Step 1：定义分析目标（Define Purpose of the Analysis）

AI 自动分析系统说明书、需求规格等文档，识别并推荐关键损失（Loss）、系统级危险（Hazard）以及系统约束（System Constraint）。同时，AI 还能提前发现人工分析中容易遗漏的边界场景（Edge Case），帮助提高分析完整性。

Step 3：识别不安全控制行为（Identify Unsafe Control Actions, UCA） 

基于生成的控制行为，AI 自动应用 STPA 的四种分析指导原则（Guidewords）：

• 未提供控制行为（Not Providing）
• 提供错误控制行为（Providing Incorrectly）
• 提供过早或过晚（Too Early / Too Late）
• 持续时间过长或过短（Applied Too Long / Too Short）

从大量可能组合中自动识别所有潜在的不安全控制行为（UCA），并筛选出与系统危险（Hazard）直接相关的关键 UCA，大幅缩短分析时间。

Step 2：建立控制结构模型（Model the Control Structure） 

根据用户使用自然语言描述的系统运行方式，AI 自动识别控制器（Controller）、执行器（Actuator）、传感器（Sensor）以及受控过程（Controlled Process），并自动生成控制结构图（Control Structure Diagram）。即使面对复杂的反馈回路（Feedback Loop）和控制行为（Control Action），也能够快速完成可视化建模。

Step 4：识别损失场景（Identify Loss Scenarios） 

AI 自动分析导致 UCA 发生的原因，例如控制回路中的各种缺陷（如传感器故障、控制算法缺陷等）以及外部环境因素，并生成详细的损失场景（Loss Scenario）。此外，还可自动提出相应的安全约束（Safety Constraint）及风险缓解措施（Countermeasures），帮助企业建立更加完善的安全设计方案。