AgentOS Primer

中文 | English

AgentOS Primer / Agent 操作系统速通（给电力工程师）

维护版本：v0.51.2 ｜ 最后更新：2026-07-06

本页给电力行业工程师补足 Agent / LLM / 多智能体等 AI 概念，让 EnerOS 代码里的 LlmClient、PPO、SHAP 不再是黑话。wiki 独有内容。

---

1. Agent（智能体）

Agent = 感知 + 决策 + 行动 的闭环实体。

概念	类比电力系统
Agent	一个自动化的运行人员（如调度员 Agent）
感知（Perception）	SCADA 数据采集
决策（Decision）	调度策略计算
行动（Action）	下发调度命令

EnerOS 中的 Agent 通过 Agent trait 定义（见 eneros-agent），每个 Agent 是一个独立运行单元，有生命周期（spawn → run → stop）。

EnerOS 内置 7 种领域 Agent（见 Agent Runtime）：

• DispatchAgent（调度）
• SelfHealingAgent（故障自愈）
• LoadForecastAgent（负荷预测）
• MaintenanceAgent（运维）
• PlanningAgent（规划）
• TradingAgent（交易）
• EnergyAgent（能效）

---

2. LLM（大语言模型）

LLM = 用海量文本训练的深度神经网络，可生成自然语言响应。

术语	含义
Prompt	输入 LLM 的文本（"请给出故障定位建议"）
Token	LLM 处理的最小单位（≈ 一个汉字 / 半个英文单词）
Context Window	LLM 单次能处理的最大 token 数（如 8K、32K、128K）
Temperature	随机性参数，0 = 确定，1 = 高随机
Hallucination	幻觉——LLM 编造不存在的事实

EnerOS 通过 LlmClient trait 抽象 LLM 调用（见 LLM Integration），支持三大后端：

• OpenAI（GPT-4o / o1）
• Anthropic（Claude 3.5 Sonnet）
• Ollama（本地推理，推荐边缘部署）

关键问题：LLM 不安全——它会输出超过权限的命令（如 EmergencyOverride）。EnerOS 的 LlmDecisionParser 自动拒绝 EmergencyOverride，转 RequestApproval。

---

3. RAG（Retrieval-Augmented Generation，检索增强生成）

LLM 知识有限，RAG 通过"先检索后生成"补充领域知识：

用户问题 → 向量化 → 检索相关文档 → 拼接 Prompt → LLM 生成答案

EnerOS 在 eneros-ai 中提供：

• EmbeddingModel trait — 文本向量化（支持 ONNX Runtime）
• VectorStore trait — 向量存储与相似度检索（InMemoryVectorStore / UsearchStore）
• SemanticMemory — 嵌入检索 + TF-IDF 回退

电力场景应用：故障诊断时检索历史相似故障的处理方案，注入 LLM 上下文。

---

4. 多智能体协作（Multi-Agent Collaboration）

复杂任务单个 Agent 难以完成，多个 Agent 协作：

模式	英文	类比电力	EnerOS 实现
主从分配	MasterSlave	调度中心 → 各厂站	MasterSlaveCoordinator
对等协商	PeerToPeer	厂站间直连协商	PeerCoordinator
合同网竞标	Bidding	现货市场报价	BiddingCoordinator

CollaborationCoordinator trait 统一抽象三种模式，协作失败 fallback 到 route_action。

详见 Agent Runtime 与 ADR-0010。

---

5. 强化学习（Reinforcement Learning, RL）

RL = Agent 通过试错与环境交互学习最优策略。

术语	含义
State	当前电网状态（电压、潮流、负荷）
Action	Agent 决策（如调整发电机出力）
Reward	奖励信号（如越限减少 +1，成本降低 +1）
Policy	策略 π(a
Episode	一次完整试错序列

PPO（Proximal Policy Optimization）— 当前主流 RL 算法，OpenAI 用于训练 GPT。EnerOS 的 PpoAgent（在 eneros-agent::learning）实现纯 Rust MLP + 可选 candle GPU 后端。

安全约束奖励塑形 — PowerRewardShaper 把电网安全约束（电压越限、热稳定）转化为负奖励，引导 PPO 学出安全策略。

---

6. 可解释性（Explainability）

电力决策必须可解释（监管要求）。EnerOS 在 eneros-agent::explain 提供 4 种解释器：

解释器	方法	用途
ShapExplainer	TreeSHAP / Integrated Gradients	特征重要性
LimeExplainer	LIME	局部线性近似
AuditTrailExplainer	审计重建	历史决策回放
CompositeExplainer	优先级组合	多解释器融合

输出格式：JSON / DOT（Graphviz）/ Mermaid 三种序列化。

---

7. Agent 安全边界

电力 Agent 决策可能影响实体电网，安全边界至关重要：

风险	EnerOS 防御
LLM 幻觉下发危险命令	LlmDecisionParser 拒绝 EmergencyOverride
Agent 决策违反物理约束	SafetyGateway 类型层不可绕过
决策时延超预算	WCET 框架 2× 预算触发看门狗
审计被篡改	HMAC-SHA256 链式哈希 + WORM 存储
跨租户数据泄露	多租户命名空间隔离（404 而非 403）

详见 Safety Gateway 与 Zero-Trust Security。

---

8. LLM Agent 真实场景验证

v0.50.1+ 引入独立测试 crate tests/llm_verify/，用本地 Ollama 跑 100 个真实电力场景，验证 LLM Agent 输出与场景一致：

硬指标	含义	阈值
C1	EmergencyOverride 泄出	= 0
C2	JSON 解析成功率	≥ 95%
C3	SafetyGateway 绕过	= 0
C4	审计完整	= 100%

v0.50.2 新增语义正确性验证层——11 类期望规则 + 3 项匹配（keyword / action_type / direction），20 轮主测试入口。

详见 LLM Integration 与 ADR-0017 / ADR-0018。

---

下一步

• Power System Primer — 给 SW/AI 工程师的电力系统速通
• Agent Runtime — 7 种领域 Agent + 协作
• LLM Integration — LlmClient + 真实场景验证
• Safety Gateway — Agent 决策的安全边界
• Glossary — 术语表