中國科學院沈陽自動化研究所

1　項目目標和概述

傳統邊緣計算網關完成工業現場的設備接入、協議解析、數據緩存以及數據發布等功能，在整個工業軟件系統架構體系中向上對接互聯網云平臺，向下對接工廠的具體硬件設備，起到了非常重要的承上啟下作用，如圖1所示。

圖1 邊緣計算網關功能定位

但是在工程實施過程中，數據工程師需要完成復雜的網關配置過程來實現上述功能，無法達到“工業現場配置無人化”的要求，大大增加了工程實施難度。同時，大多數情況下甲方需求是“交鑰匙”工程，即使用邊緣計算網關來實現工程的自主配置和擴展，這對邊緣網關的智能性提出了更高的要求。

隨著近些年大模型及Agent技術的普及，邊緣計算網關的智能性提升問題得到了解決?；贏IAgent的工業物聯網關是在傳統邊緣計算網關基礎功能之上，通過引入軟件操作調度Agent來實現自然語言引導式的工程化配置方式，大大提升了數據配置效率，實現了模板快速生成、數據靈活存儲、工業場景重構等高階功能，提升了工業數據處理的靈活性。

基于AIAgent的工業物聯網關廣泛應用于汽車制造、特種裝備制造、軍工等多個行業，創造了巨大社會經濟價值。并且我們將工業物聯網網關源代碼進行了開源，其下載度、關注度在Git同行業物聯網架構中排行第一。

2　案例介紹

工業物聯網關包含基礎數據采集、解析、存儲等功能，引入AIAgent技術后各個基礎功能得到全面提升，并且可以通過自然語言引導完成所有軟件操作。其功能提升點如表1所示。

表1 傳統網關VSAIAgent網關功能點提升匯總

2.1　工業物聯網關基礎功能

工業物聯網關采用如圖2所示的功能架構，該架構由西側數據監測、東側實時控制、接口層和安全模塊四部分組成。其中，數據監測流程執行數據從硬件設備到應用的上行過程；實時控制流程執行控制指令從應用到硬件設備的下行過程；接口層負責統一對接標準組態工具，提供不同功能接口；安全模塊管理網關整體的通信安全。

數據監測部分從下到上分別為協議層、基礎層、業務層。協議層負責多硬件設備的協議解析，對接工廠中的數采需求；基礎層是數據監測的核心，負責管理網關運行中的所有數據；業務層負責配置報警計劃等業務的管理。

實時控制部分從上到下由任務實時調度、內核虛擬化、實時控制器三部分組成。其中，任務實時調度負責將復雜控制任務拆解成簡單子任務，并賦予任務執行優先級；內核虛擬化負責將計算資源分割，獨立并行執行分解出的子任務；實時控制器負責利用即時通信協議與控制設備通信，完成實時控制。

圖2 工業物聯網關功能架構

下面分別說明網關運行流程中各個模塊的功能作用。

（1）連接管理

管理網關與硬件建立的所有網絡連接，維護連接的可用性。

（2）設備管理

根據分類建立設備模板，構建出數據采集的基本單位，為數字孿生提供模型依據。

（3）存儲管理

管理所有緩存數據的持久性存儲，分為總線存儲、行存儲和列存儲三種方式。

（4）系統管理

管理網關運行環境系統運行過程中的所有系統自帶參數，包含系統內存使用率、JAVA虛擬機內存情況、磁盤使用率和CPU使用率。

（5）腳本管理

管理用戶自定義的可執行腳本，為腳本提供運行環境和通訊程序。

（6）報警管理

管理硬件設備的報警信息，并提供報警信息的后處理及歸檔功能。

（7）出口管理

管理通過網關直接發送給第三方應用的原始數據，發送的方式包含：MQTT、OPCUA和HTTP等。

（8）日志管理

管理所有系統運行過程中的日志信息。

（9）實時任務調度

管理任務的優先級和拆解，為內核分配執行子任務。

（10）多虛擬內核

管理操作系統虛擬內核的各種屬性，維護內核正常運行。

（11）實時控制器

管理子任務對于硬件設備的實時數據讀取與控制命令下發。

2.2　工業物聯網關進階功能

基于AIAgent的工業物聯網關系統架構如圖3所示，其在傳統網關設備接入、協議解析、數據緩存以及數據發布等基礎功能之上，做了多方面的AI提升。每種功能提升對應一種Agent的實現，其中包含：自然語言引導Agent、模板配置Agent、數據檢索Agent、數據存儲Agent、場景重構Agent和數據路由Agent。其中自然語言引導Agent為調度者，操作其它Agent的運行，下面分別詳細介紹。

圖3 AIAgent網關多Agent架構

（1）自然語言引導Agent

自然語言引導Agent是所有Agent的調度者，也是整個工業網關頁面操作的調度者。隨著應用程序功能的日益復雜化，用戶在執行跨應用任務時面臨著諸多挑戰。為了提升用戶體驗，本項目利用最新的多模態大模型技術，結合自然語言處理和圖形用戶界面分析，開發出了自然語言引導Agent，旨在通過理解和執行復雜的用戶請求，提高任務執行的效率，減少人為錯誤，使用戶能夠更加專注于創造性和戰略性的工作。

它能夠在網關系統中的多個應用程序之間無縫導航和操作，根據任務需求在不同的應用程序中執行一系列動作。用戶可以通過自然語言指令告訴邊緣網關需要完成的任務，自然語言引導Agent理解這些指令后，將它們轉換為具體的GUI操作，無需用戶手動干預。同時，它包含一個控制交互模塊，能夠將視覺模型識別的動作轉化為對應用程序控件的實際操作，如自動點擊按鈕、輸入文本等，用戶無需實際操作頁面。

自然語言引導Agent采用雙代理架構，包括MonitorAgent和ImplAgent。MonitorAgent負責分析用戶請求，并從當前活躍的網關模塊中選擇一個最合適的功能模塊來執行任務。如果請求需要跨越多個功能模塊，MonitorAgent也能夠在完成前一個功能中的任務后，切換到不同的功能模塊。ImplAgent負責在選定的功能模塊上迭代執行動作，直至任務在特定功能模塊內成功完成。它會捕獲當前應用程序用戶界面窗口的屏幕截圖，并標注所有可用的控件，然后選擇一個控件進行操作。

由于自然語言引導Agent的研發，形成所有的網關數據配置操作都是如圖4所示的形式，采用自然語言交互控制模式。

圖4 自然語言引導模式

（2）模板配置Agent

傳統的網關設備模板配置過程如圖5所示，需要點擊“模板管理”、點擊“編輯模板”、輸入“模板名稱”、選擇“模板使能”、點擊“保存”完成編輯共五個步驟完成。

圖5 傳統模板配置流程

配置模板Agent通過解析自然語言，直接生成模板數據庫表數據，并將數據存儲進數據庫，從而配置模板操作一步到位，無需每步進行配置，如圖6所示。

圖6 模板快速生成流程

（3）數據檢索Agent

數據檢索Agent通過chat形式進行數據可視化分析，利用聊天機器人的交互性來進行數據分析和結果的可視化呈現。

首先，用戶通過聊天界面輸入數據查詢或分析請求。聊天機器人接收請求后，利用NLP技術解析用戶意圖，并提取關鍵信息。根據提取的信息，機器人進行數據查詢、分析或處理，然后將分析結果通過可視化技術轉換成圖表、圖像等形式，最后，將可視化結果通過聊天界面返回給用戶。

如圖7所示，用戶輸入給出最近一年的燃氣輪機耗能數據分析，數據檢索Agent給出對應的SQL語句以及曲線和卡片形式的數據展示。

圖7 自然語言交互分析效果

（4）數據存儲Agent

網關中內置了分布式消息總線用來完成數據的緩存。分布式消息總線是一種允許不同服務或組件之間通過發送和接收消息來進行通信的技術。它提供了一個中央化的消息傳遞通道，使得各個服務或組件可以異步地交換信息，而無需建立直接的連接。分布式消息總線包括以下幾個主要組成部分：

消息生產者：負責創建并發送消息到消息總線上。消息生產者可以是任何需要發送消息的服務或組件。

消息總線：作為消息傳遞的通道，負責接收來自消息生產者的消息，并將其傳遞給相應的消息消費者。消息總線通常是一個高度可靠和可擴展的系統，能夠處理大量的消息傳遞需求。

消息消費者：從消息總線上接收消息，并進行相應的處理。消息消費者可以是任何需要接收和處理消息的服務或組件。

基于消息總線形成的發布/訂閱模型如圖8所示，消息生產者將消息發布到一個或多個主題上，而訂閱了這些主題的消息消費者則會接收到這些消息。每個消費者都會接收到一份消息的副本，可以獨立地處理消息。在大數據環境下需要對這些離散消息進行負載均衡的存儲，通過數據存儲Agent來實時獲取節點參數，從而智能選擇存儲節點和存儲主題。

圖8 消息總線緩存模式

（5）場景重構Agent

場景重構Agent由規則引擎搭建，通過規則引擎插件可實現信息模型數據的二次配置組合，從而實現不同業務的數據支撐。

規則引擎整體架構分為三部分：Sources（數據源）、規則運行時和Sinks（目標系統）。Sources代表數據來源的位置，可能是MQTTBroker、消息隊列、文件和數據庫等。Sinks代表數據處理完成后所要存儲的位置，可以是MQTT、文件、數據庫或HTTP服務等。規則運行時包括數據業務邏輯處理、流運行時和SQL運行時，以及用于存儲持久化信息的底層存儲。

首先創建流，用戶定義數據源，即創建流，這類似于數據庫中的表格類型定義。其次，用戶為數據分析編寫SQL規則，這些規則將數據源中的數據轉化為所需的分析結果。然后指定目標，用戶指定一個保存分析結果的目標，如MQTT、文件、數據庫等。最終部署與運行，規則解析、規劃和優化規則，使其成為一系列算子的流程，并在設備上執行這些流程，實現低延遲和高吞吐量的數據處理。

多模型管理系統內置規則引擎層實現了對上傳到其他應用的數據的預處理，預處理功能包含但不限于AI模型調用、報警規則的定義、重復數據的刪減、流批數據的整合、時間窗口中間結果推送等。系統需提供給用戶友好的規則引擎編輯頁面，當系統部署完成后，用戶可根據自己的需求二次定義數據預處理規則。規則引擎完成的配置功能如圖9所示。

圖9 場景重構規則創建流程

（6）數據路由Agent

在邊緣控制的場景下，邊緣網關可以給被控制設備發送控制命令或者加載控制程序等。在該場景下，通過引入數據路由Agent分析用戶輸入的自然語言，來自動化確定發出什么控制命令，控制命令該路由給哪個設備等，并通過協議微服務執行該命令。如圖10所示AGV調度場景中，邊緣網關需要調度多個AGV，下發多個命令，通過用戶輸入“執行搬運A工位側圍組件”的命令，可自動化分析出需要哪臺AGV執行該指令，并執行指令。

圖10 AGV數據路由應用

2.3　工業物聯網關AIAgent構建過程

工業物聯網關AIAgent由大語言模型（LLM）、規劃技能、記憶系統和工具基礎架構所構成。首先，LLM為Agent提供強大的自然語言理解和生成能力，使其能夠理解復雜的語言指令、推理用戶意圖并生成流暢、準確的回應。其次，規劃技能使Agent能夠根據任務的目標和要求制定合理的行動計劃，協調和優化多步驟的決策過程，從而有效地執行更為復雜的任務。第三，記憶系統使Agent能夠存儲和檢索與任務相關的重要信息，在與用戶的交互過程中保持上下文的連貫性，并且能夠根據歷史數據調整其行為，提升任務執行的效率和準確性。最后，工具基礎架構賦予Agent與外部系統或應用交互的能力，如調用API、執行特定功能或訪問外部數據庫，增強了其在實際應用中的靈活性和多功能性。通過這四個核心組成部分，基于大模型的Agent不僅能夠執行語言生成任務，還能進行智能規劃、記憶跟蹤和有效操作外部工具，從而在多個領域中實現高效、智能的自動化服務。

AIAgent構建包括如下幾個步驟：接口文檔/數據庫結構導入、Agent創建及工具配置、多Agent交互配置、知識庫文檔上傳、調用流程構建和應用集成。其目標是實現基于問答交互模式下的網關基本元素操作、設備用戶手冊問答以及根據設備用戶手冊一鍵生成網關配置的操作。

（1）接口文檔導入

從物聯網關系統的開發工具中導入基本的增刪改查接口到Agent的工具庫中，如圖11所示。

圖11 接口文檔導入

（2）Agent創建及工具配置

接口能力導入到Agent開發環境中，形成具體的接口調用代碼，也稱之為工具或者技能，進而為Agent配置相關的提示詞、大模型和具備的技能，如圖12所示。

圖12 Agent創建及工具配置

（3）多Agent交互配置

為網關助手設置多個Agent，包括用戶代理Agent、操作執行Agent、文檔閱讀Agent等。需要讓他們進行協同工作，所以需要進行交互配置，定義他們的工作職責范圍，如圖13所示。

圖13 多Agent交互配置

（4）知識庫文檔上傳

將需要閱讀的設備用戶手冊上傳到Agent平臺的知識庫中進行解析和向量化存儲，如圖14所示。

圖14 知識庫文檔上傳

（5）調用流程構建和應用集成

最后根據多個用戶需求進行工作流程的設計，自定義交互創建，實現與Agent的交互，并且可以用多種方式對Agent的對話窗口進行集成，如圖15所示。

圖15 調用流程構建和應用集成

3　代表性及推廣價值

基于AIAgent的工業物聯網關廣泛應用于汽車制造、特種裝備制造、軍工等多個行業，創造了巨大社會經濟價值。

（1）汽車制造行業

電阻點焊是汽車車身的主要連接工藝。由于受到生產現場眾多因素的干擾，車身焊點質量參差不齊，質保措施必不可少。借助儀器檢測或破壞性抽檢均無法保證焊點得到全覆蓋檢測，而且成本高昂，因此點焊質量在線監控成為了業內公認的保證產品質量、提高生產效率的最有效方法。

在各車廠的焊裝車間，使用AIAgent工業網關完成焊接控制器、機械臂、PLC、工藝操作文件的數據采集、預處理和轉發，從而支撐了焊接質量預測方法的實施。工業網關采用分布式部署，每個設備數采局域網部署一臺，內置規則引擎完成數采場景的重構及多個設備的流式數據匯總，基于SQLAgent完成規則的快速生成。

（2）電梯制造業

電梯設備屬于國家特種裝備，關乎公民重大人身財產安全，屬于國家重點扶植行業。項目目標為實現電梯按需維保。傳統電梯維保采用半月一次的定期維保模式，電梯維修保養在電梯行業向來是“老大難”問題，需要耗費大量人力物力，新模式診斷出電梯即將發生故障，則進行維保，從而減少維保投入。

在電梯數據匯總服務器搭建AIAgent工業網關，網關中內含消息總線組件，消息總線采用分布式部署模式，從而支持萬部電梯實時運行數據的接入?；谪撦d反饋的Agent完成了分布式消息總線節點數據量的實時監控，并按照節點負載度對數據進行靈活存儲，分配不同節點、不同主題，從而實現了全國10w+電梯的數據接入。接入實時數據結合過往電梯歷史維保記錄，給出電梯預測性維保的方案。

（3）軍工行業

軍工生產，作為國家安全和國防力量的基石，具有至關重要的戰略意義。它不僅是國家軍事力量的直接體現，更是維護國家安全、保障人民利益、促進世界和平與穩定的重要力量。軍工產品的生產多采用機床加工制造的模式，機床加工制造過程中一方面會因產品型號發生變化，機床的執行代碼會即時做出調整，另一方面刀具的損耗成本成為機床加工亟待解決的問題。

在軍工生產車間，部署若干套AIAgent工業網關，完成西門子、發那科、海德漢、華中、廣數、新代等機床品牌的數據采集，包含主軸數據、伺服數據、坐標數據、刀具數據、工作時間數據、產品數據、系統數據以及報警數據八大類數據。同時，通過數據路由AIAgent完成機床程序的自動化路由分配，根據產品型號的變化智能給出機床程序，傳遞到對應機床設備中自動執行。

摘自《自動化博覽》2025年2月刊