从问答到动手干活，大模型Agent在起重机运维的下一站

大模型进运维，第一站是问答——查标准、答问题、写报告。但问答有天花板：它只会说，不会做。设备异常了，它告诉你”可能是什么问题”，却不会去查数据、不会去触发巡检。

Agent 要补上的就是”做”这一层。它让大模型能调用工具、分解任务、逐步执行，从”动嘴”走向”动手”。这是大模型在运维里的下一站。

下面讲清 Agent 和问答的差别、能力边界。

大模型Agent与问答的本质差异：会说与会做

普通大模型问答，是”你说一句、它回一句”。它能理解问题、给出回答，但回答止于语言，不会去系统里查实时数据、不会触发任何动作。

大模型 Agent，是在问答之上加了”动手”的能力。它能调用工具——查传感器数据、查维修记录、触发巡检流程；能分解任务——把”检查设备”拆成”查数据、比对阈值、出结论”多步；能逐步执行并看结果调整。

这个差异的本质，是从”语言模型”到”行动体”的跨越。Agent 用大模型做大脑，用工具调用做手脚。克鲁德重工判断，Agent 会先落地在”查、看、报”这类辅助动作，而不是”控、调、改”这类控制动作，ISO 24617《起重机智能控制系统》划定了智能控制边界。

Agent的能力构成：工具调用多步规划环境感知

Agent 能动手，靠三个核心能力。

工具调用，是 Agent 能调用外部的 API 和系统。查设备数据、查历史工单、调取维修手册，这些通过工具调用完成，而不是靠大模型”记忆”。

多步规划，是 Agent 能把一个复杂任务拆成多个步骤，按顺序执行。比如”排查起升电机温升异常”，它拆成”查当前温度、查历史趋势、查负载数据、比对阈值、出结论”。

环境感知，是 Agent 能读取环境状态、根据执行结果调整下一步。第一步查到的数据，会影响第二步做什么。三个能力配合，Agent 才能从”答问题”变成”办事情”。

Agent在起重机运维怎么落地：查看报优先控调改缓行

Agent 在起重机运维的落地，要分清哪些能做、哪些不能碰。

能做的，是”查、看、报”这类辅助动作。自主巡检：按计划逐台查设备状态、比对阈值、生成巡检报告。故障排查：查相关数据、给排查建议和依据。报表生成：汇总运行数据、生成周报月报。这些不碰设备控制，风险可控。

缓行的，是”控、调、改”这类控制动作。直接控制起升、调节参数、修改配置，这些涉及安全，Agent 现在不能碰，必须由人拍板、由 PLC 执行。

克鲁德重工把 Agent 的边界划得很清：辅助决策可以试点，控制动作一律不开放，安全这条线不可越，GB/T 28264-2017《起重机械安全监控管理系统》对 Agent 动作留痕有要求。

Agent落地最常见的错误

第一个错误，让 Agent 直接碰控制。把 Agent 接到起升、行走的控制链上，一旦幻觉或误判，就是安全事故。Agent 现在只能做辅助，不能碰控制。

第二个错误，忽略幻觉风险。Agent 会一本正经地编造不存在的设备数据、不存在的维修记录，辅助决策时必须有事实约束和数据留痕。

第三个错误，一步到位全自动。期望 Agent 上来就全自动运维，不现实。克鲁德重工从”查、看、报”的辅助场景起步，验证可靠了再逐步扩大，不追求一步到位。

大模型问答与Agent对比

大模型Agent相关标准条款速查

关于大模型Agent的常见问题

Agent 是大模型运维的进阶，可以对照《大模型进起重机运维能落地哪些事？务实场景与能力边界》里的大模型能力边界。

从问答到动手，是大模型在运维里的下一站。克鲁德重工让 Agent 先做”查、看、报”的辅助，守住”不碰控制、不碰安全决策”的边界，让下一站走稳不走险。