AssetOpsBench
活跃·★ 2.4k·Apache-2.0·更新于 2026-10-20
★ 必备神器★ 时下流行
发布在 IBM GitHub 组织下的 AssetOpsBench 是一个用于开发、编排和评估工业资产运维领域 AI 智能体的框架,为模拟工业环境里的多步骤工作流提供可复现的场景、智能体工具和评估流水线。README 的概览写有 9 类资产、141 个以上场景、5 个领域智能体,并称该工作已被 KDD 2026(数据集与基准赛道)接收。示例任务包括列出某站点冷水机组的传感器(IoT),以及识别故障模式。
工具通过领域专用的 MCP 服务提供:IoT(站点、资产、传感器、历史数据)、故障模式与传感器映射(FMSR)、时序基础模型(预测和异常检测)、工单,以及振动分析(FFT 和包络谱)。智能体框架包括 Plan-Execute、Deep Agent,以及面向 Claude 和 OpenAI 模型的 ReAct 编排器。安装是 `git clone` 加 `pip install -e .`,也可以用 Colab 笔记本和 Hugging Face 的 playground 免安装体验,MCP 服务和 plan-execute 运行器的说明在 INSTRUCTIONS.md。README 说明主要开发在 `main` 分支,论文对应的代码保留在其他分支。许可证为 Apache-2.0,并链接了论文和数据集。
#AI代理#工业AI#基准测试#多代理系统#工业4.0#LLM编排#预测性维护
01
功能特性
01用于构建、编排和评估领域专用AI代理的统一框架。
02为多步骤工作流提供可复现的场景、代理工具和评估管道。
03支持多种领域专用模型上下文协议(MCP)服务器(物联网、故障模式和传感器关系、时间序列基础模型、工单、振动)。
04包含多种代理框架,如计划-执行代理、深度代理、Claude代理和OpenAI代理。
05由大型语言模型(LLMs)和时间序列基础模型驱动,用于工业数据分析。
02
为什么选择它
+有论文和数据集支撑,场景可复现,并带评估流水线
+领域专用的 MCP 服务(IoT、工单、振动、时序模型)展示了如何把智能体接到真实的工业数据上
+可以在同一批场景上对比多种智能体框架
+有 Colab 笔记本和 Hugging Face playground,不用安装就能体验
03
权衡点
!这是在模拟环境里的研究型基准,不是可直接部署的运维产品
!README 里的快速开始场景命令标注为“to be enabled”(尚未开放),上手请用 Colab 笔记本或 INSTRUCTIONS.md
!代码分散在多个分支(`main`、`main-0.x` 和论文分支),要核对哪个分支对应哪篇论文
!领域很窄,主要对工业运维和基准研究有用
04
维护状况检查
活跃检查日期: 2026-10-22
- 最近提交
- 2026-10-13
- 近 90 天提交数
- 100+
- 近 90 天发布数
- 0
- 最新发布
- —
- 未关闭 issue
- 51
- 近期 issue 至少有一条评论的比例
- 1/3
近 12 周每周提交数
最早的一周在左边,最近 4 周为橙色。数据来源:GitHub 提交统计。
状态规则:GitHub 上已归档 = 已归档;最近提交在 90 天内 = 活跃;91 到 365 天 = 放缓;更久 = 停滞。所有数字来自所示日期的 GitHub API。
讨论最多的未关闭 issue
- #580 🔒 [IBM OSPO Security Notification] — IBM/AssetOpsBench11 条评论 · 2026-09-29
- #632 ci: discuss a lightweight Python smoke check for pull requests4 条评论 · 2026-10-13
- #645 iot__find_assets_by_sensors: unreachable error guard returns an opaque schema failure0 条评论 · 2026-10-16
- #644 Refresh the main branch with aafeedback branch0 条评论 · 2026-10-16
issue 标题引自 GitHub。请打开链接确认该问题是否仍适用于你使用的版本。
05
兼容性
Python
语言
已通过文档验证
LLM
运行时
已通过文档验证
Model Context Protocol (MCP)
协议
已通过文档验证
Time Series Foundation Models
运行时
已通过文档验证
06
快速开始
1
$ git clone https://github.com/IBM/AssetOpsBench.git
2
$ cd AssetOpsBench
3
$ pip install -e .
07
使用场景
↳协助维护工程师和可靠性专家处理操作查询。
↳根据传感器数据识别故障模式并预测资产性能。
↳自动化工单生成和管理工业资产运营。
↳在复杂的工业场景中对AI代理性能进行基准测试和评估。
08
同类工具
评论
登录后发表评论
暂无评论,来发表第一条吧