地震数据分析是能源勘探的核心环节，但复杂处理工作流的配置过去往往既耗时又容易出错。Halliburton的Seismic Engine作为云原生地震数据处理应用，过去需要手动配置近百个专业工具才能搭建工作流，不仅耗时久，还对使用者的专业知识要求极高，这在一定程度上限制了软件的可访问性与运行效率。
为应对这一挑战，Halliburton与AWS生成式AI创新中心展开合作，开发了Seismic Engine的AI助手。这个解决方案整合了Amazon Bedrock、Bedrock知识库、Amazon Nova及DynamoDB等工具，把复杂的工作流创建过程转化为对话式操作——地质与数据科学家无需手动配置工具，只需用自然语言就能完成相关任务。
评估结果显示，该系统的工作流生成成功率达到84%至97%，创建时间从原来的分钟级缩短至秒级，耗时减少超过95%。其中，Claude Sonnet 3.5 V2在处理中等复杂度工作流时成功率更高，可达97%；而Claude Haiku 3.5则在速度上更具优势。
Halliburton Landmark的地下技术经理Phillip Norlund和地下研发高级产品负责人Slim Bouchrara指出：“与AWS的合作加快了地下解释工作流的推进速度，将耗时的工作流构建任务减少了一个数量级。生成式AI助手不仅提高了效率和准确性，还让高级地球物理工具能被更多用户轻松使用。”
从技术架构来看，系统以FastAPI应用为基础，部署在AWS App Runner上，借助Amazon Nova Lite驱动的Intent Router对查询进行分类——包括工作流生成、问答及通用问题三类。问答环节通过Bedrock知识库和OpenSearch Serverless提供与文档相关的答案；工作流生成功能由Bedrock上的Anthropic Claude生成YAML工作流实现；DynamoDB负责存储聊天历史，以支持多轮对话功能。
这一方案表明，生成式AI能把复杂的技术流程转化为自然对话交互，提升工业软件的易用性，还能推广到其他需要专业工具配置的复杂工作流场景中。
快报