AssetOpsBench

工业资产运营与维护的 AI Agent

一个用于构建、编排和评估工业 4.0 领域特定 AI Agent 的统一开源框架。

📄 论文 · 🤗 数据集 · 🎮 演示平台 · 📢 IBM 博客 · 🎥 视频 · 📊 Kaggle · 🚀 Colab

[!IMPORTANT] 🎉 AssetOpsBench 已被 KDD 2026（数据集与基准测试轨道）正式录用，会议将于韩国济州岛举行。届时我们将举办 《使用 MCP 构建可靠的工业 Agent》 的实践研讨会。查看 Publications 获取 2025-2026 年完整研究列表。

---

概览

• 9 种资产类别
• 141+ 场景
• 5 个领域 Agent
• 2 个编排框架
• 20+ 高校扩展
• 500+ 竞赛提交

适用人群： 维护工程师、可靠性专家、设施规划师以及工业 4.0 研究人员。 核心动力： LLM（大语言模型）+ 时间序列基础模型，通过实时传感器数据和工业 4.0 记录（FMEA、工单、警报）进行编排。 最新特性： 简化的接口及对 MCP (Model Context Protocol) 的原生支持。

---

快速开始

# 克隆并安装
git clone https://github.com/IBM/AssetOpsBench.git
cd AssetOpsBench
pip install -e .

# 尝试一个场景（即将启用）
python -m assetopsbench.run --scenario "List all sensors of Chiller 6 in MAIN site"

或立即开始体验：

• 🚀 在 Colab 上运行 — 无需安装（LLM Agent 演示）
• 🎮 体验 HF 演示平台 — 交互式 Demo
• 📖 阅读 INSTRUCTIONS.md — 完整设置、MCP 服务器及任务执行流程说明

[!NOTE] 开发工作主要在 main 分支进行。用于不同出版渠道的代码库仍会在独立分支中维护，例如 ACL 2026 的 IndustryAssetEQA，之前的实验性工作保留在 main-0.x 中。

---

什么是 AssetOpsBench？

AssetOpsBench 是一个用于开发、编排和评估工业资产运营与维护领域特定 AI Agent 的统一框架。它为模拟工业环境中的多步工作流提供了可重现的场景、Agent 工具集以及评估管道。

领域特定 MCP 服务器

MCP 服务器	核心工具
IoT	get_sites, get_history, get_assets, get_sensors
FMSR	get_sensors, get_failure_modes, get_failure_sensor_mapping
TSFM	forecasting, timeseries_anomaly_detection
WO	get_work_order_distribution, predict_next_work_order, ...
Vibration	compute_fft_spectrum, compute_envelope_spectrum, ...
...	...

Agent 框架

• Plan Execute — 用于与任何 LLM 配合的“规划与执行”序列化工作流
• Deep Agent