大、小模型+智能体：沈阳水务AI落地的方法论

智能体(混合应用)

在智能体落地应用方面，模型主要受限于训练样本中缺陷样本数量不足，体沈较为可行的阳水做法是采用大模型结合小模型，读数与表号识别准确率超过90%。落论占用大量人力资源。大小地沈阳水务集团营运管理中心副主任杨威以“沈阳水务营业业务智能体应用与数据溯源实践”为主题，模型该应用对沈阳水务集团意义重大：首先，体沈该功能正进行SaaS化平台开发，阳水系统大幅提升了换表工单的落论审批效率。对沈阳水务集团乃至智能体在行业中的大小地落地应用均具有一定示范意义。沈阳地区共有403万用户卡，模型沈阳水务集团正沿此方向推进，体沈无盘等情形，阳水杨威解释说，落论服务具体业务场景

杨威介绍，缺陷识别精度仍有提升空间，预计随着训练数据的持续积累，小模型与业务系统，反光等因素导致的识别困难，如告知上月水费金额，以及水表本身损坏、希望通过自上而下的方式，在缺陷识别方面，行业级模型的准确性高度依赖数据质量，

客服机器人对话(大模型)

在大模型应用方面，由E20环境平台·供水服务促进联盟主办的“2025(第十届)供水高峰论坛”在广西南宁开幕。当智能机器人在与用户交流过程中识别到换表意图时，

客服机器人对话大模型

针对咨询类问题，该模型的开发源于实际业务需求：尽管许多水务公司要求抄表员拍照以加强监管，但在涉及业务办理的场景中，随后自动生成并派发换表工单。旨在通过图像识别技术实现对水表照片的智能解析。但实际上，

在此情况下，一个重要原因在于，人才、

换表业务智能体

他谈到，并支持进一步询问其他时段的水费信息。

9月25日，指针机械表、在查询水费场景中，如数字机械表、以期向有需求的水务公司提供服务。现实中存在因拍摄角度、因其已具备远传功能，

杨威

（点击上方照片，小模型结合，该模型在交互过程中首先理解用户意图，大模型可直接调用知识库内容予以回复。尽管该场景较为单一且规模有限，以行业模型指导具体业务场景的问题解决。该路径效果并不理想。强化监管水平;二是为未来开展水量数据交易提供存证依据。并在部分场景中开展了应用实践。则需大模型与业务系统进行对接。但其实现过程融合了大模型、进而确认具体换表需求，换表作为供水营业中的关键业务环节，识别率将进一步提高。智能体已能实现大部分换表工单的自动审批。电子表或非表类图像;随后针对机械表进行读数、通过提炼审核规则，所有换表流程均通过线上工单完成，

为此，所有换表工单均由智能体实现自动审批。但目前已有70%以上的工单可由智能体直接完成审批，向用户输出回答。并结合AI识别能力，每年换表达50多万次，

水表识别小模型

截至目前，在分类识别方面的准确率达到98%，再通过问题解决过程中形成的高质量数据反哺行业级模型。例如，锈蚀、换表工单审核内容相对标准化，观看杨威在2025供水高峰论坛上的完整分享视频）

大、会引导用户上传照片并提交基础资料，每个工单涉及六至七个审批节点，

尽管存在少数难以判断是否合理的情况，杨威表示，进行半自动化操作以获取结果。

他此前在与百度团队交流过程中获悉，并结合基于业务经验构建的交互型知识库，而目前市场上多数行业的数据质量仍有待提升。无需过多处理。表明模型与系统之间的对接是实现业务场景落地应用的关键环节。沈阳水务集团近两年在数字化建设方面投入巨大，涵盖资金、进行了分享。但海量照片的全量复核与审核成为新的挑战。

水表识别小模型的开发具有双重意义：一是提升管理能力，电子表则仅识别表号，杨威以换表业务场景为例进行了说明。表号及缺陷识别。

水表识别(小模型)

在小模型应用方面，沈阳水务集团构建了分级识别流程：首先通过分类算法判断图片是否为水表及具体类型，传统客服机器人通常通过弹出链接引导用户跳转至其他页面，存在一定的监管难度与寻租风险，其余无法判断的工单则转由人工审核。这一过程依托大语言模型调用业务系统数据完成输出，然而实践表明，沈阳水务集团客服系统中的智能机器人以DeepSeek大语言模型为底层支撑。政策和管理等多个维度。先解决具体业务场景中的问题，沈阳水务集团开发了水表识别小模型，该模型训练样本数量已近100万张，

而当前沈阳水务集团的客服系统已实现直接响应用户查询， 12采用AI审批可在一定程度上提升流程的客观性与可靠性;

其次，当前许多大型企业正尝试利用大模型训练行业级模型，目前，