广州润普 RUNPU · GRID AI
01 能源情报分析 02 工程知识图谱 03 安全生产警示 04 小世界模型调度 05 黑灯工厂产线

案例 03 / 内容生成

AI 写作 AIGC 视频 案例基准 学习资料库

安全生产警示服务平台

传统安全教育靠课堂宣讲与纸质手册,事故难以实景演练;专业视频制作成本高、周期长,警示穿透力不足。这个平台把事故报告、警示片、培训内容与案例对标四件原本分散的事,压在同一套知识底座上。

STEP 01

AI 帮我写作

事故报告按模板要素一键成稿

STEP 02

AI 生成视频

报告 → 脚本 → 分镜 → 警示片成片

STEP 03

学习资料库

培训、观看记录、审核与统计齐全

STEP 04

AI 案例分析

全量裁判文书入库,同名案基准对比

5,194 件
入库案例总数(截图口径,示例数据)
66 起
其中重特大事故
天级 → 分钟级
事故报告初稿成稿时间

业务背景

警示教育最缺的,是可复用的素材

面向矿山、电力等高危行业:事故报告要合规、警示片要抓人、培训要可考核、案例要能对标。四件事各做一遍,成本高、口径还不一致。平台的做法是先建一套统一底座,再让四种产出从中长出来。

底线逻辑

所有生成内容标注「AI 生成 · 仅供参考」,经安全专家审核后发布。
效率提升不换取合规风险。

能力线 01

AI 帮我写作

简易 / 详细事故报告、三违报告、隐患报告、简报——按模板要素一键成稿。

能力线 02

AI 生成视频

报告 → 脚本 → 分镜 → 成片;数字人播报 + 事故过程可视化还原。

能力线 03

学习资料库

安全视频按分类与标签管理,待学习、观看记录、审核与统计齐全。

能力线 04

AI 案例分析

全量裁判文书入库,同名案基准对比与趋势看板。

平台全流程

主线七步,支线汇入同一个出口

从智能采集贯通到深度学习与培训;AI 创作生成作为支线,经「向上汇报」在「发布传播」汇入主线。

S01 主线 01–07:智能采集 → 自动清洗 → AI 数据治理 → 发布传播 → 智能推送 → AI 辅助分析 → 深度学习与培训;支线 B1–B2 汇入「04 发布传播」
S02 输入端:互联网资讯、裁判文书、法律法条、真实案例、培训视频、警示片
S03 输出端:报告类(简报 / 详细分析 / 三违 / 隐患)与视频类(还原 / 培训 / 警示片)

能力 01 / AI 写作

把要素清单,变成对话式填空

先说清时间、地点、单位、伤亡与损失,其余由平台按规范体例组织成稿。定稿前仍按企业制度逐级审核签发,AI 只负责把「初稿」变成「好改的稿」。

5 类常用模板

TEMPLATES
  • 简易事故报告 · 详细事故报告
  • 三违报告生成 · 隐患报告生成
  • 简报:按周期与主题自动汇编

输入要素(缺项会追问补齐)

INPUTS
  • 基本信息 · 矿井概况 · 事故地点 · 工程参数 · 地质条件 · 支护设计
  • 事故经过 · 应急处置 · 事故原因 · 责任认定 · 处理建议 · 图纸照片
S04 帮我写作:五类模板 + 要素提示,输出可继续追问改口径、补章节
S05 分镜规划:一集 7 幕、单镜 5 秒,逐镜写明画面 / 镜头运动 / 旁白

能力 02 / AI 规划与成片

一篇事故报告进去,一套分镜出来

结构化事实 → 叙事主线与警示教育点 → 按幕拆分分镜 → 数字人播报与事故过程还原,批量产出。

四步成片

PIPELINE
  • 1 事故报告:时间 / 地点 / 伤亡 / 损失 / 原因
  • 2 脚本生成:明确「看什么、怕什么、怎么防」
  • 3 分镜规划:按幕拆分,逐镜写画面 · 视频 · 旁白
  • 4 一键成片:数字人播报 + 过程还原

示例:2023-04-02 湖南某煤矿瓦斯爆炸——第 1 幕 7 个分镜以「深色底 + 章节标题」起手,第 2 幕切入时间地点与伤亡数字,逐幕推进到事故原因与整改。

能力 03 / 学习与资讯

视频有库,资讯有源,学习有记录

员工端看到「待学习」与观看记录;管理端可审核、可批量下载、可统计。资讯侧按层级、类别、关键词检索,重大文件即时提醒。

S06 学习资料库:设备与维修 / 操作规程 / 事故警示三类,待学习与观看次数可回溯
S07 安全资讯:国家 / 地方 / 企业三级筛选,附原文发布时间与来源

分类体系

按岗位可检索

设备与维修 / 操作规程 / 事故警示,层级可扩展,按岗位与专业定向推送。

内容审核

发布前统一把关

视频审核中心统一开展合规确认,批量下载与导出按页筛选。

学习状态

可考核的学习闭环

待学习、已学习、观看次数与时长可回溯,可排入班前会与年度培训。

能力 04 / AI 案例分析

把「凭经验判断」,换成按样本对标

以 1,286 份同名案为样本(2019.01—2026.06,数据完整率 92.4%,覆盖基层 / 中级 / 高级法院),把本案与同名案均值逐项对比,给出偏离提示与来源说明。

5,194 件

入库案例总数

1,298 人

累计死亡人数(案例库口径)

471.12 亿元

直接经济损失

92.4%

同名案样本数据完整率
S08 同名案基准:伤亡规模位于同名案前 6%,损失均值为 6.8 倍,缓刑率低于基准 34%
S09 分析看板:2017—2021 审结高位运行,2022 年后明显回落;民事 49% / 刑事 29% / 行政 23% / 执行 2%

看板为平台入库口径,与统计部门公布口径可能不同,对外引用需注明来源与时点;AI 结论仅供参考,可重新分析、编辑校正与导出报告。

「让事故定性与处罚裁量,在同一把尺子上讨论——这才叫警示教育的数据化。」

案例 03 · 项目复盘