IBM watsonx.ai 用例


对话式 AI 代理以基础代理架构为中心,并与之交互 IBM Maximo 通过自然语言进行系统。每个代理都有特定的名称、明确的用途、提示模板、对外部工具的访问权限,并由大型语言模型(LLM)通过 LangGraph、LangChain 和 watsonx.ai 提供支持。

这种设置使代理能够通过结构化工作流程处理用户的自然语言输入,从而使他们能够检索 Maximo 数据并执行创建新工作单或启动工作流程等操作。下图显示了用户在 1998 年 12 月 31 日请求优先级为 1 的工作订单的示例。Supervisor 代理将请求路由到 Maximo 代理,后者查询 Maximo API。结果将返回并格式化为自然语言和 JSON 以供用户查看,如图 1 所示。

A screenshot of a computerAI-generated content may be incorrect.
图 1

代理结构

用例实现使用了使用 LangGraph、LangChain 和 watsonx.ai 构建的多代理系统以及多个专业代理。每个基础代理都配置了以下属性:

  • 姓名:用于记录和代理选择的标识符
  • 目的: 任务或特定领域的焦点(例如,检索 Maximo 记录)
  • 提示: 指导 LLM 回应的教学模板
  • 哈哈: 生成自然语言输出的互联的 watsonx.ai 模型
  • 工具:代理可以调用以执行操作的 API 或实用程序模块

该代理还设计了核心功能,例如:

  • 处理输入: 管理用户请求和解释上下文
  • 基于代理逻辑的工具调用和响应路由

代理流架构

A diagram of a companyAI-generated content may be incorrect.
图 2

  1. 输入: 系统从主管代理开始,后者充当主要协调员
  2. 代理类型
    1. 主管代理: 主要协调员
      1. 接收用户输入
      2. 决定应由哪个专业代理处理请求
      3. 生成最终响应
    2. Maximo 特工: 处理 Maximo 特定的查询和操作
      1. 处理与 Maximo 相关的请求
      2. 使用 Maximo 工具进行特定操作
      3. 将结果返回给主管代理
    3. 矢量数据库代理: 处理矢量数据库操作
      1. 处理与矢量数据库相关的查询
      2. 使用矢量数据库工具进行操作
      3. 将结果返回给主管代理
  3. 流量控制
    1. Supervisor 代理使用路由器功能来确定应由哪个专业代理处理请求
    2. 每个专业代理都有自己的职能,可以确定是否需要使用其特定工具
    3. 使用工具后,控制权返回到相应的代理
    4. 结果将流回主管代理进行最终处理
  4. 州管理
    1. 系统通过以下方式维护状态 代理状态 班级
    2. 州包括:
      1. 用户输入: 用户提供的原始请求
      2. 主管的决定: 主管用来确定应由哪个专业代理处理任务的逻辑
      3. 最大有效载荷: 向 Maximo API 发送或从 Maximo API 接收的结构化数据
      4. 工具调用:执行代理为完成任务而触发的外部函数或 API
      5. 代理响应: 由专门代理生成的中间输出或消息
      6. 最终回应: 主管完成的、面向用户的答案
      7. 记忆链: 存储先前交互的上下文以保持连续性
  5. 出口点: 主管代理也是终点,因为它根据专门机构的产出生成最终答复

该架构允许模块化处理不同类型的请求,在不同代理之间明确划分功能,根据请求的性质实现灵活的请求路由,并通过 Supervisor Agent 进行集中协调。

探索用例创意

在 IBM 的演示中,除了本文档中描述的用例外,没有实现任何完整的用例。但是,讨论了以下想法:

  • 工单检索: 用户可以向代理询问 Maximo 中的特定工作订单,代理可以通过 API 调用获取和汇总相关细节
  • 工作单创建/工作流程执行: 该代理可以使用自然语言输入指导用户完成创建新工作单或触发预定义工作流程的过程
  • 视觉检查支持: 可以与 Maximo 视觉检查 (MVI) 和移动工具集成,通过图像或视频评估资产损失

本用例重点介绍了对话式 AI 如何使使用 Maximo 变得更加轻松和直观。通过使用自然语言,用户可以要求代理查找或管理工单,而无需了解复杂的系统或技术流程。在幕后,代理由不同的 “辅助代理” 构建,每个代理都有特定的角色,共同理解请求,从 Maximo 获取数据,并返回清晰简洁的响应。主管代理就像团队负责人一样,确保合适的代理人处理任务,然后组织最终的回复。

当前的示例侧重于根据特定标准检索工单,但可以扩展相同的设置以完成更多任务,例如创建工作订单、启动工作流程,甚至分析来自视觉检查的图像。这种方法展示了像 watsonx.ai 这样的高级人工智能工具如何简化复杂的工作流程,并帮助团队以更自然、更有效的方式与企业系统进行交互。

MORE Community Logo
Live from the MORE community

Your Maximo questions probably already have answers

See what Maximo users are asking, answering, and solving right now.

Unlock the Ultimate Guide to IBM Maximo Application Suite (MAS)

Discover everything you need to know to modernize your asset management strategy.

Inside, you’ll learn:

  • What’s new in IBM Maximo Application Suite 9.0
  • Key differences between Maximo 7.6 and MAS
  • How AppPoints and OpenShift change the game
  • Industry use cases across energy, manufacturing, and transportation
  • Step-by-step guidance for upgrading and migration readiness
Cover of 'The Ultimate Guide to MAS Maximo Application Suite' by Naviam featuring a man in a yellow construction helmet and safety vest holding a tablet.
×

ActiveG, BPD Zenith, EAM Swiss, InterPro Solutions, Lexco, Peacock Engineering, Projetech, Sharptree, and ZNAPZ have united under one brand: Naviam.

You’ll be redirected to the most relevant page at Naviam.io in a few seconds — or you can go now.

Read Press Release