以下内容中关于缸内生态搭配和设备仅供参考，后续有更加有针对性的研究方案。
一、系统架构概述
“溪流缸编年史”项目是一个融合了计算机视觉、多模态感知、智能体协同与创意写作的综合系统，旨在通过一年时间构建一个从简单到复杂的水族缸智能叙事平台。整个系统的核心理念是**”数据驱动叙事”**，通过高维度生物特征识别、多源环境数据融合和Deep Agents智能体调度，将微观生态缸中的生物行为、环境变化与宏观世界新闻事件相结合，生成具有戏剧性和深度的生态叙事。
系统架构分为四个层次：物理层（鱼缸造景与传感器）、感知层（多模态数据采集与处理）、智能层（Deep Agents智能体协同与决策）、叙事层（故事生成与呈现）。这四个层次紧密耦合，形成一个闭环系统：环境变化触发生物行为，生物行为引发智能体决策，决策结果转化为叙事内容，同时叙事内容又可能通过环境干预影响缸内生态。
二、硬件与软件基础配置
2.1 物理层配置
鱼缸选择：120cm超白缸作为基础容器，其高透光度能提供更好的视觉体验。
造景材料：
- 石头：青龙石、鹅卵石（用于构建”急流区”）
- 沉木：1-2块（构建”深潭区”避难所）
- 底砂：溪流砂（厚度5-10cm）
- 水草：水榕、蜈蚣草、九冠草（提供遮蔽和生态平衡）
- 生物配置：初期6-8条孔雀鱼、2-3条黑壳虾，后期逐步增加其他物种
基础设备：
- 过滤系统：森森过滤盒（建立硝化系统，基础水质保障）
- 水泵：尼特利水族时光水泵（静音省电，可调节水流强度）
- 照明：LED水草灯（带三色切换功能，模拟昼夜变化）
- 显示设备：窄边框LCD屏幕（嵌入缸壁，显示宏观新闻）
- 控制中心：树莓派4B（作为边缘计算节点）
传感器配置：
- 温度传感器：DS18B20（水温监测）
- 流速传感器：PITOT管式（水流强度监测）
- 光照传感器：TSL2561（光照强度监测）
- pH值传感器：Atlas Scientific pH（水质酸碱度）
- 氧气传感器：Atlas Scientific DO（溶解氧监测）
总预算控制：通过选择性价比高的设备，初期配置总成本控制在500-800元之间，避免过度投资。
2.2 软件架构
数据采集系统：基于树莓派+Python，集成多传感器数据采集。
Deep Agents智能体系统：基于LangChain框架，采用ReAct范式，通过任务规划工具实现复杂任务分解。
数据存储设计：采用MySQL时序数据库，设计三个关联表。
三、生物特征识别与行为分析
3.1 YOLOv8小目标检测优化
鱼缸生物检测的挑战在于目标小（如青鳉鱼仅3-5cm）、背景复杂（水草、石头等遮挡）、光照变化大等。我们通过以下优化策略提升检测精度：
锚框优化：采用YOLOv8的AutoAnchor功能，通过分析鱼缸生物标注框的宽高比，动态调整锚框参数。
数据增强策略：采用Mosaic、MixUp和Copy-Paste增强，提高小目标检测能力。
特征点提取：为每条鱼提取独特视觉特征，如尾柄斑点、背鳍弯曲度等，实现个体识别。
3.2 OpenCV多目标跟踪与行为分析
多目标跟踪是理解生物行为的关键。我们采用实现多目标跟踪，并结合卡尔曼滤波预测鱼的位置。
行为向量化：将鱼类行为转化为可分析的数值特征。
| 行为类型 | 计算公式 | 阈值范围 |
| Z字形急游 | 计算连续帧角度变化率 | 角度变化率 > 30°/秒 |
| 悬停不动 | 计算位移标准差 | 位移标准差 < 0.5cm |
| 贴底缓游 | 计算y轴位置与水深比值 | y轴位置 < 水深 × 0.2 |
| 领地争夺 | 计算个体间欧氏距离 | 距离 < 2cm 且 方向夹角 < 15° |
3.3 社交关系网络构建
生物间的互动是构建复杂叙事的关键。我们通过欧氏距离和运动方向夹角分析，构建生物间的社交关系网络。
随着实验进展，社交网络会逐渐丰富，从简单的个体行为发展到复杂的群体互动和权力结构。初期可能只有”个体行为”，中期出现”小群体互动”，后期则形成完整的”社会阶层”。
四、环境扰动检测与宏观新闻映射
4.1 SIFT特征点匹配与环境变化检测
环境扰动包括自然变化（如藻类爆发）和人为干预（如造景调整）。我们通过SIFT特征点匹配检测环境变化。
环境变化等级划分：根据位移距离与缸体比例划分。
- 微调：位移 < 10%缸长，如添加一片新叶子
- 小变化：10% ≤ 位移 < 30%，如移动一块小石头
- 巨变：位移 ≥ 30%，如重新布局整个造景
4.2 宏观新闻与微观生态的智能映射
宏观新闻映射是系统的核心创新点，将外部世界事件与鱼缸微观生态变化相关联，形成独特的叙事隐喻。
新闻关键词与微观事件映射表：
| 宏观新闻关键词 | 视觉符号 | 微观生态映射 | 故事风格 |
| 暴雨/台风 | 云图、雨滴动画 | 水位上升/水流变急 | 灾难片 |
| 高温/热浪 | 火焰、温度计爆表 | 水温升高 | 生存惊悚片 |
| 地震 | 震波图、裂痕 | 造景震动/石头倒塌 | 灾难动作片 |
| 战争/冲突 | 爆炸、坦克 | 领地争夺 | 战争纪录片 |
| 和平/丰收 | 麦穗、鸽子 | 食物掉落/藻类减少 | 田园牧歌 |
新闻API集成：通过RESTful API获取宏观新闻，提取关键词。
环境映射控制：根据新闻关键词动态调整鱼缸环境参数。
五、Deep Agents智能体协同与动态调度
5.1 初始阶段：基础观察与简单叙事
实验初期（0-3个月），系统主要完成基础搭建和简单功能实现。此时Deep Agents系统仅包含两个子智能体：“观察员””叙事员”。
初期叙事示例：
5.2 中期阶段：任务规划与复杂叙事
实验中期（4-9个月），系统引入任务规划工具和更复杂的智能体分工，叙事内容也变得更加丰富。
中期叙事示例：
5.3 后期阶段：动态智能体管理与高级叙事
实验后期（10-12个月），系统引入动态智能体管理和高级叙事逻辑，实现从简单到复杂的叙事升级。
后期叙事示例：
六、长期稳定性测试与评估
6.1 硬件稳定性测试
鱼缸设备耐久性测试是确保系统长期稳定运行的基础。我们设计了一套完整的测试方案，监控设备性能和故障率。
测试指标：
- 设备MTBF（平均无故障时间）：目标≥5000小时
- 传感器数据漂移：每月校准一次，确保误差<5%
- 水泵功率稳定性：工作电流波动<10%
测试工具：基于树莓派的Prometheus监控系统，记录设备性能指标。
故障预测模型：基于LSTM的设备故障预测，提前预警潜在问题。
6.2 AI系统性能评估
Deep Agents系统性能评估关注推理延迟、任务完成率和内存占用等指标。
监控指标：
- ：LLM推理延迟（目标<1秒）
- ：任务完成率（目标>95%）
- ：任务队列长度（目标<5）
- ：内存占用（目标<200MB）
性能优化策略：
- 当推理延迟超过2秒时，自动扩容子智能体
- 当任务队列长度超过10时，触发任务优先级重新评估
- 定期清理内存，仅保留最近7天的数据
6.3 叙事质量评估
叙事质量评估采用主客观结合的方法，确保故事既符合事实又有艺术性。
客观指标：
- BERTScore：衡量生成文本与参考叙事的相似度
- 事件覆盖率：检测到的事件在叙事中的覆盖比例
- 逻辑连贯性：通过文本相似度计算相邻叙事片段的连贯性
主观指标：
- 用户满意度评分（1-5分）
- 叙事创意性评分（1-5分）
- 生态隐喻合理性评分（1-5分）
评估工具：问卷星在线问卷，定期收集用户反馈。
七、实验时间表与阶段性目标
7.1 第一阶段：基础系统搭建（0-3个月）
主要目标：完成鱼缸造景、设备安装和基础数据采集系统。
关键里程碑：
- 第1周：鱼缸搭建完成，设备安装调试
- 第2周：传感器数据采集系统上线，每小时记录环境参数
- 第3周：生物特征提取模型训练完成，个体识别准确率>80%
- 第4周：简单叙事生成功能实现，每日自动生成一条叙事片段
技术挑战与解决方案：
- 挑战：水下环境光线不稳定，影响视觉识别
- 解决方案：添加红外照明和图像增强算法
- 挑战：生物个体特征相似，难以区分
- 解决方案：结合多种特征（颜色、斑点、行为）进行综合识别
7.2 第二阶段：环境扰动与复杂叙事（4-6个月）
主要目标：实现环境扰动检测和复杂叙事生成。
关键里程碑：
- 第5周：环境变化检测系统上线，能够识别造景变动
- 第6周：宏观新闻映射功能实现，能够根据新闻关键词调整环境参数
- 第7周：叙事状态机实现，支持不同状态下的叙事风格
- 第8周：生物社交网络分析功能上线，能够识别生物间互动模式
技术挑战与解决方案：
- 挑战：环境变化与生物行为的因果关系难以确定
- 解决方案：设计A/B测试，对比环境干预前后的生物行为变化
- 挑战：宏观新闻与微观事件的关联缺乏科学依据
- 解决方案：建立基于经验的映射规则库，通过用户反馈不断优化
7.3 第三阶段：动态智能体管理与高级叙事（7-12个月）
主要目标：实现智能体动态管理，提升叙事深度和复杂度。
关键里程碑：
- 第9周：动态智能体管理系统上线，根据系统状态自动调整子智能体数量
- 第10周：多模态叙事融合功能实现，结合视频、图像和文字
- 第11周：故障预测模型训练完成，能够提前预警设备故障
- 第12周：叙事评估系统上线，定期评估叙事质量并优化
技术挑战与解决方案：
- 挑战：智能体间任务移交复杂，容易出错
- 解决方案：采用PROMISE框架的”状态机+提示词映射”，确保任务移交的可靠性
- 挑战：长期运行导致数据量过大，影响系统性能
- 解决方案：引入数据分片和压缩存储策略，优化数据库性能
八、实验数据收集与分析方法
8.1 数据收集策略
多源数据收集是系统的核心，我们设计了一套完整的数据收集策略。
环境数据：
- 采集频率：每小时一次
- 存储方式：MySQL时序数据库，按日期分区
- 关键参数：温度、光照、pH值、溶解氧、藻类覆盖率
生物行为数据：
- 采集频率：每30分钟一次
- 存储方式：MySQL关系型数据库
- 关键参数：鱼ID、位置、速度、弯曲系数、颜色Hue值、行为类型
叙事数据：
- 采集频率：每日一次
- 存储方式：MySQL文本型数据库
- 关键参数：叙事内容、叙事风格、关联事件、用户反馈
用户交互数据：
- 采集方式：问卷星在线问卷，每月一次
- 关键参数：用户满意度评分、叙事创意性评分、生态隐喻合理性评分
8.2 数据分析方法
数据分析帮助我们理解系统运行状况，发现潜在问题，并指导系统优化。
环境变化分析：通过时间序列分析，识别环境参数的变化模式。
生物行为分析：通过聚类分析，识别鱼类行为模式。
叙事质量分析：通过文本分析，评估叙事质量。
九、实验总结与未来展望
9.1 一年实验成果总结
一年实验将使”溪流缸编年史”系统从简单的环境监测和基础叙事发展为一个复杂的智能生态系统。主要成果包括：
- 技术成果：
- 完成了从简单到复杂的生物特征识别系统
- 实现了多源环境数据的融合分析
- 构建了基于Deep Agents的智能体协同系统
- 开发了从简单描述到复杂隐喻的叙事生成能力
- 科学成果：
- 揭示了微观生态系统的动态变化规律
- 探索了宏观事件与微观生态的潜在关联
- 验证了AI系统在长期运行中的稳定性
- 艺术成果：
- 生成了一系列生动有趣的生态叙事
- 形成了独特的”魔幻现实主义”叙事风格
- 为鱼缸生态缸赋予了人文内涵
9.2 系统性能与问题总结
系统性能方面，通过一年实验，我们预期达到以下指标：
- 环境参数监测准确率：温度>95%，光照>90%，pH值>85%
- 生物个体识别准确率：>90%
- 行为模式识别准确率：>85%
- 叙事生成质量：BERTScore>0.8，用户满意度>4.0/5.0
实验过程中可能遇到的问题：
- 硬件层面：
- 传感器数据漂移：通过定期校准和LSTM模型预测解决
- 设备故障：通过Prometheus监控和LSTM故障预测模型提前预警
- AI层面：
- 任务规划不合理：通过增加任务规划深度和优化Guard条件解决
- 记忆溢出：通过持久化记忆系统和上下文清理策略解决
- 叙事层面：
- 叙事连贯性不足：通过状态机和叙事模板优化解决
- 隐喻合理性受质疑：通过用户反馈和规则库优化解决
9.3 未来迭代方向
系统未来迭代将从硬件、算法和叙事三个维度进行。
- 硬件层面：
- 升级为高精度传感器（如pH值传感器精度从±0.1提升到±0.05）
- 添加更多环境控制设备（如自动喂食器、CO₂调节器）
- 引入更先进的显示设备（如透明OLED屏幕，实现真正的”画中画”效果）
- 算法层面：
- 引入Transformer模型增强长时序行为预测
- 结合强化学习优化任务调度策略
- 开发更复杂的生物社交网络分析模型
- 叙事层面：
- 扩展”宏观新闻→微观隐喻”规则库
- 开发用户交互接口，允许用户干预叙事
- 构建跨年度的叙事时间线，形成真正的”编年史”
十、实验操作手册
10.1 日常维护操作
每日维护（0-1个月）：
| 时间 | 操作内容 | 注意事项 |
| 8:00 | 检查设备运行状态 | 确保传感器数据正常，水泵无异常噪音 |
| 10:00 | 观察生物行为 | 记录异常行为，如鱼群聚集、不进食等 |
| 15:00 | 检查水质 | 使用试纸快速检测pH值、氨氮和亚硝酸盐 |
| 19:00 | 换水操作 | 换水比例控制在10%，水温差<2℃ |
进阶维护（2-12个月）：
- 环境扰动计划：
- 每月一次：轻微环境扰动（如添加一片新叶子）
- 每季度一次：中等环境扰动（如移动一块小石头）
- 每半年一次：重大环境扰动（如重新布局造景）
- 生物配置调整：
- 第3个月：增加鱼的数量至10-12条
- 第6个月：引入新物种（如锦鲤或热带鱼）
- 第9个月：调整生物密度，实现生态平衡
10.2 系统升级路线图
系统将经历三个主要升级阶段：
- 基础版（0-3个月）：
- 功能：环境参数监测、生物个体识别、简单叙事生成
- 模型：GPT-3.5-turbo
- 智能体：观察员、叙事员
- 中级版（4-9个月）：
- 新增功能：环境扰动检测、宏观新闻映射、复杂叙事生成
- 模型升级：部分任务使用GPT-4
- 智能体扩展：添加生态分析师、映射员
- 高级版（10-12个月）：
- 新增功能：动态智能体管理、多模态叙事融合、故障预测
- 模型优化：引入LSTM+GRU混合模型进行长期预测
- 智能体协同：实现基于状态机的智能体动态调度
10.3 问题排查指南
常见问题与解决方案：
- 传感器数据异常：
- 症状：温度读数突然波动，或pH值显示不合理
- 解决方案：检查传感器连接，重新校准传感器，检查数据采集代码
- 生物识别失败：
- 症状：无法正确识别鱼类个体，或误判生物行为
- 解决方案：优化标注数据，调整模型参数，增加数据增强策略
- 叙事质量下降：
- 症状：叙事连贯性变差，或生态隐喻不合理
- 解决方案：优化Prompt工程，增加参考叙事，调整叙事风格参数
- 智能体任务规划不合理：
- 症状：任务清单过于复杂，或任务执行顺序不合理
- 解决方案：优化Guard条件，调整任务规划深度，增加任务优先级策略
- 系统性能下降：
- 症状：推理延迟增加，内存占用过高
- 解决方案：清理内存，优化模型推理，必要时升级硬件
十一、结语
“溪流缸编年史”项目不仅是一个技术实验，更是一次对微观世界与宏观世界关系的哲学探索。通过一年的实验，我们期望实现三个转变：
- 从简单观察到智能叙事：系统将从简单的环境参数记录，发展为能够理解生态变化、预测发展趋势并生成富有创意的生态叙事。
- 从孤立系统到开放世界：鱼缸不再是封闭的生态系统，而是通过宏观新闻映射与外界建立联系，形成一个”与世界同频共振的生态节点”。
- 从技术实验到艺术创作：系统将超越简单的技术验证，生成具有艺术价值的生态叙事作品，探索AI在创意写作领域的可能性。
最终目标是构建一个能够自主运行、不断进化的”溪流缸编年史”系统，它不仅能记录微观生态的变化，还能通过AI的创造力，赋予这些变化以意义和深度，让鱼缸从简单的观赏容器，转变为一个充满故事和哲理的”微观世界”。
通过这一项目，我们希望探索以下问题：微观世界与宏观世界之间是否存在某种神秘的联系？AI能否真正理解并讲述生命的故事？以及如何通过数据驱动的方法，构建一个既有科学性又有艺术性的智能叙事系统。
这些探索不仅对技术发展有重要意义，也可能为人类理解自然、生命和叙事提供新的视角。
参考来源
[1]【收藏必备】DeepAgents深度解读：从0到1构建复杂任务智能体-CSDN博客
[2]新手养小丑鱼：低成本海缸设备清单真的可行吗？1000+用户观点大碰撞_造景装饰_什么值得买
[3]懒人小白必看！保姆级造景指南，3 步打造绝美鱼缸造景_智能鱼缸之家
[4]静音又省电的变频水泵推荐：四款高性价比水族水泵评测_鱼缸_流量_调节
[5]鱼虾混养 vs 龟鱼共生？我们汇总了78位水族爱好者的实战经验_造景装饰_什么值得买
[6]新手养鱼必看！30天零失败鱼缸维护指南，手残党也能养出空气缸！什么值得买
[7]Deep Agents智能体2.0深度解析：大模型应用架构革命，小白也能看懂的进阶指南-CSDN博客
[8]古法缸一年养成记！踩坑无数，终得一方治愈小天地_造景装饰_什么值得买
[9]新手养鱼开缸清单｜低成本也能打造治愈
[10]鱼缸造景-快懂百科
[11]一个鱼缸怎么鱼虾混养，鱼虾混养行不行-鱼百科
[12]【海缸】Σ(°Д°;意想不到的低成本开缸邪修方案！什么值得买
[13]开一个桌面小鱼缸需要准备什么_什么值得买
[14]Efficiently Programming Large Language Models using SGLang
[15]【实操制作】4.17-用树莓派实时监测室内温湿度_树莓派温湿度-CSDN博客
[16]IoT-Based Environmental Control System for Fish Farms with Sensor Integration and Machine Learning Decision Support
[17]HAMMR-: HierArchical MultiModa Output agents for generic VQA
[18]树莓派+MCC 118 实现数据采集|树莓派实验室
[19]Quality of Answers of Generative Large Language Models vs Peer Patients for Interpreting Lab Test Results for Lay Patients: Evaluation Study
[20]从0到1：树莓派温度传感器实战指南—打造你的第一台物联网环境监测设备-CSDN博客
[21]基于机智云平台的智能鱼缸开发|手机|传感器|智能化_网易订阅
[22]10分钟手把手教你借助LangChain构建本地Agent智能体！LangChain+Agent本地部署全流程！小白也能轻松上手实操！哔哩哔哩_bilibili
[23]Efficiently Programming Large Language Models using SGLang
[24]EEA Conference & Exhibition 2021, 30 June – 1 July, Wellington, New Zealand Monitoring and Detection of Low-current HighImpedance Faults in Distribution Networks
[25]Understanding the planning of LLM agents: A survey
[26]智能家居实战：用I2C连接多个传感器的完整案例-CSDN博客
[27]Structured Thoughts Automaton: First Formalized Execution Model for Auto-Regressive Language Models
[28]如何在mysql中开发用户行为统计项目-mysql教程-PHP中文网
[29]Oscillatory rheotaxis of active droplets in microchannels
[30]YOLOv8小目标检测实战：从原理到部署的全流程指南
[31]MySQL如何进行数据库设计-MySQL数据库-亿速云
[32]基于OpenCV的运动物体检测：从理论到实践
[33]【YOLOV8】小目标困难场景优化_yolo小目标-CSDN博客
[34]生物信息学专业MySQL数据库课程教学方法探讨-免费论文网
[35]C# OpenCVSharp光流跟踪：如何精准捕捉运动物体的轨迹？使用c#开发物品运动轨迹-CSDN博客
[36]YOLOv8多尺度训练优化：随机缩放增强动态调尺寸，小目标AP直接涨3.9%！CSDN博客
[37]YOLOv8 AutoAnchor自动锚框计算功能使用说明-CSDN博客
[38]OpenCV实现多目标追踪（2）Frommoon-博客园
[39]Behavioral transition of a fish school in a crowded environment
[40]YOLOv8锚框机制深度解析：目标定位的先进技术-CSDN文库
[41]基于嵌入式树莓派和OpenCV的运动检测与跟踪系统.docx-原创力文档
[42]基于YOLOv8的鱼类行为识别系统：从数据集构建到UI界面实现_鱼虾视频行为分析 模型-CSDN博客
[43]YOLOv8自动锚框计算功能AutoAnchor详解-CSDN博客
[44]树莓派智能小车：使用OpenCV实现目标跟踪_树莓派小车追踪-CSDN…
[45]深度学习数据集大合集—鱼类数据集-哔哩哔哩
[46]深入解读YOLOv8Detection Model的参数设置-CSDN博客
[47]使用OpenCV实现多目标跟踪从理论到代码实践的完整指南-CSDN博客
[48]鱼缸中的鱼行为解读与健康问题分析
[49]鱼类行为学分析和总结.docx-原创力文档
[50]Attire-Based Anomaly Detection in Restricted Areas Using YOLOv8 for Enhanced CCTV Security
[51]基于PIV技术草金鱼幼鱼转弯运动动力学特性
[52]Ada-YOLO: Dynamic Fusion of YOLOV8 and Adaptive Heads for Precise Image Detection and Diagnosis
[53]机器人-毫秒级决策，秒级游动：基于MPC的仿生鱼智能控制仿真-个人文章-SegmentFault 思否
[54]YOLOv8锚框机制深度解析：目标定位的先进技术-CSDN文库
[55]狭窄通道内自推进鱼体游动的数值模拟研究
[56]目标检测：锚框的大小为什么宽乘以根号r_锚框的宽高比怎么计算-CSDN博客
[57]OpenCV实现SIFT特征检测与匹配实战-CSDN博客
[58]SAGA: A DSL for Story Management
[59]Red Sea-The Ultimate Reef Keeping Experience
Homepage CHN
[60]使用OpenCV进行SIFT特征检测-燕鹏-博客园
[61]Story Realization: Expanding Plot Events into Sentences
[62]HiChatBox鱼缸换水提醒联动水泵-CSDN博客
[63]Opencv总结6—sift算法-CSDN博客
[64]状态机工作流-.NET Framework |Microsoft Learn
[65]小智音箱鱼缸氧气泵联动通过时间调度-CSDN博客
[66]鱼缸造景检测_检测机构丨中析研究所「分析检测中心」_第三方检测报告
[67]低成本开源！乐鑫科技ESP32-S3开发板+RGB光雾联动，鱼缸炫酷得不像话-电子发烧友网
[68]基于python+opencv的SIFT算法分析_opencvpythonsift特征点匹配 平移量-CSDN博客
[69]Language-Driven Engineering
[70]RESTful简介-无线接入控制器(AC和FIT AP)V200R023C10 配置指南-华为
[71]使用OpenCV进行SIFT特征检测-燕鹏-博客园
[72]A Literature Survey Of Cognitive Complexity Metrics For Statechart Diagrams
[73]轻松掌控，一键远程：揭秘物联网设备RESTfulAPI控制之道-云原生实践
[74]State-Based Behavior Modeling in Software and Systems Engineering
[75]基于MQTT协议和RESTful API的智能家居水质监测系统_mqtt监测系统-CSDN博客
[76]C#智能设备RESTfulAPI深度开发：从物联网设备到云端控制实战_c# restful api-CSDN博客
[77]鱼缸水质参数全面解析：从物理到生物，助你打造稳定的水族环境
[78]Zero-Shot Calibration of Fishye Cameras
[79]自己动手建鱼缸，参数设置看这篇
[80]An automated vision system for measurement of zebrafish length using low-cost orthogonal web cameras
[81]鱼缸过滤全攻略：3个参数+7种过滤方式，新手也能养出空气缸什么值得买
[82]A Comprehensive Overview of Fish-Eye Camera Distortion Correction methods
[83]鱼缸设备选择指南：造浪、水泵与缸体尺寸
[84]一文看懂：怎样把像素换算为厘米？
[85]LDSA: Learning Dynamic Subtask Assignment in Cooperative Multi-Agent Reinforcement Learning
[86]Navigating Complexity: Orchestrated Problem Solving with Multi-Agent LLMs
[87]Selective decision making and collective behavior of fish by the motion of visual attention
[88]Hierarchical Reinforcement Learning with Deep Nested Agents
[89]PROMISE: A Framework for Model-Driven Stateful Prompt Orchestration
[90]Closed-loop interactions between a shoal of zebrafish and a group of robotic fish in a circular corridor
[91]Multi-Agent Collaboration: Harnessing the Power of Intelligent LLM Agents
[92]SWAG: Storytelling With Action Guidance
[93]全球首创双AI！DeepSeek通义千问赋能当贝智能鱼缸-当贝投影-当贝社区
[94]全球首创双AI！DeepSeek通义千问赋能当贝智能鱼缸_ZNDS资讯
http://n.znds.com/article/news/67805.html
[95]Towards Using Promises for Multi-Agent Cooperation in Goal Reasoning
[96]基于STM32的智能鱼缸设计（版本2）（监测水位、水温，控制加热棒和补水泵）（有自动模式和手动模式/阈值可以调节）
[97]当贝智能鱼缸搭载DeepSeek通义千问，行业首个双AI赋能_系统_生态_Ultra
[98]PM-FSM: Policies Modulating Finite State Machine for Robust Quadruped Locomotion
[99]【STM32项目】智能鱼缸（版本2）基于stm32的智能鱼缸设计ppt-CSDN博客
[100]当贝智能鱼缸全面接入DeepSeek！树立智能水族设备新标杆|智能化|deepseek_网易订阅
[101]PROMISE: A Framework for Model-Driven Stateful Prompt Orchestration
[102]YOLO鱼类识别：如何利用宠智灵实现高效精准的水族智能管理？模型_鱼缸_行为
[103]当贝智能鱼缸与DeepSeek完美融合：创新科技改变家居生活_天极网
[104]DeepSeekAPI接口全解析：技术实现、应用场景与最佳实践-百度开发者中心
[105]Prometheus监控服务-百度智能云
[106]DeepSeek API调用全解析：从HTTP请求到智能交互的完整指南
[107]容器监控神器Prometheus大揭秘！
[108]DeepSeek对话模块API解析：从入门到实践指南
[109]prometheusv3.5.0 发布详解：长周期支持版本带来的全新特性与性能优化|直方图|元数据_网易订阅
[110]Prometheus 监控服务-百度智能云
[111]【Prometheus监控运维必备】二、Prometheus数据模型与查询语言_prometheus查询语言-CSDN博客
[112]Multi-Agent Deep Reinforcement Learning For Persistent Monitoring With Sensing, Communication, and Localization Constraints
[113]Of Human Criteria and Automatic Metrics: A Benchmark of the Evaluation of Story Generation
[114]Feeding frequency mediates aggression and cannibalism in larval seatout, Cynosic nebulous
[115]AI-DriverPatient Monitoring with Multi-Agent Deep Reinforced Learning
[116]Automatic Story Generation: Challenges and Attempts
[117]Quantification of collective behaviour via causality analysis
[118]从LangChain到Deep Agents：构建稳定智能体的完整技术指南-CSDN博客
[119]STORYWARS: A Dataset and Instruction Tuning Baselines for Collaborative Story Understanding and Generation
[120]Effects of stocking density on survival, food intake and growth of giant gourami (Osphenemus gouramy) larvae reared in a recircult aquaculture system
[121]Prometheus监控指标设计与采集_系统_数据_标签
[122]The effects of interacting with fish in aquariums on human health and well-being: A systematic review
[123]Towards Implementing ML-Based Failure Detectors
[124]人人秀问卷调查网_在线考试_免费制作调查问卷平台-人人秀问卷调查网
[125]Comprehensive Study Of Predictive Maintenance In Industries Using Classification Models And LSTM Model
[126]Promethues 的 Agent 模式：高效转发云原生指标|服务器|谷歌|…
[127]2025年养鱼能力测试题及答案解析.doc-原创力文档
[128]使用LSTM预测设备未来一段时间内的故障风险-CSDN博客
[129]2025年鱼缸游戏测试题及答案.doc-原创力文档
[130]基于LSTM模型的工业过程数据的故障预测.pdf-原创力文档
[131]An Interference-aware Approach for Co-located Container Orchestration with Novel Metric
[132]Code Failure Prediction and Pattern Extractionusing LSTM Networks
[133]Prometheus监控与应用指标采集全解析-CSDN文库
[134]Towards Implementing ML-Based Failure Detectors
[135]Prometheus采集指标延迟如何排查？编程语言-CSDN问答
[136]【工业AI热榜】LSTM+GRU融合实战：设备故障预测准确率99.3%，附开源数据集与完整代码-CSDN博客
[137]STM32的智能鱼缸环境监测系统（开源）哔哩哔哩_bilibili