在电力安监领域，各种法律政策及安全规定繁多，针对电力生产各个环节的安全规章制度细致且庞杂，不同专业的电力生产一线人员需要学习的安全知识较多，学习成本较高。

基于PEFT（parameter efficient fine-tuning）技术实现对NLG语言大模型在安监知识库上的微调，以便于一线人员针对性学习各自领域制度。

随着新型电力系统建设日新月异，新的安全规定逐步制定，一线员工迫切需要新型人工智能技术，作为安监知识学习的伴随式导师。

基于NLU语言大模型+向量数据库构建本地安监知识搜索引擎，实现对相关安监知识的精准高效搜索。

大语言模型技术的突破使其在自然语言推理、语义理解、自然语言生成等领域得到广泛应用，但是大语言模型本身的“幻觉”问题成为制约其进一步应用的关键。

将安监知识引擎搜索的结果作为NLG大语言模型的上下文，和query string一起作为输入，有效避免模型“幻觉”。