IoT DC3 AI 能力:Agentic Center 的设计与边界

大模型在工业场景的落地存在三个具体障碍:

连不上 ------模型无法感知实时现场数据;不敢给 ------设备接口的权限控制难以放开;答不准------工业场景要求确定答案。

DC3 的 AI Agentic Center(dc3-center-agentic,基于 Spring AI 2)就是围绕这三个卡点设计的。以下先说明当前能力,再说明设计边界。

能力栈:模型在变,工具面不变

整个能力栈分三层看:

模型接入层------多模型兼容。 走 OpenAI API 风格的接口,GPT、Claude、DeepSeek、Qwen 这些主流模型都可以接。这一设计使平台层不绑定任何模型厂商,替换模型仅涉及配置变更。

Agentic Center------会话与工具的编排层。 多轮对话的上下文与记忆持久化到数据库(换个终端登录,会话还在),Tool Calling 把平台的业务能力注册成模型可调用的工具。

平台工具面------模型真正能触达的范围。 在访问控制之下,模型可以查询设备与点位、读写点位值、辅助构造与下发命令。注意这个范围的边界设计:模型调用的每一个工具,背后都是平台既有的 API 与权限体系------模型没有特权账号。

一次真实的对话发生了什么

以 Web 端 AI Chat 里一个典型问题为例:"3 号车间最后一小时温度最高的设备是哪台?"

路径是:模型理解意图 → 发起工具调用(按租户与权限过滤的设备列表查询)→ 发起数据查询(最近一小时的温度点位数据)→ 拿到的是数据库里的确定数值,不是模型生成的估计 → 模型组织语言回答,并可生成趋势图。

这是对"答不准"的工程解法:数值来自数据库,语言来自模型------模型负责理解与表达,事实由平台数据保证。

告警场景类似:AI 辅助根因分析将相关设备的点位、命令历史与同类告警模式提供给模型,产出分析建议供运维决策。

刻意不做的三件事

  • AI 不自主执行处置:停机、启停等命令动作由 AI 辅助构造,下发仍走平台命令链路并由人工确认。这一边界与网信办《智能体规范应用与创新发展实施意见》(2026-05)的"规范有序"要求一致;
  • 不做无权限的裸调用。 每次工具调用都在调用者身份与租户上下文内进行,能查什么、能写什么,与人在平台上能做的完全一致;
  • 不绑定模型:模型可插拔,平台能力不依赖特定厂商特性。

实事求是的边界

  • AI 能力上限由所选模型决定,平台保证调用链路与数据面的正确性;
  • 根因分析质量取决于点位建模完整度------数据不完整时分析缺乏基础。

仓库 :GitHub pnoker/iot-dc3 · Gitee pnoker/iot-dc3(GVP)

文档:docs.dc3.site · book.dc3.site · demo.dc3.site(在线体验 AI Chat)

相关推荐
万里侯2 小时前
日志聚类之后别把 noise 扔掉:降噪应该改变视图,不抹掉证据
人工智能·微服务·ai·容器·k8s
澹锦汐2 小时前
纯前端秋日银杏与枫叶落叶色板智能聚类器:基于 K-Means 色彩量化与直方图自动配方提取
前端·人工智能·ai·语言模型·vue·react·k-means
星落梦生9 小时前
SpringAOP基础笔记(7)
java·开发语言
71777710 小时前
国内 AI 研发效能工具怎么选:2026 年基于公开信息的选型框架与 Gitee 实践
人工智能·gitee
金銀銅鐵10 小时前
带您看懂字节码指令(四):一条指令里有什么
java·jvm
Csvn10 小时前
换供应商要改一遍代码?把模型接入收进一层网关(C04)
人工智能·aigc·agent
最强小杰11 小时前
某 OpenAI 兼容网关上的 `kimi-k3.1-pro`:Cline、Zed 接入与 SSE 排错示例
java·服务器·网络·ai
孟健11 小时前
开源AutoClip切直播:1小时48分出19段,整月API只花0.08元
人工智能·开源·aigc
翰墨之道11 小时前
AI日报:豆包工作ARR超20亿,GPT-6.2跑分与实测割裂
人工智能·gpt·数据挖掘
Flynn Liang11 小时前
流量治理不是限流那么简单:I/O 密集型 Java 服务的 6 层防线
java·微服务·高并发·限流·熔断·系统稳定性·resilience4j