新学所成
星际穿越的绿色希望
基于 Multi-Agent 自动运营工作流
赋能未来城市的植物工厂
主题：Cornfield Chase
人类迈向多行星文明时代的过程，需要寻找合适的生存地，在外太空飞船和未来殖民地城市中能够生产粮食，这是一个重大要点，而作为农业的终极形态的植物工厂可以满足这类严苛的条件。
一方面促进星际探索，另一方面避免《星际穿越》中的末日饥荒永不出现

1

愿景
利用植物工厂技术，在外太空飞船和未来殖民地城市中生产粮食，提供无污染、无农药的果蔬。

2

挑战
植物工厂自动化程度高，但工程师仍需处理中低级任务，影响效率。
植物工厂核心要素
隔绝恶劣天气
室内种植，提供安全零污染的种植环境
可种植生菜，浆果，中药材等食品
环境全面可控
人为控制温湿度，光照，营养液等微观气候为植物提供最佳生长条件
数智物联应用
可应用前沿物联网科技，全面提高系统效率
基于AIGC的介绍视频
Rabbit Multi-Agent体系
LLM Agent构建思路

1

2

3

1

目标
解放人类工程师的双手，使他们能够将精力集中在判断和创造力上

2

优势发挥
利用moonshot上下文缓存能力，发挥文本处理和总结优势

3

风险降低
以解决问题为导向把控Agent的检索范围
Agents相互协作过程
25%
AI 数据分析师
利用 qwen-max 模型分析包括植物长势历史数据，为 AI 助理农艺师提供分析结果。
65%
AI 助理农艺师
结合 RAG 文档和 AI 数据分析师的结果，进行种植建议。使用 moonshot-v1-128k 模型处理长文本。
100%
AI 执行工程师
与人类工程师合作，根据前两位AI的分析结果调整植物工厂设备参数。
新学工具
LLM大模型
  • Moonshot 上下文长文本缓存
  • 通义千问数理统计分析能力
RAG检索
  • 提出针对生产场景的，以解决问题为范围导向的可控RAG
前端&部署
  • Zeabur
  • Streamlit
2D AIGC
  • Light Year AI
  • Midjourney
3D AIGC
  • Trip AI
  • HyperHuman
团队本身是能源，农业和营销方面背景，因此在这次比赛中学习AI应用收获良多！
Made with Gamma