Перейти к содержанию
VVizorLabsТехнический центрОсновной сайт

Платформа 4.0

Чат-аналитика и AI-агенты: развитие Platform 4.0

Концепция развития VizorLabs Platform 4.0: MLLM-контекст событий, чат по журналам и генерация сценариев AI-агентом с тестированием и утверждением человеком.

Для кого: цифровизация / архитектор / функциональный администратор
На этой странице

Статус: концепция развития

Основа этого материала — концепция от 08.05.2026, версия 1.0, со статусом «Концепция / продуктовая гипотеза». Ниже описано целевое направление развития. Это не перечень функций, гарантированно доступных в текущей поставке, и не календарный план релизов.

Идея — связать три вопроса: что произошло, почему это важно и что с этим делать. Детекторы и сценарии дают события, MLLM помогает интерпретировать контекст, а диалог и агенты упрощают анализ и подготовку новой логики.

Модули VizorLabs Platform 4.0: камеры, сценарии, модели, события, MLLM, интеграции и направления развития
Карта функциональных модулей и развития. Красная пунктирная рамка обозначает возможности из концепции: MLLM-контекст, чат-аналитику и AI-агента. Она не означает их наличие в каждой поставке. Открыть в полном размере

Направление 1: контекст карточки события

Предлагается выделить процесс «Контекст» наряду с детектированием и верификацией. На входе — карточка, медиа, тип события, объект, зона и разрешённая нормативная база. На выходе — теги, описание ситуации, применимые нормы и подсказки оператору.

Задача этого процесса — обогатить результат, а не незаметно принять решение вместо человека. В целевой карточке сохраняются модель, версия промпта, источники и время генерации.

РезультатПример назначения
ТегиНайти события о работе на высоте или рядом с движущимся оборудованием
КонтекстОписать видимые признаки и факторы риска
Ссылки на нормыПоказать применённый фрагмент регламента
Уверенность интерпретацииОтметить, где данных недостаточно
Рекомендации операторуПодсказать, что проверить в исходном видео

Направление 2: диалог по журналам и отчётам

Чат должен позволять запрашивать события и анализировать динамику естественным языком. Примеры из концепции: показать нарушения по цехам за период, сравнить сценарий до и после обновления модели, подготовить сводку для руководителя ОТ и ПБ.

Вывод должен сопровождаться выбранным периодом, фильтрами и ссылками на исходные карточки. Чат наследует права пользователя и не получает дополнительного доступа только потому, что запрос сформулирован словами.

  • Запросы к данным и построение отчётов — по доступным пользователю объектам.
  • Факты журналов, интерпретации MLLM и гипотезы должны быть различимы.
  • Изменение продуктивных моделей, сценариев и настроек требует отдельного подтверждения и проверки прав.

Направление 3: AI-черновик сценария

Пользователь описывает задачу, объекты и условие нарушения. Агент уточняет тип зоны, доступные модели, расписание и выходное событие, затем предлагает граф из библиотечных блоков и объясняет его логику.

Черновик проходит тестирование на ассетах. Ответственный администратор оценивает качество, ресурсы и область воздействия и только затем решает, публиковать ли сценарий. Самостоятельная публикация агентом без этого процесса в концепции не предусмотрена.

Контролируемый путь от описания задачи к обработке камер
  1. 1
    Задача и исходные условия

    Камеры, зона, модели, правила и критерий результата.

    ↓ Уточнение недостающих параметров
  2. 2
    AI-черновик и объяснение

    Граф, параметры, выбранные блоки и риски.

    ↓ Проверка на тестовых данных
  3. 3
    Метрики и сравнение

    Ошибки, ресурсы и отличие от базовой версии.

    ↓ Решение уполномоченного администратора
  4. 4
    Утверждение и публикация

    Контролируемый выпуск в согласованный контур.

Что должен показать тест агента

Концепция предусматривает сбор числа срабатываний, доли подтверждений и отклонений, FP/FN при наличии эталона, времени обработки, FPS и нагрузки. Спорные кадры должны быть доступны для ручного разбора.

Сравнение с базовым сценарием имеет смысл при одинаковых ассетах и условиях запуска. Убедительно сформулированный отчёт без воспроизводимого теста не подтверждает готовность графа.

Последовательность развития и ограничения

Документ предлагает двигаться от контекстного обогащения к диалоговой аналитике, затем к AI-черновику, агенту тестирования и управляемому утверждению. Для каждого шага нужны данные и критерии проверки; сроки релизов здесь не назначаются.

Ключевые ограничения — ошибки интерпретации MLLM, качество нормативной базы, доступность размеченных ассетов, вычислительная стоимость и ответственность за продуктивный контур. Поэтому права, источники, версии и участие человека закладываются в процесс с самого начала.