Files

T

jiang 5315ff1902 更新提示词和skills

2026-05-18 17:12:33 +08:00

5.9 KiB

Raw Blame History

name, description, version

name	description	version
tjwater-workflow-bottleneck-analysis	workflow 下 bottleneck-analysis（水力瓶颈分析）工作流技能。	1.1.0

bottleneck-analysis Workflow Skill

简介

负责 analytics/simulation-analysis 场景下的水力瓶颈综合分析，通过结合管道属性与水力模拟结果，识别管网中超负荷、高流速、高水头损失的瓶颈管道，并给出分级改造建议。

前置依赖

本工作流依赖以下两个数据源，需按顺序并行或串行获取：

依赖 1：管道属性数据

接口：GET /api/v1/getallpipeproperties/
参数：network（query，如 tjwater）
用途：获取全部管道的 id、管径(diameter)、长度(length)、粗糙度(roughness)、起端(node1)、终端(node2) 等属性
注意：结果可能很大（数万条），需使用 fetch_result_ref 分批或全量获取

依赖 2：水力模拟结果

接口：GET /api/v1/runprojectreturndict/
参数：network（query，如 tjwater）
用途：运行管网水力模拟，返回各管段的 flow(LPS)、velocity(m/s)、headloss(m)、status，以及各节点的 demand、head、pressure(KPA)
注意：结果可达 30MB+，需用 Python 脚本批量处理或使用 fetch_result_ref 回读

工作流步骤

第 1 步：并行获取管道属性和运行水力模拟

同时调用 getallpipeproperties 和 runprojectreturndict，network 参数使用项目名称（如 tjwater）。

第 2 步：合并数据

用 Python 脚本将管道属性的 pipe_id 与模拟结果的 link_id 进行关联，构建含以下字段的合并数据集：

字段	来源	说明
id	两者关联键	管道/链路 ID
flow	模拟 link_results	流量 (LPS)
velocity	模拟 link_results	流速 (m/s)
headloss	模拟 link_results	水头损失 (m)
diameter	管道属性	管径 (mm)
length	管道属性	长度 (m)
roughness	管道属性	粗糙度系数
node1 / node2	管道属性	起端/终端节点 ID
unit_headloss	计算	headloss / length (m/m)
capacity_ratio	计算

同时从模拟 node_results 提取各节点 pressure，关联到管段两端。

第 3 步：多维度瓶颈识别

按以下 5 个维度分别排序筛选，交叉印证：

维度	筛选条件	指示含义
高流速	velocity > 1.2 m/s	管径不足
主干管高流量	diameter ≥ 300mm 且 velocity > 0.5 m/s	传输瓶颈
高水头损失	headloss > 5m 且 0.3 < velocity < 1.5 m/s	能耗瓶颈/粗糙度问题
高单位水头损失	unit_headloss > 1.0 m/m	严重局部瓶颈
超负荷	capacity_ratio > 1.0	实际流量超过设计能力

排除极短管道（length < 0.5m）以减少噪声。

第 4 步：综合评分

对有效管道计算综合瓶颈分数：

composite_score = (velocity / max_velocity) × 0.4
                + (headloss / max_headloss) × 0.3
                + (capacity_ratio / max_capacity_ratio) × 0.3

取 TOP 10~20 作为最严重瓶颈管道。

第 5 步：前端可视化

使用 show_chart 展示流速分布柱状图
使用 locate_features 在地图上定位 TOP 瓶颈管道（feature_type=pipe）
可选：使用 view_history 查看瓶颈管道的历史运行数据
前端工具仅用于展示，分析结论必须来自 dynamic_http_call / fetch_result_ref 获得的数据

第 6 步：给出分级改造建议

按严重程度分为三级：

🚨 紧急：综合评分 > 0.3，立即安排管径升级
⚡ 重点：综合评分 0.15~0.3，纳入近期改造计划
📋 关注：综合评分 0.05~0.15 或单维度超标，持续监测

每条建议含：当前管径 → 建议管径（基于目标流速 1.0~1.5 m/s 反推），并附改造理由。

改造管径计算公式

建议管径(mm) = 2 × 1000 × sqrt(|flow| / (π × target_velocity × 1000))

目标流速：DN<300 取 1.0 m/s，DN≥300 取 1.2 m/s。

证据约束

如果关键数据仍处于 preview 状态，不得直接输出最终瓶颈结论
如果模拟结果不完整或接口失败，应明确说明当前仅能做初步筛查
改造建议必须区分“数据直接支持的结论”和“工程经验推断”

参考

管道属性操作：../business/network-assets/pipes/SKILL.md
模拟操作：./simulation/SKILL.md
节点属性操作：../business/network-assets/junctions/SKILL.md

Learned Patterns

先按“属性数据获取 → 模拟结果获取 → 本地关联 → 多指标筛选 → 分级建议”拆解工作流，再组织展示步骤，避免把一次分析过程写成会话流水账。
结果集较大时，优先使用 fetch_result_ref 或本地脚本批处理；只要数据仍是 preview、截断或未完整回读，就不能直接输出 Top N 瓶颈结论。
关联前先统一关键字段和单位：pipe_id/link_id、diameter(mm)、length(m)、flow(LPS)、pressure(KPA)；字段未对齐时，后续 ranking 和建议都会失真。
unit_headloss、capacity_ratio 等衍生指标应在过滤异常数据（如 length < 0.5m 的短管）后再计算，否则容易被极端值放大。
阈值和评分权重应视为可调启发式，而不是唯一真理；输出时要区分“数据直接支持的结论”和“工程经验推断的建议”。
地图定位、图表展示属于证据呈现层，不能替代分析层；瓶颈判定必须基于后端原始结果或完整回读数据。
常见坑点：短管导致单位水头损失虚高、节点或链路映射缺失导致误判、模拟结果不完整时误把局部结果当全量结论。

5.9 KiB Raw Blame History Unescape Escape