；结构五段齐全（前置任务按小节清单写清）。
重叠的内容只在一处写细，另一处用正式章节名互指；任务号不进正文。
正文只写对招标方／评委的应答，不要写「原稿／待写／复核／按表补了」等过程旁白。

## 3. 招标摘录

共 80 条，其中实质条款约 73 条。全文见 `/p/p488b1e/agent/t/T14/tender.md`。
本项目的摘录编号是 `s01` 这种顺序号。回应时在句末标这个编号。
**篇幅由实质要求决定，不由摘录条数决定。** 办事项／表单格不要硬凑长文；实质条款必须成段论述。

前若干条：

- `s01` 低于40%
- `s02` 3年内数据条数
- `s03` 占比不低于40%
- `s04` 数据集场景验证服务要求
- `s05` 本项目不负责智能场景的建设，只负责场景验证服务。
- `s06` 专业场景验证服务
- `s07` 产品智能选型
- `s08` 产品智能选型是矿山装备从客户需求到技术方案输出的首要环节，主要面向刮板输送机、转载机、破碎机、带式输送机用自移机尾、转载机自移系统开展。
- `s09` 矿方提供矿井产量、采高、工作面长度、倾角、配套设备等参数后，当前主要依靠工程师手工计算、经验调整、文档编撰完成选型方案，存在选型高度依赖专家经验，知识传承困难、理论计算与实际选型存在断层、历史数据价值未充分挖掘，缺乏闭环优化、定制化比例偏高，增加交付成本与周期等痛点，严重制约了选型效率、方案质量与后端交付的顺畅性。
- `s10` **[表单]** 本场景以客户需求输入—参数智能解析—参数计算—选型方案推荐—选型结果生成为主线，基于产品设计数据、产品参数组配、选型规则、历史案例和专家经验构建高质量选型数据集，通过大模型、公式引擎与规则引擎联合实现需求结构化、参数自动计算、选型方案自动匹配推荐、选型报告生成，最终实现选型效率提升、方案标准化优先降低定制化率、经验知识固化，支撑快速报价与高效售前交付。
- …另有 70 条，见 tender.md

## 4. 关联任务

| 任务 | 标题 | 类型 | 负责人 | 说明书 |
|---|---|---|---|---|
| `T13` | 数据加工生产服务要求 | 写作 | 待确认 | /p/p488b1e/agent/t/T13/SKILL.md |
| `T14A` | 产品智能选型 | 写作 | test1 | /p/p488b1e/agent/t/T14A/SKILL.md |
| `T3` | 数据集加工生产专项智能工具链建设要求 | 写作 | test1 | /p/p488b1e/agent/t/T3/SKILL.md |
| `T3A` | 思维链构建类工具链 | 写作 | test1 | /p/p488b1e/agent/t/T3A/SKILL.md |
| `T3B` | 长上下文数据构建类工具链 | 写作 | test1 | /p/p488b1e/agent/t/T3B/SKILL.md |
| `T3C` | 多轮对话数据构建类工具链 | 写作 | test1 | /p/p488b1e/agent/t/T3C/SKILL.md |

全部相邻分工见 `/p/p488b1e/agent/t/T14/related.md`。
与关联任务重叠的内容只在本任务详述一次。发现口径冲突不要自行调和，写在提交说明里。

## 5. 已有资料

- [MAIN.md](/p/p488b1e/agent/t/T14/MAIN.md) · 当前正文

## 6. 怎么提交

正文是多行 Markdown。先把 JSON 写成文件，再用 `--data-binary` 发送。

```bash
curl -X POST http://127.0.0.1:8765/api/p/p488b1e/agent/task/T14/submit \
  -H 'Content-Type: application/json' \
  -H 'X-User: <portal/data/writer.token 里的写入令牌>' \
  --data-binary @body.json
```

实际主机以你打开的门户为准，路径不要改。`X-User` 用写入令牌，不要用任务页上的人员姓名。

| 字段 | 必填 | 说明 |
|---|---|---|
| `filename` | 否 | 建议 `T14_稿件_v1.md` |
| `content` | 是 | 稿件全文 |
| `base_sha1` | 否 | 当前 MAIN.md 的 sha1 前 12 位。填写后若正文已被别人改过，本次提交会被拒绝 |
| `note` | 否 | 第几轮、改了哪一处、尚缺什么 |

用法说明：`/api/p/p488b1e/agent/task/T14/submit`（用浏览器打开是说明，交稿必须 POST）。
同一任务可以多次提交，按时间留版本。第 1 轮与第 2 轮都应提交，便于对照。

参考资料、报价和证书用上传，不走交稿：

```bash
curl -X POST http://127.0.0.1:8765/api/p/p488b1e/task/T14/upload \
  -H 'X-Filename: quote.pdf' \
  -H 'X-User: <写入令牌>' --data-binary @quote.pdf
```

## 7. 给别的任务留注释

口径冲突、交接边界不要写进自己的稿件，留到对方任务下：

```bash
curl -X POST http://127.0.0.1:8765/api/p/p488b1e/task/<对方任务号>/comments \
  -H 'Content-Type: application/json' -H 'X-User: <写入令牌>' \
  --data-binary @comment.json
```

`comment.json` 的内容是 `{"text":"你要说的话","from_task":"T14"}`。

## 8. 成稿文件 MAIN.md

合稿取的是 `tasks/T14/MAIN.md`。提交成功后，正文写入这个文件。

- 正文从 `##` 开始；写作类至少两级标题。
- 图用内联 SVG，或放在本任务目录里用相对路径引用，不要用外链。
- 回应摘录时在句末标 `s01` 这类编号。
- 没有依据的内容写 `【待填：…】`。
- 排版效果看 `/p/p488b1e/preview?only=T14#sec-T14`。

| 能改 | 不能改 |
|---|---|
| MAIN.md 的正文（通过上面的提交地址） | 别的任务的正文 |
| 本任务下的评论和上传资料 | 项目编号、任务编号、负责人名单 |

生成于 2026-10-20 11:27 · 项目 `p488b1e` · 任务 `T14`