TADI：通过Agentic LLM编排异构井场数据的工具增强钻井智能

我们提出TADI（Tool-Augmented Drilling Intelligence，工具增强钻井智能），这是一个将钻井作业数据转化为基于证据的分析智能的agentic AI系统。应用于Equinor Volve油田数据集时，TADI将1,759份每日钻井报告、精选WITSML实时对象、15,634条生产记录、层位顶界和射孔数据整合到双存储架构中：DuckDB负责对12张表、65,447行数据执行结构化查询，ChromaDB负责对36,709个嵌入文档进行语义检索。十二个领域专用工具由大语言模型通过迭代函数调用进行编排，支持多步证据收集，将结构化钻井测量数据与每日报告叙述交叉印证。系统以零错误解析全部1,759个DDR XML文件，兼容三种互不兼容的井名命名规范，并有95个自动化测试以及覆盖六个作业类别、共130个问题的压力问题分类体系作为支撑。我们将agent行为形式化为序贯工具选择问题，并提出证据落地分数（Evidence Grounding Score，EGS）作为简单的落地合规代理指标，其基于测量数据、带出处标注的DDR引用和必需答案段落。完整的6,084行、无框架依赖的实现可在获得公开的Volve下载和API密钥后复现；案例研究和定性消融分析表明，领域专用工具设计而非单纯的模型规模，才是技术作业中分析质量的主要驱动因素。