首页/文章/ 详情

精智知识工程 | 从本体建模到智能体构建,精智本体与精智Whale让复杂变简单

21分钟前浏览0
   

仿真世界  数智未来


       

 

 

摘要


工单已经审批通过,无人机任务却没有生成。这是流程出了错,还是系统做对了?

在一次农业无人机植保的本地模拟中,监测值已经达到防治阈值,工单也已获批,但作业前的风速检查没有通过,任务因此没有创建。达到阈值、审批通过、允许作业,分别对应不同的业务条件。只有把这些条件及其先后关系理清楚,才能判断流程应该继续,还是在当前环节停止。

企业的作业规程、审批单和检查表中,同样包含着这样的条件与判断。AI能够从材料中找到相关说明,只是第一步;要进一步按规则处理问题,还需要明确每项条件在什么环节生效、满足后如何推进、不满足时在哪里停止,并让结果有据可查。从“读懂材料”到“按业务规则处理问题”,需要打通的正是这段距离。

本体难建,本体应用难,基于本体构建智能体更难。这三步的共同难点,是如何把材料里的专业经验,转化为清晰的业务定义,再让规则、流程、工具与界面围绕这些定义衔接起来。只有走通这段路,智能应用才能从提供信息,进一步走向有依据、有边界的业务处理。


一、构建本体:读懂一句话,

还要定义清楚一项业务


企业知识往往分散在标准文件、表格、审批流程与专家经验中。人可以借助上下文理解“库存不足需要补货”“设备过热需要停机”,但智能应用要据此作出判断,就需要明确对象、状态、单位、阈值以及后续处置方式。本体构建的难点,首先在于把这些默认共识逐项说清。

第一重复杂性,在于业务概念需要精确定义。“温度过高”对应哪台设备、哪种工况、哪一项测量值?触发的是提醒、建单还是执行?材料里看似清楚的一句话,进入处理链路后,每一处含义都会影响后续判断。

第二重复杂性,在于不同角色需要统一口径。业务专家关注经验是否准确,技术团队关注字段、类型与判断条件。同一个词,在不同部门或不同系统中可能有不同含义。如果这些差异没有先对齐,后续仍要依靠反复解释与协调,才能把专业经验转化为处理逻辑。

第三重复杂性,在于分散知识需要形成完整结构。对象、属性、关系、规则、动作与事件,既要逐项梳理,也要明确彼此联系及适用版本。局部定义正确,还不等于完整的业务过程已经建立。

本体为这些知识建立统一的业务结构:有哪些对象、彼此如何关联、依据什么判断、允许采取哪些动作、发生过哪些变化。业务与技术由此能够围绕同一份模型确认需求,减少反复解释与理解偏差。

但定义清楚,只完成了第一步。业务模型交付之后,如果业务人员仍然读不懂文件与记录,判断条件仍要逐条写入程序,规则调整仍要回到代码里,模型就难以进入日常处理。判断发生在哪个环节、依据是什么,如果也没有留下记录,业务方就难以核对结果。本体的第二道难点,是如何真正用起来。

精智本体针对的正是这两道难点:把业务材料整理为可核对的定义,以可读的结构呈现业务模型,将规则作为独立对象保存,并让判断过程逐条留痕。业务人员可以查看模型与判断依据,规则调整也不必都回到程序代码中。

二、构建智能体:模型建好

了,业务为什么还没接起来


业务如何表达清楚之后,还要回答业务如何推进。即使模型已经明确了“达到阈值需要防治”,也不能据此直接下发作业任务。规则怎样判断、审批怎样衔接、结果怎样查看,都需要进一步安排。基于本体构建智能体,至少还要接上四个环节。

规则求值。将阈值、比较符、适用范围与版本用于具体输入,形成明确的判断结果,让结论建立在具体条件之上。

流程组织。明确审批由谁完成、各环节如何衔接、满足什么条件才能继续,避免把某一项判断通过,等同于整条流程可以继续。

业务呈现。让业务人员从设备、告警、工单等熟悉的入口查看结果,并能进一步了解判断依据。

证据留存。记录输入是什么、采用哪项规则、在哪个环节停止,为后续查询和核对提供依据。

这些环节各自实现,仍不等于应用已经连通。业务定义、规则求值、流程组织与结果呈现,需要形成连贯链路。这通常涉及业务、建模、程序开发与界面设计等多种专业协作;规则调整后,相关环节也可能需要重新协调。从材料走向智能应用的实施成本,就产生在这些反复衔接之中。

精智本体与精智Whale的组合,让这条链路有了接续方式:精智本体整理业务定义,精智Whale组织智能体、工具与处理环节。以共用定义的链路中调整已有阈值为例,修改业务模型中的数值后,规则求值、流程节点与界面展示读取同一份定义,不必分别修改程序和界面,减少逐一对接的工作。

由此,企业可以换一个角度验证智能应用:除了能否回答问题,还要看从一份业务材料到一个按规则推演的智能体,需要多少协作,又能多快核对业务逻辑。下面这次实践,用两小时走完了从材料到模型、推演结果与交互界面的构建过程。

三、两小时案例:先把材料

里的判断变成可核对的定义


此次实践以农业无人机植保为本地模拟场景,构建用时两小时,未涉及真实施药与飞控。验证的重点,是业务判断能否被清晰定义、按顺序推演,并在界面中回查依据。

需求聚焦于一条具体业务链:监测发现虫情后,如何判断是否需要防治、如何形成工单,以及审批之后如何确认当前条件允许作业。专业阈值、方案条件、审批要求与气象约束,需要分别承担各自的判断职责。开头那张“已审批却没有任务”的工单,正是在这条链路中形成的结果。

用户提供业务口径与案例数据,包括地块、害虫、监测单位、防治触发条件、工单审批要求和作业前检查条件。精智本体将这些材料整理为可逐项确认的业务定义,通过M1—M6六类要素,把材料中的描述组织成后续推演可以使用的结构。

图1|材料进入建模:先明确业务问题精智Whale与精智本体的业务价值概览      

M1 对象:明确业务判断的主体。 地块、作物、稻飞虱、监测记录、防控阈值、风险判定、防治工单、无人机任务,各有明确角色,避免将不同对象的判断与状态混为一谈。

M2 属性:赋予数据完整的业务含义。 监测值不仅是“40”,还包含“头/百丛”这一单位;风速以米每秒计。数值、文本与状态的类型、单位、范围及合法取值均需明确,为后续比较和状态识别提供依据。

M3 关系:建立可追溯的业务联系。 监测属于哪块地、风险依据哪条记录、工单采用哪个方案、任务来自哪张工单,都通过关系连接,使分散记录具有完整上下文。

M4 规则:区分不同层次的业务判断。 监测是否达阈值、方案是否适用、无人机是否准入,分别对应不同条件。案例阈值T-01为40头/百丛,比较符为≥,版本为2026.1;这些信息与适用范围共同构成判定依据。

M5 动作:定义业务推进的条件与产出。 业务模型定义“创建防治工单”和“下发无人机任务”两类正式动作,分别明确输入、前置条件和产出;审批作为流程环节、准入作为规则判断,与动作各司其职。

M6 事件:记录业务过程中的实际变化。 工单创建、任务下发、回执回传分别留有记录。事件定义覆盖可能发生的节点,实际记录则反映每种情形真正到达的位置。

图2|业务定义成形:六类要素各有位置案例本体业务结构      

这一阶段的产出,是一份可供业务方核对的业务模型。对象是否完整、单位是否一致、条件是否准确、动作是否遵循审批边界,都有明确的确认依据。材料中的专业判断由此具备了可检查的结构,下一步才能验证它在不同输入下会产生什么结果。

四、编排与求值:工单已获批

为什么任务仍未生成


业务模型建立后,还需要组织各环节如何使用这些定义。精智Whale作为多智能体编排平台,在本案例中组织本体工具、智能体与处理环节,衔接建模产出、判断结果,以及后续可视化所需的模型与结果。

用户在这一层明确处理顺序与权限边界:先判断风险,再核对方案条件;满足建单条件才创建工单,审批后继续检查作业准入。Whale组织相关分工与工具输入输出,配套本地程序承担具体的规则求值与模拟流转,产出判定记录、工单及任务状态。

现在回到开头的问题:地块B的工单已经审批通过,为什么任务仍未生成?沿着模型中的定义逐步核对,就能看到答案。

第一步,比较监测值与阈值。 B的稻飞虱监测值为40头/百丛,阈值同为40头/百丛。依据模型中的比较符≥,40 ≥ 40,判定成立。等于阈值同样满足条件,进入后续判断。

图3|读取判定依据:阈值、单位与版本阈值对象属性与版本证据          

第二步,核对风险与方案条件。 达到阈值后,还需核对防控方案与当前作物、害虫等适用条件。方案推荐为工单提供处理依据,任务下发则需要后续审批与准入支持。B的案例记录在这一阶段继续进入建单环节。

第三步,创建工单并完成审批。 工单承接地块、监测依据与防控方案,审批通过后,状态为APPROVED。这意味着工单获得批准,作业是否具备执行条件仍需进一步判断。

第四步,检查作业前的气象准入。 B的风速为8米每秒,案例上限为5米每秒。由于8 > 5,准入结果为BLOCKED,原因字段为wind。下发任务的前置条件不满足,因此任务列表为空。

图4|执行前检查:地块 B 被风速阻断地块B风速阻断场景          
图5|回查阻断依据:已审批,任务仍为空地块B准入判定明细          

地块B的任务为空,正是这条判断链路的结果:监测达阈值,说明需要进入后续防治判断;工单获批,说明审批已经通过;风速超限,则使当前作业准入不通过。三个结论各自成立,不能相互替代。业务方既能看到“当前不能作业”,也能查清阻断发生在哪个环节、由哪个输入触发。

另外两块地形成了对照。在本地模拟中,A的监测值48 ≥ 40,审批通过,风速4 ≤ 5,准入通过,后续任务创建并完成模拟流转;最终工单状态为COMPLETED,任务状态为FINISHED,分别对应工单与任务两个对象。C的监测值38 < 40,未达阈值,不创建工单或任务;由于未进入作业准入环节,其准入为未求值,并非准入失败。

图6|对照推演分支:不同输入,停在不同位置A、B、C三组案例输入与流程分支          

同一份模型,让A完成模拟流转,让B停在作业准入,让C不进入建单环节。这些差异,使业务方能够具体核对阈值、方案条件、审批与执行边界是否符合预期。比起只看一个回答是否合理,逐项检查“什么条件下继续、什么条件下停止”,更能验证业务逻辑是否被准确表达。

五、可视化呈现:结果看得见

判断依据也要查得到


判断过程有了记录,还需要让业务人员看得懂。如果确认结果仍然依赖阅读模型文件和运行记录,业务与技术之间就仍有一道沟通门槛。

本案例将模型、已有求值结果,以及“按地块查看、可查询依据”的展示需求交给可视化智能体,形成田间场景与证据面板。地块、作物、无人机成为浏览入口,监测、阈值、工单与任务状态成为可点击查看的内容。

查看B时,用户可以从准入阻断结果回查整条判断路径:监测40、阈值40、工单APPROVED、风速8、上限5、原因wind、任务为空。切换到A,可以查看流程完成后的工单与任务状态;切换到C,则可以区分“未达阈值”与“准入尚未求值”。

图7|模型与结果交给界面:从地块进入业务依据田间交互界面全景          
图8|虫体形态与监测记录稻飞虱形态交互放大窗        

界面用于交互查看已有模型与结果,将抽象定义转化为具体场景,将判断依据组织为可查询的信息。业务人员无需直接阅读业务模型文件与运行记录,也能参与核对与讨论,确认自己的专业判断是否在模型与推演中得到体现。

此次两小时实践,连接了用户材料、业务建模、处理环节编排、本地程序求值与可视化呈现。精智本体与精智Whale的作用,是让专业判断更便于被组织、推演和验证,减少从业务经验走向智能应用的前期阻力。专业判断仍然是这条链路的基础。

六、带一份业务材料

验证智能应用的价值


这条路径也为其他具有规则、审批与执行边界的业务提供了参考。

设备运维可以从巡检记录、告警阈值与派工要求开始;质量管理可以从检验项、标准版本与放行条件开始;供应链可以从订单、库存与调度约束开始。不同场景仍需重新确认业务口径与接入条件,“材料—模型—推演—界面”的构建思路则可以复用。

两小时是此次案例的构建用时。对企业而言,更值得验证的是:自己的真实材料能否形成清晰的业务模型,典型输入能否产生符合业务要求的结果,关键判断能否被准确解释。

构建本体,需要梳理定义、统一口径;应用本体,还要把规则、流程与界面接起来。借助精智本体与精智Whale,定义有既定的结构,规则有明确的位置,推演与呈现共用同一份业务模型,原先需要多方反复协调的工作可以更多地由工具承担。

欢迎带来一份规程、一张审批单,或一段长期依赖经验处理的流程。借助精智本体梳理对象、条件与边界,再由精智Whale组织后续处理环节,围绕真实业务共同确认:什么条件下继续,什么条件下停止,每一步的依据是什么。

让材料中的经验成为团队可以理解、规则可以计算、结果可以追溯的业务知识,智能应用才有了从回答问题走向业务处理的具体起点。

也可立即致电  免费电话 400-6600-388

来源:安世亚太
农业材料知识工程气象无人机
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-11-16
最近编辑:21分钟前
安世亚太
精益研发助推中国智造
获赞 704粉丝 7584文章 551课程 92
点赞
收藏
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈