7月4日，新一期国家超算互联网生态沙龙・“超” 话坊以 “数据赋能，AI 创新：从技术到实践的生态构建” 为主题，在国家超级计算乌镇中心举办。沙龙汇聚政府部门、科研机构及企业代表，就气象数据如何深度融入大模型、如何促进成果转化等议题展开深入探讨。和鲸科技受邀出席，客户成功总监郑凯少以《和鲸气象智能体编排平台与示范应用构建》发表主题报告，全面介绍了和鲸在气象智能体编排领域丰富的探索经验，以及与国家气象信息中心及多个地方气象局围绕预报大数据挖掘分析、气象算法服务与业务化人才培养等方面开展的深入探索。

近年来，随着技术的迅速发展，AI行业经历了从1.0到2.0的巨大变革，也为气象业务带来了全新范式。

AI 1.0 时代，气象领域主要围绕特定业务或特定需求场景，运用机器学习技术覆盖从数据接入、模型开发到存储应用的全生命周期流程，这一阶段也被称为 ModelOps 时代。其特点是针对核心业务需求进行模型微调训练，虽然能在部分业务中看到提升效果，但存在任务孤立、知识点难以沉淀复用、适应性不足等问题。同时，大模型微调任务对业务人员要求较高，需要经过高门槛的培训，并非所有气象业务人员都能完成 AI 1.0 时代的转变。

AI 2.0 时代，核心特征从人工驱动转向智能驱动，希望通过智能体等技术串联数据、模型及领域知识，围绕业务构建智能体，使其具备感知、推理、执行、记忆能力，从而自主完成复杂的气象业务和任务。例如，预报员期待在制作灾害预警服务快报时，智能体能自动采集最新预警信息和天气预报数据，结合专业知识库生成符合规范的预报快报，并自动通知预报员。这种智能驱动模式能大幅提升日常工作效率和准确性。

AI 2.0 在气象领域的应用落地，依赖于三个核心要素的协同发展：

• 首先是智能体示范应用，以天气数据查询智能体为代表，通过标杆案例提升业务效率和创新意识。
• 其次是智能体编排基础设施，为标杆应用迭代和业务自主探索提供统一支撑，降低技术门槛，支持业务人员快速上手业务场景智能体开发。
• 第三是人员能力提升，结合标杆案例应用与自主探索实践，培养兼具气象专业素养与智能体开发技术能力的复合型人才。

这三驾马车相互促进，共同推动气象业务的智能化转型。围绕这三个核心要素，和鲸展开了相关探索。

01 智能体示范应用

气象工作为智能体技术的应用提供了丰富场景和巨大机遇。从数据采集、处理分析，到预报制作、服务发布，气象业务流程的每个环节都存在智能化改造空间。智能体技术能够将这些分散的环节有机串联，形成端到端的智能化解决方案。通过智能体可实现气象数据智能查询、天气模式智能识别、预报产品智能生成、灾害风险智能评估等多种应用，全面提升气象服务的智能化水平。

在气象预报领域，可构建多智能体协作的复杂系统，对不同角色和任务进行分工协作。例如，数据采集智能体负责从多个数据源获取实时气象信息，分析智能体负责数据处理和模式识别，预报智能体负责生成预报产品，服务智能体负责向不同用户群体推送定制化气象服务。这种多智能体应用能够串联整个业务流程，实现 AI 辅助预报工作的全面升级，让预报员专注于更高层次的分析判断和决策制定。

构建气象智能体应用需要强大的基础设施支撑，核心需求包括：

• 业务知识、业务模型、业务工具等智能体核心要素的统一管理；
• 多种基座模型的统一管理、快速部署和实时监控；
• 围绕业务需求构建可被大模型应用的业务知识库；
• 将气象系统 API、小模型等封装为工具供业务编排；
• 提供低门槛的编排方式，让业务人员也能构建符合气象业务场景的智能体应用；

• 构建可被外部调用的智能体并进行管理维护。

通过 “领域知识注入→智能体动态编排→场景化应用” 的技术路径，可实现通用大模型向气象垂直领域的深度应用。

大模型在气象专业知识方面存在明显欠缺，传统大模型因缺乏业务知识会导致信息检索不完整、内容 “口语化”、专业词汇不准确等问题。为此，和鲸科技专注于知识库建设，为大模型接入气象业务知识。通过低成本方式解决大模型难以融入气象知识的问题，将已有气象业务知识构建为大模型可理解、可查阅的业务知识库，让大模型更准确地理解气象业务，提供高质量专业回答。这是提升气象智能体专业性和实用性的关键基础。

工具体系构建是智能体能力上限的重要影响因素。和鲸科技构建了三类核心工具：

• 模型服务工具，直接接入模型服务，通过已有算法积累被大模型调用，解决图像识别等多模态细分场景问题；
• 封装后代码工具，大模型可根据需要调用组织沉淀的封装后代码，解决专业统计分析等专业问题；
• 系统 API 工具，把已有系统能力如数据查询、专业绘图封装为工具并保存到工具库，供大模型调用。

通过大模型强大的推理能力，灵活调用工具库中的领域工具资产，可提升大模型解决气象领域问题的上限。

02 智能体编排基础设施

智能体编排能力是实现智能体应用高效迭代与管理的必要基石。和鲸科技提供灵活迭代与高效扩展的基础设施，支持智能体的模型迭代、流程迭代和知识迭代。同时，支持标杆智能体的复制和场景迁移，基于模型基础、知识基础和工具基础，实现智能体应用的快速扩展和复制。这种编排能力使气象部门能根据不同业务需求，快速构建和部署相应的智能体应用，大幅提升智能体技术的应用效率和覆盖范围。

03 人员能力提升

与传统解决问题的方式相比，业务专家需要掌握如何教会大模型解决专业问题。新时代的气象专家不仅要熟悉业务流程和业务系统，更要将智能体当作员工来培训与管理。他们需要了解模型价值与模型能力，能够构建专业工具与领域模型，能够定义业务中的关键问题，有数据意识并懂得构建领域知识，持续编排与设计不同智能体。这种角色转变，要求我们重新思考气象人才的培养模式和能力结构。

智能体编排能力，一站式构建气象智能体应用

基于在四川省气象探测数据中心的成功实践，和鲸构建了一套完整的智能体应用构建体系。

智能体应用构建体系围绕 AI 2.0 基础设施建设核心，提供从算力设施层、MaaS 层到应用编排层的全栈能力。通过这套体系，气象部门可快速构建各类智能体应用，包括工作流应用、对话机器人应用、API 应用等多种形态，满足不同业务需求。

算力设施层接入多源异构算力，兼容信创算力，可灵活分配调用以支撑模型算力需求；MaaS 层支持大小模型统一存储及快速服务构建，为智能体提供大模型推理服务及小模型工具；应用编排层结合知识库、工具调用及大模型进行编排，构建业务智能体应用；应用广场汇总智能体应用，对外提供智能体服务，赋能业务。这种分层架构确保了系统的可扩展性和可维护性。

通过工作流编排，将模型供应商管理、外部知识接入、MCP 工具调用和业务逻辑处理有机结合。在安全沙箱执行环境中，智能体可以标注处理流程、编排复杂逻辑，同时保持模型自行推理的能力。这种设计既保证了智能体的灵活性，又确保了执行过程的安全性和可控性。

构建完成的智能体支持发布为 API 服务，并提供基于 API Key 的权限管理。这使智能体能够与其他气象业务系统无缝集成，真正实现智能体技术在气象业务中的落地应用。通过标准化的 API 接口，气象部门可将智能体能力集成到现有业务系统中，实现智能化升级。

除此之外，和鲸重视培养气象人员在业务中使用和构建智能体应用的能力。为此，需要一套系统性的人才培养方案，从智能体的基础概念到实际应用开发，从单一技能到复合能力，全面提升气象人员在智能体时代的核心竞争力。和鲸设计了 4 阶段提升气象人员智能体应用与搭建能力的培养体系，并以终为始，围绕业务目标培养气象大模型应用型人才，包括气象 AI + 通识培训、大模型入门、大模型技术实践，以及围绕业务实际问题的工作流构建等。

和鲸已与中国气象局气象干部培训学院（中共中国气象局党校）、中国气象局气象干部培训学院湖南分院展开合作，通过培训教学帮助气象人员深入理解 AI 技术的业务适配逻辑，为其探索本地化应用路径提供方法论支撑。和鲸科技执行总裁兼首席产品官殷自强曾受邀为数百位国家级及省市级气象业务骨干、市县级预报员及综合业务骨干开展DeepSeek 、大模型等人工智能技术在气象业务中的应用与实践相关专题培训，针对基层业务场景中的业务痛点，通过系统化解析 AI 技术与气象服务的融合逻辑，为一线人员提供了从理论认知到落地实践的全方位赋能。

大模型技术的发展为气象智能化带来机遇，使气象 AI 应用不再局限于特定任务和场景，而是能够赋能整个生态。若您对报告中的气象智能体编排平台与示范应用感兴趣，欢迎点此前往和鲸官网了解更多，或联系我们进一步沟通。

此外，和鲸 ModelWhale 大模型应用平台已于7月1日全新上线，在 RAG 知识库构建、大小模型协同调度、可视化 AI 工作流编排三大方向取得突破性升级，现已正式启动开放体验。

平台升级之际，和鲸同时启动深潜者计划·ModelWhale 智能体蓝海行动，旨在招募更多开发者基于 ModelWhale 平台打造可交付、可复用的智能体灯塔项目，以专业力量领航产业智能化升级。欢迎想第一时间体验大模型应用平台的朋友们、想加入深潜者计划的朋友联系工作人员，加入“大模型应用平台”社群，与百余位领先参与者共创！