name: 安全風險評估(safety-risk-assessment) description: " 安全生產風險評估工具,內建作業條件危險性評價(LEC)、風險矩陣(LS)分級、作業危害分析(JHA)、道化學火災爆炸指數法(DOW F&EI)等評估方法,可生成風險評估報告和風險分級管控清單,覆蓋工貿、危化品等多行業場景。" agent_created: true
本 skill 面向企業安全生產管理人員、EHS 工程師、安全評價人員,提供一套標準化、可復現的安全生產風險評估工作流。它內建四種主流評價方法的計算引擎與分級規則,並可直接產出《風險評估報告》與《風險分級管控清單》(紅/橙/黃/藍四色),用於企業雙重預防機制(風險分級管控 + 隱患排查治理)建設。
出現以下任一情形時,應啟用本 skill:
7w4.net小蔥技能站收錄全網優質技能,值得收藏。
D = L × E × C,附完整評分表與分級。R = L × S,5×5 矩陣,紅/橙/黃/藍四級。風險評估報告.docx 與 風險分級管控清單.xlsx(紅/橙/黃/藍四色)。batch 批次並出報告。references/standards.md 的 GB/T 13861 四類因素辨識危險源,按 GB 6441-2025 判定事故型別(27 類)。references/lec.md,LS 評分查 references/risk-matrix.md。使用 scripts/assess.py(Python 3,無第三方依賴)。所有方法均輸出 JSON,含風險值、風險級別、顏色、管控要求。
# LEC 單點
python scripts/assess.py lec --L 3 --E 6 --C 15
# LS 單點(可覆蓋分級閾值)
python scripts/assess.py ls --L 3 --S 4
# 道化學(第 7 版詳細版,逐項係數 JSON)
python scripts/assess.py dow --input dow.json
# 若需模板,先生成示例 dow.json
python scripts/assess.py dow --sample --output dow.json
# JHA 批次(JSON 陣列,每步指定方法)
python scripts/assess.py jha --input jha.json --output result.json
將多個風險點放入 CSV 或 JSON,執行 batch --report:
python scripts/assess.py batch \
--input risks.csv --report \
--company "XX公司" --unit "XX車間" \
--scope "車間常規作業" --assessor "張三" \
--outdir ./output
name,method,hazard,accident,L,E,C,SL,E,C,S 留空:高處作業平臺,lec,臨邊墜落,高處墜落,3,6,15,L,S,E,C 留空:電焊作業,ls,火災爆炸,火災,3,,,4風險評估報告.docx + 風險分級管控清單.xlsx。依據 references/risk-levels.md 的四色分級與「替消工管個」措施層級,對每個風險點制定控制措施(消除→替代→工程→管理→PPE),紅/橙風險點建立隱患排查表閉環。
assess.py — 核心計算與報告生成引擎(lec / ls / jha / dow / batch 五個子命令)。standards.md — 適用國標與法規清單、四類危險有害因素、27 類事故型別(GB 6441-2025)。lec.md — LEC 三因子評分表、D 值分級與四色對映、示例。risk-matrix.md — LS 的 L/S 評分表、5×5 矩陣、分級閾值(可配置)。jha.md — 七步作業危害分析流程、JHA 表字段、批次評價說明。dow-index.md — 道化學第 7 版詳細版:MF 表、一般/特殊工藝危險逐項係數與取值條件、暴露引數、危害係數、補償係數、危險等級與計算示例。risk-levels.md — 四色分級總表、顏色對映、控制措施層級、隱患銜接。assess.py 在執行時生成,無需模板檔案。pip install -r scripts/requirements.txt(python-docx、openpyxl)。ls/batch 的 --red/--orange/--yellow 引數覆蓋。dow-index.md),dow 子命令接受結構化的 dow.json 輸入。這是一款面向安全生產管理的專業評估工具,內建多種風險評估方法,可自動計算風險等級並生成報告清單,對安全管理人員很有幫助。文件標準引用充分,方法說明詳細。不足之處是缺少自動化測試,批次處理和報告生成功能的穩定性有待驗證,普通使用者使用時可能需要注意資料格式的準確性。