SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场atai-operational-state-monitoring-agent

atai-operational-state-monitoring-agent

数据与分析

查看项目

更新于 10-21 16:23

技能介绍

用途

该技能用于通过 Archetype AI 的 Agents API 运行运营状态监测（OSM）智能体，对多通道传感器记录的每个窗口打上运营状态标签（如钻井活动、机器模式、流程阶段）。平台在服务端运行完整图：source → interpolate → window → windowInterpolate → samplingRate → limitValues → encoder → classifier → sink。编码器为 Newton Omega，分类器为基于 Omega 嵌入的 kNN，用户无需自行托管。

两条路径

  • 路径一：运行维护好的预置捆绑包。适用于已有准备好的 CSV（如 Volve 样本或类似数据），可获得 Archetype AI 六状态 Volve 分类器的逐窗口预测。
  • 路径二：在自有数据上构建智能体。适用于拥有机器标注记录，可获得自己的蓝图与捆绑包，并在自有数据上拟合与选择，附带测试分数与交付分数。路径二的最后一步即是在自有捆绑包上运行路径一。

主要能力

  • 在 CSV 上分类运营状态，无需客户端机器学习。
  • 从标注记录构建、测试并部署 OSM 智能体。
  • 作为已部署、可重复的批处理作业演示或评估托管 OSM 路径。
  • 将托管预测与留出真值进行评分。

使用方式（路径一）

  1. 上传输入 CSV：POST {ATAI_API_ENDPOINT}/v0.5/files（multipart 上传）。响应包含 file_id（文件名）与 file_uid（fil_…），源连接器引用 file_id。
  2. 按名称解析预置捆绑包：GET {ATAI_API_ENDPOINT}/agents/bundles，使用 query 参数进行不区分大小写的子串搜索。两个已发布捆绑包："OSM Quick Start (Volve Six State)" 输出逐窗口状态预测；"OSM Quick Start (Volve Six State, Embeddings)" 额外输出每个窗口的 Newton Omega 编码嵌入（每个传感器通道一个 embedding_{variate} 列，768 维向量），输出文件显著增大（样本切片上 314 MB 对 221 KB，约 1,400 倍）。需选择精确名称匹配，避免误选 Embeddings 变体。
  3. 运行捆绑包：POST {ATAI_API_ENDPOINT}/agents/bundles/{id}/run，请求体指定 connectors.source 为文件类型及 file_id。每次运行创建一个新的智能体实例（agt_…），一个输入文件对应一个智能体。
  4. 轮询直至终态：GET /agents/instances/{agent_id} 查看状态（running | paused | completed | failed 等），GET /agents/instances/{agent_id}/events 查看审计日志。建议每约 15 秒轮询一次。
  5. 获取结果并下载：GET /agents/instances/{agent_id}/results，再通过 GET /v0.5/files/download/{filename} 下载。

输出 CSV 每窗口一行，包含 finish_timestamp、start_timestamp、predicted_state、invalid、p_<state> 等列。finish_timestamp 为窗口结束时间戳；p_<state> 按状态字母顺序排列；predicted_state=INVALID_STATE 标记跨越时间戳接缝的窗口，评分时应排除。

适用场景

  • 对 CSV 进行运营状态分类，无需客户端机器学习。
  • 从标注记录为自有机器构建、测试并部署 OSM 智能体。
  • 演示或评估托管 OSM 路径作为已部署、可重复的批处理作业。
  • 将托管预测与留出真值进行评分。

限制与注意事项

  • 不适用于需要交互式逐窗口嵌入并在客户端进行机器学习的场景（应使用 atai-newton-omega-model）。
  • 若记录仍需重采样、标注或拆分为角色文件，应先使用 atai-operational-state-monitoring-agent-data-prep；通用脏数据清理使用 atai-newton-omega-model-data-prep。
  • Agents API 无版本号，位于 /agents，而非 /v0.5/agents；若 ATAI_API_ENDPOINT 带 /vX.Y 后缀，需在追加 /agents 前去除。Files API 保留 /v0.5。
  • 捆绑包 API 自 2026-08-11 起全部为复数形式：GET /agents/bundles、GET /agents/bundles/{id}、POST /agents/bundles、POST /agents/bundles/{id}/run；单数形式返回 404。
  • 预置捆绑包发布在生产部署（https://platform.u1.archetypeai.app）。若按名称解析返回未找到，可暂时传入已知 --bundle-id 或联系支持。
  • completed 状态可能早于输出完全写入；需检查输出最后窗口的 finish_timestamp 是否达到输入最后一行，未达到则继续下载。
  • failed 状态可能掩盖成功运行；重新运行前应检查 /results，若输出存在则运行成功。
  • 建议顺序运行；并发运行是否排队取决于部署上其他工作负载，不可预测。
  • 不规则数据上出现采样率警告属预期，非失败。
  • 评分时使用 finish_timestamp 的末行标注，并排除 INVALID_STATE。
  • 运行时间受工作线程争用主导，而非窗口数量：空队列约 1–2 分钟，繁忙队列约 22–27 分钟（同一约 4,185 窗口样本切片）。

本地设置（路径一）

cd skills/atai-operational-state-monitoring-agent/references pip install -r requirements.txt

创建 .env，包含 ATAI_API_KEY 与 ATAI_API_ENDPOINT（无默认端点）。运行： python3 run_osm_agent.py（默认样本切片，基础捆绑包） python3 run_osm_agent.py --embeddings（额外输出每窗口 Newton Omega 嵌入） python3 run_osm_agent.py --csv my_slice.csv（自有准备好的 CSV）

脚本 references/run_osm_agent.py 基于官方 archetypeai Python 客户端实现完整流程（上传 → 解析捆绑包 → 运行 → 轮询 → 下载，直至输出达到输入末尾），若输入旁存在 <input>_labels.csv 真值侧车文件，则自动评分：准确率（全窗口与稳态切分）、每类精确率/召回率/F1、宏 F1。references/osm_lifecycle/ 为小型标准库 HTTP 助手，用于客户端尚未覆盖的 Optimizations / Evals / promote。

定制

如需 Archetype AI 为自有数据拟合并打包分类器，或处理困难数据集，可联系 support@archetypeai.dev。