现代船舶设计越来越多地依赖于三维模型，其数据（如OCX、IFC格式）本质上是海量的、结构化的文本 。在设计迭代过程中，如何高效、准确地比对不同版本的模型文件，并理解变更带来的潜在影响，是一个核心痛点。一方面，模型数据量极其庞大，远超现有大语言模型（LLM）的上下文窗口限制，导致LLM无法直接处理 。另一方面，LLM本身缺乏专业的工程知识，无法理解模型数据背后的“隐性设计意图”（如变更是否符合规范），导致其分析能力严重不足。

本项目旨在研发一个智能分析与比对系统，以解决上述两大技术瓶颈。项目将重点研究面向LLM的多版本数据预处理技术，通过智能聚焦和数据轻量化，解决LLM无法处理海量数据的问题。同时，项目将构建船舶设计知识图谱，作为专业知识框架，辅助LLM深度解读模型数据的工程语义，实现从“数据变更识别”到“工程影响分析”的跨越。

（1）实现基于LLM技术的多版本数据预处理模块。为解决模型数据量超LLM上下文限制的问题，本项目将研发一个数据智能轻量化引擎。该引擎将采用语义导向的差异分析，在LLM介入前，优先对两个版本的模型文件进行智能比对与聚焦，自动提取核心的变更信息，输出LLM可处理的“轻量化差异报告”。

（2）构建船舶设计领域的专业知识图谱。为解决LLM缺乏专业知识导致“看不懂”工程意图的难题，构建一个船舶设计专业本体库和知识图谱。该图谱将提炼核心设计流程与数据标准，形成一个包含典型变更场景与设计规范关联的规则库，作为后续智能推理的知识基础。

（3）开发基于LLM与知识图谱的工程语义推理引擎。研发一个融合LLM与知识图谱的推理引擎。该引擎接收预处理模块输出的“轻量化差异报告”，利用LLM初步解析变更的语义，再调用知识图谱进行专业知识的转译与关联。

（4）集成并验证智能分析与比对原型系统。建成一个可交互的Web应用原型，集成上述所有模块。该系统支持用户上传两个不同版本的文本化三维模型文件，能自动执行“数据预处理-LLM语义解析-知识图谱推理”的完整流程。

完成了多版本 OCX/XML 船舶模型的数据解析与差异分析，实现了结构化解析、跨版本对象匹配、增删改差异识别与轻量化差异报告生成，为船舶模型变更审查提供了自动化处理基础。

构建了面向工程合规检查的船舶设计知识图谱，围绕规则、子规则、构件、参数、条件、公式等对象建立规范本体，并基于 Neo4j 完成图谱生成，实现了船舶规范知识的结构化表达与关联查询。

设计了面向工程审查的结构化变更单元，将底层 diff 中分散的 XML 路径变化聚合为面向构件的变更对象，并补充构件上下文、附着关系、专题变化摘要和关注优先级，使模型差异从单纯字段变化转化为具有工程语义的审查线索。

建立了基于 GraphRAG 的规范证据组织与 LLM 推理流程，通过社区划分、检索意图构造、候选实体召回、局部知识子图扩展和条款重排，将构件变化与相关规范条款建立关联，生成包含语义评估、工程影响和建议核查事项的结构化分析结果。

搭建了 Web 端智能分析比对系统，集成双文件上传、同步/异步任务处理、知识图谱可视化、报告存储与展示等功能，并完成系统测试与效果验证，初步验证了系统在船舶模型变更分析、规范检索和辅助审查场景中的可用性。