当敏捷平台遇上 AI，水库"驾驶舱"这样高效落地

在山西吕梁，横泉水库承担着城市供水、工业供水、防洪泄洪的多重使命。2026 年，吕梁市横泉水库雨水情测报及安全监测提升改造工程（一期）正式启动——要把 46 套渗压监测装置、丰枯水期流量计、北斗 GNSS 大坝位移、量水堰计、海康视频监控全部接入一套平台，还要构建基础信息、地理信息、数字孪生三维三大数据底板，最终交付一个让管理者"一屏观全域"的水库驾驶舱。

按照传统路数，这样一个覆盖物联网接入、数据治理、规则计算、GIS 可视化、三维孪生、视频上墙的综合型水利系统，纯代码开发至少需要一支完整的前后端团队奋战大半年。而本项目基于 Ybolt+ 敏捷开发平台，叠加 AI 辅助开发，从启动开发到全模块完成并通过第三方测试，仅用了约三个月。

本文就以横泉水库项目为例，拆解 Ybolt+ 交付与传统纯代码开发的本质区别，并着重聊聊本次交付的最大亮点：用 Ybolt+ 体系与 AI 结合开发驾驶舱，数据内容全部由 Ybolt+ 体系创建和统计，交付效率到底提升了多少。

一、项目概览：一套系统，装下一座水库

横泉水库雨水情监测系统的整体框架分为三层：

层级	内容	支撑能力
门户层	统一登录+统一门户	应用资产、数据资产、项目资产分类呈现，一站式进入驾驶舱及各业务中心
驾驶舱层	水库运行一张图	每日水情面板、监测设备卡片、GIS地图三图层联动
平台层	Ybolt+各中心组件	物联接入、业务知识、规则引擎、视频接入、地理空间，外加告警、诊断、工单、日志、监控等全套业务模块

底层技术上，Ybolt+ 采用 PostgreSQL + MongoDB + Redis + TDengine 多库协同架构，SpringCloud 微服务体系，前端 Vue3 + Element Plus + Cesium，GeoServer 提供 GIS 服务——这套经过多个水利项目验证的技术底座，在项目第一天就是现成的，团队不需要花一个月搭脚手架、写基础框架。

二、为什么是Ybolt+，而不是从零写代码？

先把结论摆出来：这个项目里真正"值钱"的是对水库业务的理解，而不是重复编写用户管理、设备管理、数据接入这些"行业标配"代码。 Ybolt+ 的价值，就是把后者全部平台化，让团队把精力押在前者上。

维度	传统纯代码开发	Ybolt+平台化交付
基础架构	从零搭建微服务、网关、鉴权、多数据库	平台内置，开箱即用
设备接入	每种协议硬编码解析逻辑，新增协议需改代码、重启服务	物联接入中心插件化协议适配，MQTT/Modbus/TCP 配置即接入
数据模型	新增一个字段=ALTERTABLE+实体类+接口+前端表单，动辄几天	业务知识中心界面配置字段，实时生效、无需停机
业务规则	统计逻辑写死在代码里，改一次发一次版	规则引擎拖拽节点编排，热更新、可调试、有日志
视频监控	单独选型流媒体方案，自行对接 GB/T28181	视频接入中心原生支持国标级联、海康/大华接入、分屏上墙
GIS与大屏	前端逐行编写地图渲染与大屏交互	地理空间中心配图层场景，驾驶舱组件绑定数据源即可
迭代响应	需求变更排队等排期	业务人员在配置层面自主调整

两个真实场景最能说明问题：

场景一：渗压系统数据对接。横泉水库已有一套 DSIMS 4.0 大坝安全监测系统，46 套渗压测点的历史数据要求"分钟级增量同步"进来。传统做法要为对方数据库表结构写一套专门的 ETL 服务；而在 Ybolt+ 里，通过外部数据库同步能力直连其 PostgreSQL 库，将测点表、成果表映射到业务知识中心的渗压数据集，再由规则引擎完成清洗入库——对接工作以"配置"而非"编码"的方式完成。

场景二：驾驶舱临时加指标。业主提出左侧面板要在原有基础上补充"工业供水流量"，并支持点击跳转填报。传统开发这是一条完整的需求链：改表、改接口、改前端、测试、发版；在 Ybolt+ 里，数据集加一个属性、面板上加一个数值卡、绑好跳转事件，半天内搞定并当场演示。

三、重头戏：Ybolt+×AI，驾驶舱的开发新范式

驾驶舱是这个项目的"脸面"，也是最考验交付效率的部分。我们的做法可以概括为一句话：数据与统计全部交给 Ybolt+ 体系，页面生产交给 AI 辅助，人专注于业务定义与体验把关。

3.1 先定业务：数据内容全部在Ybolt+体系中创建

驾驶舱不是先画页面再找数据，而是先把数据资产在 Ybolt+ 体系里建清楚：

第一步，业务建模。 在业务知识中心创建水库、测站、监测设备等业务模型，明确每个对象的属性——水库的库水位、库容，流量计的瞬时流量、月水量、年水量，量水堰计的水头、流量、温度……业务模型与业务对象的关系类似"产品与设备"，一次定义、批量实例化。

第二步，数据集落地。 为驾驶舱的每类数据定义标准化数据集：每日水情数据集承载九项核心指标（库水位、库容、进库流量、总出库流量、城市供水流量、工业供水流量、泄洪流量、日降雨量、年降雨量）；流量计时序数据集承接物联设备的秒级上报数据。时序数据落 TDengine 保证高频写入与毫秒查询，结构化数据存 MongoDB 保持灵活扩展。

第三步，规则引擎自动统计。 这是关键一环——驾驶舱上的每一个统计数字，都不是人工填报或前端算出来的，而是规则引擎按可视化编排的逻辑自动计算写入的。以"月水量、年水量"统计为例：规则订阅流量计上报数据 → 定时取当日首条值为起始值、末条值为终止值 → 差值累加进月累计、年累计 → 结果写回数据集，全程留痕可回溯。过去水库人员每月手工填写《水量水情登记表》《逐月水量平衡报表》《安全监测表》的工作，如今由规则引擎持续自动完成，报表数据直接源于系统统计结果。

3.2 再造页面：AI深度参与的生产方式

数据底座就绪后，驾驶舱页面的生产采用了"AI 生成 + 平台约束"的模式：

AI 依据明确的接口契约批量生成页面代码。 Ybolt+ 的数据集一旦定义完成，就自带标准化的 REST 接口和数据结构。把这些接口文档喂给 AI，它就能批量产出符合 Vue3 规范的面板卡片、图表组件和数据适配脚本——九项水情指标的面板结构高度相似，这类重复性工作正是 AI 的强项；

AI 承担"胶水层"编码。组件绑定数据源时的 JS 格式转换脚本、时间范围处理、单位换算，这些琐碎但必不少见的适配代码，由 AI 按平台的组件规范生成后人工复核，速度远高于手写；

人负责最不可替代的事。业务口径怎么定（月水量从几号起算、泄洪流量取哪个断面）、地图上图层怎么组织、点击交互怎么设计，这些决策由熟悉水库业务的工程师做出，AI 只是在既定框架内高速执行。

3.3 成品长什么样

最终交付的驾驶舱实现了三区联动：

左侧每日水情面板：库水位、库容、进库流量、总出库流量、城市供水流量、工业供水流量、泄洪流量、日降雨量、年降雨量一目了然，附带天气预报；点击任意数值可直接跳转至填报页面补录当日水情——统计与填报在同一处闭环；

右侧监测设备卡片：量水堰计的水头/流量/温度、枯水期流量计与丰水期流量计的瞬时流量/月水量/年水量实时刷新，点击任一数值弹出历史曲线，趋势尽在指尖；

中间 GIS 一张图：三个图层自由叠加——点视频点位直接实时播放现场画面，点渗压设备弹出最新一条监测数据，点三维模型则能"走进"大坝内部查看设备位置与操作步骤，倾斜摄影实景与监测数据在此融合。

3.4 效率账：省在哪里，一目了然

把这种"Ybolt+ 底座 + AI 生产"的模式与传统纯代码做笔对比：

环节	传统纯代码开发	Ybolt+ x Al
数据建模与接口	设计表结构、写实体、写CRUD、写接口文档，约1-2周	业务知识中心界面建模，接口自动具备，1-2天
统计逻辑	编写定时任务+SQL+单元测试，约1周	规则引擎拖拽节点配置，1天内含联调
页面开发	前端逐个手写组件与适配层，约2-3周	AI按接口契约批量生成+人工复核，约1周
指标变更	全链路修改发版，数天	数据集加字段+面板加卡片，小时级
后续运维	依赖原班开发人员	业务人员可在平台上自主调整，自主运90%以上

整体折算，驾驶舱这一单体的交付周期压缩到传统的三分之一左右；而放到整个项目看，平台替团队扛下了用户权限、告警、工单、日志、视频、GIS 这些通用模块的开发量，团队得以把节省的精力投入三维孪生建模、渗压对接这些真正的定制难点——这正是约四个月完成全系统交付并通过第三方测试的底气所在。

四、不止驾驶舱：一套平台撑起全栈交付

驾驶舱之外，Ybolt+ 在项目中同样无处不在：

物联接入中心统一接入了丰水期视觉流量计、枯水期雷达流量计、北斗 GNSS 位移站、磁致量水堰计等新建设备，私有协议逐一映射为标准物模型；

视频接入中心通过 GB/T28181 对接海康平台，存量监控点位批量注册、分屏上墙，并与 GIS 点位联动点播；

地理空间中心以"底图—样式—图层—场景"四层结构，承载了水库边界、上下游河流、监测站点等矢量图层，与三维模型共同构成数字孪生底板；

告警、工单、日志、诊断中心作为平台标配直接启用，异常事件的"识别—推送—处置—追溯"闭环零代码获得。

换句话说：项目定制部分越少，交付质量越稳、周期越短。 Ybolt+ 把"定制"压缩到了业务理解与专业集成的最小必要范围。

五、写在最后

横泉水库项目的交付，验证了一套正在成型的开发范式：

平台管确定性，AI 管重复性，人管创造性。

Ybolt+ 把物联网接入、数据治理、规则计算、可视化这些确定性强的工程沉淀为平台能力；AI 在标准契约之上高速生产页面与脚本，消灭重复编码；而工程师的精力，终于可以全部投向水库业务本身——哪些指标该看、阈值该怎么设、流程该怎么走。

对于正处在数字化转型中的水利行业来说，这或许比某一个具体功能的实现更值得参考：复杂不等于缓慢，定制不等于从零开始。选对了底座，一座水库的"数字化驾驶舱"，真的可以又快又好。

Stew OT私有化物联网平台

YBolt+企业数字化转型助手

场景

场景

场景

场景

当敏捷平台遇上 AI，水库"驾驶舱"这样高效落地

获取相关资料

场景

场景

场景

场景

完善个人信息

当敏捷平台遇上 AI，水库"驾驶舱"这样高效落地

获取相关资料