公开信息中未见直接提及‌AiInsight问数框架‌应用于该项目的具体内容，但基于大模型的高炉冶炼智能体在历史诊断、目标优化与生产决策辅助方向，已有宝钢股份联合华为等机构落地了落地相关成熟研究与应用，核心情况如下：

核心技术方案

目前已落地的基于大模型高炉智能体，核心是采用‌「工业机理+专家经验+AI技术‌深度融合方案：

**架构设计：以华为盘古大模型为底座，采用「预训练底座+下游任务微调”模式，针对不同高炉的个性化特征调整，可大幅缩短模型上线周期，具备规模化复制难度降低了降低成本。

**能力实现：构建了“增量训练→预测推理→闭环控制”的持续优化体系，新生产数据会持续反馈给模型迭代升级，实现边应用边学习。

面向历史诊断、目标优化、决策辅助三个核心方向，具体能力为：

历史诊断‌：整合全流程生产数据形成可检索的数字化资产，通过智能诊断推理机结合多维变量分析，可自动追溯炉况波动、参数异常的根因，辅助专家完成历史工况分析。

目标优化‌：对2小时后铁水温度和硅素的预测命中率均超过90%，可自动完成配料、碱度、炉热的闭环自动调控，降低炉温波动、优化燃料比，单座高炉年降本超千万元，碳排放减少约5公斤/吨铁水。

生产决策辅助‌：将专家经验转化为数据化操作建议，结合实时数据和仿真推演，给操作人员提供明确的调剂方向和方案，解决经验传承难题，实现从经验驱动到数据驱动的转变。

行业价值

这套技术方案破解了高炉冶炼的“黑箱”难题，突破了传统依赖人工经验操作的局限，在稳定性、成本、碳排放控制上都有明确提升，也为钢铁全流程智能化转型提供了可复制的范式。

需要我为你详细拆解高炉智能体的多智能体分工架构细节吗？便于你深入理解技术逻辑？