引言：从“人找系统”到“系统找人”的范式跨越
城市地下管网，被誉为城市的“生命线”。随着水务行业信息化的多年建设，大多数水务集团已经积累了丰富的底层系统：从记录空间资产的 GIS 系统、监控实时运行状态的物联网（SCADA）平台，到处理日常运维的云工单中心与客户服务系统。
然而，当这些系统逐渐庞大，业务人员的日常操作负担也在日益加剧。在传统的管网调度与运维场景中，处理一个突发事件往往需要操作人员跨越多个独立平台：打开 GIS 系统确认坐标，登录物联网平台核对水压曲线，最后再进入工单系统派发任务。这种“人找系统”的模式，不仅增加了信息流转的延迟，更让系统之间的数据协同变得异常艰难。
企业需要的，从来不是推倒重来、再建一个庞大的新系统，而是一个能够听懂业务语言、打通底层数据、并能协助执行操作的“智能中枢”。
基于此，上海羽山数据服务有限公司以“管网活地图”智能体项目为契机，提出了一套兼顾技术深度与落地务实的解法：以数据工程为底座、多智能体协同为引擎，在不改变原有老系统底层架构的前提下，通过智能交互与人机协同，彻底重构管网业务的数据流转体系。
今天，我们将深度拆解这一项目的核心架构，透视 AI Agent 是如何在复杂的基础设施运维中真正“下场干活”的。
一、 兼容与融合：让老旧系统长出“数字大脑”
在政企与基建领域的数字化升级中，最大的风险往往来自于对原有核心业务系统的盲目替代。羽山数据的方案从一开始就确立了“平滑兼容、非侵入式对接”的总体原则。
“管网活地图”智能体被定位为现有系统之上的智能交互与协同层。系统通过构建统一的能力服务层与系统集成层，全面对接了水务集团现有的 GIS 系统、大数据中心、物联网平台、运营管理平台以及云工单中心。
API 与服务封装：对于已经具备标准接口的系统（如物联网平台、大数据中心），智能体通过统一的接口网关进行对接，实现接口鉴权、数据转换与异常处理。
跨系统的数据流转：智能体的核心价值在于打破了系统的物理边界。它不仅能读取数据，还能在不同系统间传递上下文。例如，在查询到某段管线老化后，智能体可以直接携带该资产的设备编码，跨系统向云工单中心发起运维查询请求，将资产台账与业务工单无缝缝合。
USara 赋能老旧 Web 系统：对于部分接口暂不可得或操作极其复杂的遗留系统（Legacy Systems），我们创新性地引入了 USara（浏览器内 AI 操作员）作为实施辅助与轻量化增强能力。在严格遵循用户既有登录态与权限的前提下，USara 能够辅助理解复杂页面、提取报表表格、甚至跨标签页流转数据，作为正式接口的有力补充，极大地提升了系统兼容的灵活性。
通过这种深度的融合机制，海量的老旧系统不再是沉重的信息孤岛，而是被 AI 赋能的、随时响应调用的“能力组件”。
二、 智能问数：让海量数据听懂“业务指令”
在日常的管理与汇报中，业务人员面临的高频痛点是：为了生成一份分析报表，需要手动从不同系统中导出 Excel，再进行繁琐的合并与清洗。
为了解决这一问题，我们打造了**“智能问数”**子智能体，其核心能力在于精准的意图解析与多维统计分析。
- 意图解析与时空转换当用户输入“查询近24小时某片区压力异常点”时，智能问数引擎并不会简单地将其当作关键字检索。它会自动拆解出核心指标（压力）、时间范围（近24小时转换）、空间范围（某片区多边形坐标）以及聚合方式（异常状态过滤）。
- 智能匹配与图数联动解析完成后，智能体自动将指令路由至相应的底层工具——向物联网平台请求实时压力曲线，向 GIS 系统请求片区拓扑。更重要的是，统计结果不再是冷冰冰的数字表格，而是直接与地图进行图数联动。异常的压力点位将在 GIS 地图上动态标红，并自动生成各类趋势图与饼图，实现从“看数”到“看态势”的直观跃迁。
- 自动化报表中心基于智能问数能力，系统构建了报表中心场景。无论是管网资产报表、运维工单报表，还是数据问题周报，用户只需通过自然语言下达指令，系统即可依据统一的指标口径库，自动穿透底层系统调取数据，秒级生成可视化报告，彻底解放了一线人员的统计压力。
三、 智能问策与智能预警：驱动业务闭环的核心引擎
如果说“智能问数”解决了“是什么”的问题，那么**“智能问策”**解决的则是复杂的“怎么办”的问题。在管网应急与调度场景中，时间的价值无可估量，这要求系统必须具备极强的异常感知与辅助研判能力。 - 实时感知与智能预警系统与物联网监测平台深度绑定，实时监测管网的压力、流量、水质等关键运行指标。当识别到流量突变或水压持续低于阈值时，系统触发智能预警。这种预警并非简单的数值超标报警，而是结合了持续时间、波动趋势等规则引擎的综合判断，大幅降低了无效的误报率。
- 辅助决策与方案生成以典型的“应急爆管停水”场景为例。当预警触发或人工录入爆管事件后，总控智能体会迅速调度多个子模块协同作战：
调用智能问图锁定爆管坐标，并基于空间拓扑关系，瞬间提取出周边关联的管线、阀门与泵站信息。
调用智能问政模块，从海量的企业知识库中，精准检索出适用于该区域的《供水管道爆管应急处置预案》，提取核心的合规操作步骤。
最终，智能问策引擎结合水压状态、阀门控制关系与历史相似案例，自动生成一份结构化的应急处置方案草稿。方案内明确包含了影响范围评估、关阀策略建议、停水通知对象以及抢修工单的关键信息。
这种基于多智能体协同（Multi-Agent Orchestration）的流转机制，将原本高度依赖个人经验与跨系统查询的复杂工作，固化为标准化、智能化的流水线，极大地提升了应急响应的专业度与时效性。
四、 坚守边界：人工复核与安全管控的终极防线
在基础设施的运维管理中，安全是永远的“一票否决项”。AI 技术再强大，也绝不能演变为不受控制的“脱缰野马”。羽山数据在方案设计中，将安全权限前置与人机协同作为整个智能体架构的核心基石。 - 严格的人工审核（Human-in-the-loop）机制我们深知，关阀、停水、派发抢修工单等动作涉及重大的安全与社会影响，绝不能由 AI 自动盲目执行。因此，系统被严格定位为“辅助研判”工具。智能策产出的所有关阀策略、停水影响范围评估、工单推送建议，都只是一份**“草稿”**。这些关键动作在触达底层业务系统执行之前，必须经过具有相应权限的业务专家或调度员进行人工复核与最终确认。AI 负责高效整合海量数据并提供最优解，人类负责对最终的业务安全与合规把关，两者各司其职，完美互补。
- 权限与角色的深度绑定智能体自然语言交互不能成为绕过原有业务系统权限的后门。在我们的架构中，用户发起任何提问前，系统都会优先加载用户的组织架构、岗位角色与数据权限上下文。这意味着，一线运维人员、GIS 专员与集团管理层在输入同样的“查询本周异常数据”指令时，智能体会自动在底层追加数据过滤条件，确保每位用户只能看到、调取自己权限边界内的资产与数据信息。
- 全链路溯源与可解释性对于政企客户而言，“不知道 AI 是怎么算出来的”是极其危险的。为了解决大模型的“幻觉”与不可解释性问题，我们的智能问政与智能问策高度依赖于基于企业私有数据的 RAG（检索增强生成）技术与业务规则引擎。系统生成的任何一份研判方案与统计报表，都会清晰地标注其数据来源、引用了哪一份现行有效的制度文档、触发了哪一条阈值规则。所有的工具调用、接口请求、方案生成与人工确认动作，均被完整记录在日志审计库中，确保每一次业务流转都经得起严苛的复盘与回溯。
五、 数据工程：看不见的地基与护城河
所有的智能化展现，都建立在扎实的数据地基之上。大模型之所以能听懂复杂的管网业务，是因为我们在底层实施了极具深度的数据工程与知识底座建设。
在项目实施初期，我们系统性地梳理了空间、设备、监测、业务、规范这五大类知识实体。我们将原本零散的管网拓扑关系、设备工单关联关系、异常判定因果关系编织成了多维度的管网知识图谱；同时，将成百上千份沉睡在文件夹里的《操作规程》、《应急预案》、《数据标准》清洗、切片、标签化，转化为智能体可实时检索、引用的标准知识库与指标口径库。
正是这些繁琐、枯燥却至关重要的数据治理工作，让智能体摆脱了“泛泛而谈”的通用闲聊模式，真正具备了深刻理解水务管网资产画像与业务逻辑的专业认知。
总结
AI 时代的到来，并非意味着要淘汰过去十几年辛勤建设的信息化系统。相反，如何唤醒这些系统中沉睡的庞大资产，才是新时代的命题。
从底层扎实的数据工程，到智能问数、智能问策的敏捷洞察；从无缝兼容老旧业务系统的接口融合，到坚守人工审核与安全权限的合规底线，羽山数据致力于为企业修筑一条平稳过渡到智能时代的公共道路。
“管网活地图”智能体不仅是一个产品的落地，更是一种理念的印证：真正的智能，不应只是炫目的技术演示，而应深深扎根于泥土之中，成为帮助业务人员提效减负、驱动基础设施高效安全运转的强劲引擎。