在风险推理基础上，项目进一步设计智能体辅助决策模块。该模块面向管理者、运维人员、审计人员和监管人员，提供自然语言交互、风险问答、处置建议和报告生成能力。智能体并不直接替代人工决策，而是将多源数据、风险知识图谱、历史案例和管理规则进行整合，为不同角色提供解释性辅助。

智能体的知识来源主要包括四类。第一类是实时数据，包括无人机轨迹、链路状态、设备在线状态、任务进度和风险告警。第二类是历史数据，包括历史飞行记录、历史风险事件、处置结果和模型评估结果。第三类是结构化知识，包括风险知识图谱、风险规则库、设备台账、任务合同和保险条款。第四类是文档资料，包括项目报告、验收材料、运维工单、审计底稿和监管要求。

为降低大模型幻觉风险，智能体采用检索增强生成的方式，即先从知识图谱、数据库和文档库中检索相关证据，再基于证据生成回答。智能体输出内容包含风险结论、依据数据、影响对象、建议动作和证据来源。具体来讲：

• 面向管理者，智能体可回答当前某矿区巡检任务的主要风险是什么，将结合实时轨迹、链路状态、设备在线率和历史故障记录，判断该任务是否存在遮挡盲区、通信中断、任务延期或安全事故风险。
• 面向运维人员，智能体可回答哪些监测站需要优先维护，将根据设备在线率、覆盖区域重要性、故障频次、任务密度和项目合同节点进行排序，生成维护优先级。
• 面向审计人员，智能体可回答某项目验收延期是否有技术原因支撑，将调取模型测试报告、部署日志、轨迹记录、接口调用记录和客户验收资料，生成证据链摘要。
• 面向监管人员，智能体可回答某未知无人机为何被标记为高风险，可解释其身份未知、轨迹接近重点区域、广播帧缺失、射频特征异常或多源数据冲突等原因，并给出处置建议。

一、眼动驱动的风险目标选择与人工复核

在复杂低空态势中，多架无人机、多个风险事件和多类告警可能同时出现在 4D-AI 界面，为减少鼠标逐级选择和人工搜索时间，本项目将眼动交互与智能体风险排序结合。智能体首先根据目标身份、轨迹趋势、重点区域距离、链路状态和风险等级生成风险目标优先级；眼动模块同步检测操作者当前注视目标和关注区域。

若操作者凝视某一无人机达到交互阈值，系统自动调用该目标的身份、射频特征、轨迹、任务、风险原因和历史事件，并由智能体生成简要风险解释。当系统判断的最高风险目标长期未进入人工关注区域时，可通过界面高亮或提示方式引导人工复核；当人工关注目标与AI判断长期冲突时，则保留两类结论并触发二次验证，而不是直接由AI覆盖人工判断。由此形成的人机协同流程，使眼动技术从单纯交互方式转化为风险确认和处置效率评估的一部分。

二、人机协同与权限控制

智能体辅助决策必须与人机协同和权限控制结合。对于低等级风险，系统可自动生成提示并记录状态；对于中等级风险，系统可建议处置动作并等待人工确认；对于高等级风险，系统应立即触发预警，但关键处置动作仍需由授权人员确认。对于涉及财务、合同、保险和审计的数据，智能体应依据用户角色限制访问范围，避免过度暴露敏感信息。

智能体输出的每一项关键结论均应可追溯至原始数据、模型结果、知识图谱关系或人工复核记录。这样既能提高管理效率，也能保证风险处置过程的规范性、可解释性和可审计性。

后续将继续分享相关内容