Agentic 预测维护 · 确定性管道智能体
跟一个设备状态监测 agent 聊聊
打一句话（比如「扫描机队」），一个确定性管道智能体会先跟你确认计划，然后当着你的面跑完 10 阶段分析（载入 → 清理 → 建模 → 选型 → 预测 → 诊断），把需要人拍板的事浓缩成几张带证据和引用的决策卡交回给你——agent 做重活，人做决策。
🔒 确定性 · 有据可查 · 无 LLM
68 秒演示
一句话 → 确认计划 → 看智能体跑完 10 阶段 → 决策卡拍板 → 带引用的诊断。下面可以亲手试。
在线体验
免费容器休眠后首次访问需自举约 2–3 分钟（下载 NASA 公开数据 + 现场训练）。看到「First boot / 首次启动」请稍等，之后秒开。 全屏打开 ↗
试试：
- 点「扫描机队」→ 确认计划 → 看 agent 逐步跑完并交回决策卡
- 输入「diagnose unit 81」→ 得到带知识库引用的双语诊断
- 切到「教学模式」→ 手动逐步看每一环节的功能和目的
它能做什么
对 100 台涡扇发动机（NASA C-MAPSS 公开仿真数据）做剩余寿命预测、风险分级、证据提取，并用 TF-IDF 检索一个维护知识库，生成每条建议都带出处的诊断报告；全程可复现、可审计（每次工具调用都写进执行轨迹）。
边界
独立研究原型：公开仿真数据，非真实车队遥测；确定性规则编排，默认无 LLM；所有输出仅供参考——分诊和签核类决策永远不会自动通过，必须由人确认。与任何设备制造商无关。
怎么工作的
10 阶段流水线由一个规则式监督器驱动：每阶段「执行 → 验证门 → 通过 / 升决策卡 / 硬停」，产物带溯源戳（断点续跑），事件流实时渲染成聊天气泡；决策卡的每条信号都能回溯到具体产物字段。源码与评估报告见 GitHub。