《AI》：A Localized RAG-LLM System for Safety Compliance Question–Answering in Working-At-Heights Construction
编辑推荐：
随着建筑数字化与安全管理推进，高处作业（Working-at-Heights）因场景复杂、法规分散而面临挑战，现场人员难以快速准确查询和评估合规性。通用大语言模型（Large Language Models, LLMs）具备文本能力，但缺乏专业知识适配、更新不
随着建筑数字化与安全管理推进，高处作业（Working-at-Heights）因场景复杂、法规分散而面临挑战，现场人员难以快速准确查询和评估合规性。通用大语言模型（Large Language Models, LLMs）具备文本能力，但缺乏专业知识适配、更新不及时且答案证据不足，难以直接满足高处作业安全合规需求。研究人员部署了基于RAGFlow与Docker的本地化检索增强生成（Retrieval-Augmented Generation, RAG）系统。针对高处作业安全咨询需求，将法规标准转化为向量知识库。系统融合关键词与语义检索以实现精确定位，并通过来源溯源与提示约束降低幻觉。同时连接在线检索补充最新法规，实现“本地优先、在线补充”的双轨问答（Question–Answering, Q&A）机制。构建100题典型场景测试集，从准确性、可溯源性、时效性和延迟等多维度评估三种系统配置。结果显示，忠实性（faithfulness）得分由纯大模型的0.45提升至本地RAG的0.91和全功能集成的0.97，上下文召回（context recall）在后两种配置间由0.78提升至0.93；但响应延迟也分别由2.1 s增至4.5 s和6.8 s。这些发现表明，本地RAG对基础合规咨询提供更可靠、可溯源回答，而全功能集成在动态信息补充和不安全请求处理方面表现更优。总体而言，集成方法展示出支持现场安全合规咨询与风险评估的潜力，为建筑安全管理智能应用提供基础。
研究背景方面，建筑法规与合规管理是施工企业安全生产和规范运行的重要基础，直接关系工程质量、安全责任与风险防控。随着监管体系完善，施工现场涉及的法律法规、行业标准、技术规范和操作规程不断增多，法规更新频繁且内容分散，项目管理人员在查找法规、理解条款和现场应用时面临多重困难；部分工人安全知识不足、合规管理过程不够系统、安全责任划分不够清晰，安全风险识别与法规落实仍依赖人工经验，难以及时准确满足现场安全管理需求。高处作业（Working-at-Heights）是建筑施工中的典型高风险活动，相关标准将坠落基准面2 m及以上、存在坠落可能的工作归为高处作业，包括临边、洞口、攀登、悬吊和交叉作业等，法规对防护措施设置与实施提出要求。智能建造与数字化转型背景下，BIM、大数据、人工智能和大语言模型（Large Language Models, LLMs）逐步应用于工程建造全过程，LLMs与智能问答（Question–Answering, Q&A）技术可对分散的建筑法规、行业标准和安全标准进行数字化整合，实现快速检索、语义理解和辅助解释。但通用LLMs在建筑施工垂直场景中存在专业适配不足、知识更新滞后和幻觉风险，现有建筑法规智能问答多面向通用建筑法规、设计审查或综合项目管理，对高处作业具体场景适配不足，在法规来源溯源、危险问题识别和安全边界控制方面仍需改进。因此，研究人员开展面向高处作业安全合规的本地化RAG问答系统研究，目标包括构建典型高处作业场景本地安全合规知识库、设计融合混合检索与答案溯源的智能问答流程、实现本地知识库优先与在线检索补充相结合的问答机制、完成系统平台本地化部署与效果评估。
研究人员开展了基于RAGFlow和Docker的本地化RAG智能问答系统研究，将分散安全标准数字化整合为领域向量知识库，采用关键词与语义混合检索（hybrid retrieval，结合关键词匹配与语义匹配的检索方式），设计“本地优先、在线补充”双轨问答机制，引入来源溯源（source tracing，将答案与支持证据对应）和提示约束以缓解模型幻觉并处理不安全请求，构建典型场景基准测试集，从准确性、可溯源性、时效性和延迟等维度系统评估。研究得出，在测试条件下本地RAG可提供更可靠、可溯源的基础合规回答，全功能集成在动态信息补充和不安全请求处理方面更优，但延迟增加；该 integrated approach 对现场安全合规咨询与风险评估具有应用潜力，为建筑安全管理智能化提供实践框架。关键技术方法不超过250字：系统基于RAGFlow开源框架，采用Docker容器化与Docker Compose编排，在Windows环境下借助Docker Desktop和WSL 2运行；接入DeepSeek-V3.1外部API进行生成，配置BGE-M3嵌入模型、BAAI/bge-reranker-v2-m3重排模型和Tavily Search API在线搜索；知识库来源为43个文件、约24 MB，包括21个法律法规与标准、8个安全操作规程、14个安全技术交底文件，并经文本清洗、语义分块和向量化；测试集为研究人员自建100题，参考答案主要来自适用法规、操作规程和安全技术交底材料，AI辅助初稿后由两名非作者团队成员专家独立审核，约20题修订，样本队列为三类问题：知识库覆盖60题、时效验证20题、边界异常20题。
研究结果保留原小标题如下。5.1 测试环境：采用RAGAS的忠实性（faithfulness，答案由给定证据支持的程度）、答案相关性（answer relevance）、上下文精确率（context precision）和上下文召回（context recall）等核心指标，并采用LLM-as-a-Judge（以大语言模型作为自动评分裁判）范式，以GPT-5.5 Thinking作为自动评估引擎；部署环境记录12个逻辑CPU、显示内存13.12 GB、运行服务约占用8.91 GB，DeepSeek-V3.1经外部API访问，Top-N设为2，混合检索结合语义匹配与法规标识/技术术语关键词匹配，并以相似度阈值过滤低相关片段；这些设置定义的是被评估配置，并非经系统调参得到的最优参数组合。5.2 测试数据集与性能评估体系：构建100题基准数据集，分为知识库覆盖60题、时效验证20题和边界异常20题，形成四维六指标综合评价；比较纯大模型、本地RAG和全功能集成三组配置。结果表明，忠实性由纯大模型0.45提高至本地RAG 0.91和全功能集成0.97，上下文召回在后两者间由0.78提高至0.93，平均响应延迟由2.1 s增至4.5 s和6.8 s；纯大模型响应快但易出现参数模糊、标准误引和跨域越界，本地RAG在忠实性、检索质量和异常处理方面显著改善，全功能集成在答案相关性和上下文召回方面最佳，但延迟更高。补充在线检索比较显示，关闭与开启在线检索时总体平均答案正确性由0.81提高至0.85，20道时效题由0.68提高至0.84，其余80题由0.8425提高至0.8525，平均端到端延迟由4.2 s增至6.8 s，改善集中在时效题。重复运行评估中，三组配置各进行三次端到端运行，共900条问答记录，纯大模型三次平均答案正确性为0.68、0.73、0.70，本地RAG为0.82、0.79、0.81，全功能集成为0.84、0.80、0.87，三次运行均值分别为0.70、0.81、0.84，三组均保持全功能集成优于本地RAG、本地RAG优于纯大模型的排序，运行均值范围分别为0.05、0.03、0.07。由此得出，本地RAG对基础合规咨询更可靠和可溯源，全功能集成在动态信息补充和安全边界控制方面更稳，但需承受更高延迟。
讨论部分总结：研究人员指出评估应限定于本研究范围，自建100题数据集可能不能推广至所有施工现场安全咨询；专家审核提高参考答案可靠性，但尚未对系统生成回答的自动评分开展独立人工验证；在线检索消融只涉及一个组件，重复运行分析描述聚合均值变化，不构成完整组件级消融或问题级不确定性分析；未系统比较不同分块token长度、检索深度或混合检索权重，结果表征测试配置而非最优参数；结果依赖知识库所包含的法规框架和文档版本，外部模型与搜索服务带来服务可用性、数据处理实践及在线信息相关性和时效性的依赖；当前评估聚焦原型问答性能，仍需评估对专业用户的效益、施工现场实际安全结果、企业级成本节约和端到端隐私保护。研究结论翻译如下：本研究聚焦建筑施工高处作业安全合规管理需求，针对现场合规判断依赖人工、通用大模型可靠性不足等痛点，将RAG技术引入建筑安全问答场景。研究人员通过构建高处作业本地知识库，并配置混合检索、来源溯源、在线补充和安全边界控制等功能，评估了面向法规查询和风险咨询的领域专用问答原型。结果表明，在测试条件下答案依据性和检索覆盖度得到改善，支持将RAG用于证据关联的建筑安全信息服务。系统采用本地化、轻量建设方式，使用外部模型推理以避免在本地推理GPU上部署DeepSeek-V3.1，降低硬件投入要求，同时保留API费用及本地运维成本。借助开源RAGFlow和容器化部署，可快速构建安全知识库与智能问答应用。其“本地优先、在线补充”模式将本地管理证据与外部生成和搜索相结合。本地存储保留对源文档的控制，并为文档访问管理和隐私保护提供基础；然而在API调用过程中，用户查询和所选检索上下文会传输至外部服务，因此这些传输数据的保护还取决于外部服务及其数据处理安排。该架构为法规查询和证据关联的安全咨询提供了可行实施路径，尤其适用于本地推理硬件有限的情形。其对安全培训、危险源识别和企业运营的实际效益仍需进一步用户与现场评估。因此，主要贡献为：构建高处作业安全合规知识库；设计优先本地知识库并以在线检索补充的融合问答机制；强化高风险安全合规场景中的来源溯源和安全边界控制。该研究将高处作业安全合规知识组织、混合检索、来源溯源和安全边界控制引入建筑安全智能问答场景，探索RAG技术在工程管理领域的应用。将方法应用于深基坑工程、吊装或其他高风险任务，需要针对特定活动构建相应知识库并验证。未来研究应扩展问题范围，加强对系统生成回答和自动评分的独立评估，更全面评估各组件影响及重复运行变异性；让安全专家和真实施工现场任务参与研究，有助于确定实用价值、操作需求、成本和安全结果。
