智能体驱动的水处理投药决策 + 人工监督，越界动作必须人工确认
关于本页
本页仅为架构示意与能力描述，不展示任何客户生产数据、传感器读数或实际系统界面。
一句话说明
富光智慧加药除磷是面向水处理场景的智能体投药方案：传感器阵列秒级采集水质、流量与投药量，智能体结合阈值模型与大模型推理给出加药建议和风险等级，运维人员确认后执行器才调参。与固定 PID 控制最大的不同是关键阈值外的决策必须人工确认且全程留痕——智能体是建议者，不是最终决策者。本页只呈现架构与能力，不含客户生产数据。
智能体覆盖的关键工作流
传感器阵列采集水质/流量/投药量，秒级进入智能体决策上下文。
基于阈值模型 + LLM 推理给出加药建议与风险等级，支持人类复核。
执行器调参后回流处理结果，形成自适应闭环。
关键阈值外的决策必须人工确认，所有操作留痕，符合行业合规要求。
横向对比
| 维度 | 纯人工经验 | 固定 PID 控制 | 智能体驱动 + 人工监督 |
|---|---|---|---|
| 决策依据 | 老师傅的经验与班次习惯，随人而变 | 预先整定的参数曲线，与整定时的工况绑定 | 秒级水质 / 流量 / 投药量数据，阈值模型与大模型推理共同给出建议 |
| 工况变化时怎么跟上 | 靠人巡检发现再调，滞后取决于巡检频率 | 参数固定，超出整定范围需工程师重新整定 | 执行结果回流传感器，形成自适应闭环持续修正 |
| 谁对越界情况负责 | 全凭个人判断，责任边界模糊 | 控制器不评估风险，异常仍要人来发现 | 关键阈值外的决策强制人工确认，智能体只输出建议与风险等级 |
| 可追溯性 | 纸面记录与口头交接，回溯困难 | 记录控制量，但不记录为什么这么调 | 建议、确认与执行全程留痕，可满足行业合规审计 |
智能体与人工监督如何协同
source
传感器阵列
agent
智能体决策层
human
运维人员
output
加药执行器
Flow
可核对事实
方案链路为四段闭环：传感器阵列 → 智能体决策层 → 运维人员授权 → 加药执行器，执行结果再回流传感器形成反馈循环。
智能体不独立执行：关键阈值之外的决策必须经运维人员确认，所有操作留痕以满足行业合规要求。
适用边界