系统核心能力
操作员
(自然语言)
L1意图理解
(FMAA)
L2代理调度
(MGDT)
L3设备执行
(UFC/PQC)
L4通信控制
(CJC)
L5证书签发
(区块链)
自然语言驱动
通过自然语言驱动异构仪器执行精密测量，降低操作门槛，无需专业编程技能。
全链路可信
以密码学技术保障全链路数据可信，确保测试结果的安全性与可靠性。
智能自动化
实现测试任务的自动化、智能化执行，大幅提升工作效率。
L1 交互认知层 —— 自然语言意图理解
| 功能项 | 自然语言驱动精密测试意图理解 |
|---|---|
| 领域特化引擎 | BERT预训练 + BiLSTM + CRF |
| 准确率 | 端到端准确率可达95% |
PDR流水线处理
| 阶段 | 功能 | 说明 |
|---|---|---|
| P-解析 | 结合ICF消歧 | 解析自然语言指令 |
| D-拆解 | 预生成MGDT备选路径 | 拆解为可执行单元 |
| R-重组 | 映射SCPI指令 | 重组为设备可执行序列 |
多轮增量确认机制
系统采用多轮对话确认机制，确保意图理解准确：
{ "session_id": "T19840515-001",
"timestamp": "2024-06-15T14:30:22Z",
"dialogue_history": [
{"role": "user", "content": "请连接万用表，准备进行JJG596规程的检定"},
{"role": "system", "content": "收到。请确认使用的万用表型号及被测对象参数"},
{"role": "user", "content": "万用表是Keysight 34465A，电能表参数220V,5A,50Hz,0.5S级"}
],
"extracted_data": {
"intent": "JJG596_VERIFY",
"confidence_score": 0.985,
"status": "CONFIRMED",
"action": "EXECUTE_PROCEDURE"
} }
"timestamp": "2024-06-15T14:30:22Z",
"dialogue_history": [
{"role": "user", "content": "请连接万用表，准备进行JJG596规程的检定"},
{"role": "system", "content": "收到。请确认使用的万用表型号及被测对象参数"},
{"role": "user", "content": "万用表是Keysight 34465A，电能表参数220V,5A,50Hz,0.5S级"}
],
"extracted_data": {
"intent": "JJG596_VERIFY",
"confidence_score": 0.985,
"status": "CONFIRMED",
"action": "EXECUTE_PROCEDURE"
} }
范式转移对比
| 传统模式 | 智能模式 |
|---|---|
| 手动编写/调试SCPI指令 | 自然语言输入/多轮确认 |
| 2-4小时/次，不可复用 | 自动生成程序，可复用 |
| 依赖专业人员 | 降低操作门槛 |
L2 大脑调度层 —— 文件驱动的工业级AI代理系统
FMAA文件代理架构
架构名称：FMAA (File-driven Memory-Augmented Agent Architecture)
核心组成：File-driven（文件驱动）+ Memory-Augmented（记忆增强）+ Agent（代理）+ Architecture（架构）
六层文件持久化体系
| 层级 | 文件类型 | 扩展名 | 功能 |
|---|---|---|---|
| L0 | 意图存档 | .json | 存储用户原始意图 |
| L1 | 计划文件 | .yaml | 任务执行计划 |
| L2 | 执行队列 | .queue | 任务调度队列 |
| L3 | 工具注册表 | .reg | 可用工具注册 |
| L4 | 状态快照 | .dump | 系统状态保存 |
| L5 | 安全约束 | .policy | 安全策略定义 |
核心能力：崩溃恢复 | 并发协作 | 审计日志
确定性安全层与算力优化
独立于LLM的确定性闸门：
输入指令 → 读ICF边界 → 确定性校验
├── 高频次(>阈值) → S路径(技能直调) → 毫秒级低延迟
└── 低频次 → D路径(LLM推理) → 秒级高算力
├── 高频次(>阈值) → S路径(技能直调) → 毫秒级低延迟
└── 低频次 → D路径(LLM推理) → 秒级高算力
MAK记忆系统
MAK (Memory Accumulation Kit) — 恒定上下文窗口下的跨年经验积累
工作记忆
短期缓存 — 当前任务上下文
情节记忆
后台提炼→MAK — 历史任务经验
语义记忆
LoRA注入权重 — 领域知识内嵌
程序记忆
权重内嵌 — 技能线性积累
核心知识产权布局
LAB-AGENT智能体系统已形成完整的技术知识产权体系，涵盖：多层架构设计、自然语言处理引擎、文件驱动代理系统、记忆增强机制、安全约束体系等核心技术领域。
技术术语表
FMAA
File-driven Memory-Augmented Agent Architecture
MAK
Memory Accumulation Kit
ICF
Intent Classification Framework
MGDT
Multi-Goal Decomposition Tree
PDR
Parse-Decompose-Reassemble
SCPI
Standard Commands for Programmable Instruments
BERT
Bidirectional Encoder Representations from Transformers
BiLSTM
Bidirectional Long Short-Term Memory
CRF
Conditional Random Field
LoRA
Low-Rank Adaptation