Docs 菜单
Docs 主页
/
Atlas 架构中心
Docs 主页
/
Atlas 架构中心
Docs 主页
/
Atlas 架构中心

机场操作助手语音助手

借助使用MongoDB Atlas、Dataworkz 和 Google Cloud 构建的代理语音助手，推动地勤人员实现智能机场操作，从而提高安全性并防止代价高昂的航班延误。

使用案例： 人工智能、智能搜索、个性化

行业： 制造和移动性

产品： MongoDB Atlas，MongoDB Atlas Vector Search

合作伙伴： Dataworkz, Google Cloud

解决方案概述

机场地勤操作每年支持超过 40 万次航班，涉及行李处理、加油、配餐和维护等众多任务。由于工作人员经验不足，这种复杂性更加严重，从而增加了人为错误的可能性，威胁安全并导致代价高昂的航班延误。实例，空客 A321 航班延误 15 分钟可能会给航空公司造成约 3 欧元、030 欧元（约合 3500 美元）的费用。

该解决方案使用 Dataworkz、Google Cloud 和 MongoDB Atlas 为机场地面操作提供代理语音助手。该助手可指导操作符完成基本检查清单，通过 Dataworkz 的 RAG 应用程序从嵌入式手册中检索实时回答，并日志操作以进行Atlas 审核和优化。该系统通过使用 Vertex AI 进行语音转文本、文本转语音和 NLP，实现免提交互，并使用 Atlas Vector Search 进行上下文感知检索。工作人员可以将语音助手用作智能知识库，从而确保合规、提高运营效率并减少地勤人员的培训时间。

参考架构

该解决方案采用以下架构：

智能机场地面操作架构

图 1。智能机场地面操作架构

如图 1 所示，该解决方案使用了以下技术：

  • 适用于 RAG 和代理 AI 的 Dataworkz： Dataworkz 是一个托管 RAG 平台，提供代理 AI 框架和 AI 优化的数据层。它促进将数据跨实例和区域的横向扩展实现无缝集成到MongoDB Atlas中，并通过使用 Voyage AI模型提取和嵌入技术手册和法规来托管端到端 RAG 工作流程。Dataworkz 的 RAG 构建者将语音助手与其存储在 MongoDB 中的安全手册中的复杂信息集成在一起。端到端工作流程完成后，Dataworkz 使用MongoDB Atlas Vector Search 执行查询，以进行准确的信息检索。

  • MongoDB Atlas作为核心数据库： MongoDB Atlas提供服务作为应用程序的集中式存储。其灵活性和可扩展性使其能够存储AI工作负载中常见的大量非结构化数据。此外，其聚合框架简化了AI应用程序开发的数据处理。Atlas还存储会话活动日志以及来自嵌入式手册的原始和向量化文本数据，Dataworkz 使用向量搜索来查询这些数据。

  • Google Cloud for speech and NLP: Google Cloud 的 Vertex AI 提供基本的语音转文本、文本转语音和 NLP 功能，支持地勤人员与代理语音助手进行自然交互。示例，如果操作符询问飞机问题，例如前起落架扭转是什么平均值？Vertex AI执行语音到文本转换并将信息发送到 Dataworkz，Dataworkz 使用向量搜索以智能方式查询MongoDB 。

  • 语音助手功能：语音助手动态地将清单项目提供给操作符。系统提供即时验证，读取下一个步骤，并在检测到差异时提供手册中的其他上下文。Dataworkz 可以通过MongoDB Atlas Vector Search 对嵌入式手册进行智能查询，从而实时提供上下文特定的回答。

数据模型方法

MongoDB 灵活的文档模型支持AI开发中使用的非结构化数据，例如来自机场环境中复杂监控和日志系统的数据。MongoDB Atlas存储代理内存，包括检查清单的当前状态、单个步骤和 RAG 生成的日志。这些日志有助于追踪培训查询和安全合规Atlas 审核跟踪。

以下代码段显示了 logs集合如何记录 NLP 查询。

{
   "_id": {
      "$oid": "686ffc11d66babf8cd958229"
   },
   "sessionId": "efc07eac-ef36-4487-adc0-5c0f82eddfe7",
   "logs": [
      {
         "timestamp": "2025-07-10T17:44:48.838Z",
         "toolName": "consultManual",
         "type": "call",
         "details": {
            "name": "consultManual",
            "args": {
               "query": "What is a tow bar operation?"
            }
         }
      }
   ]
}

该解决方案将每个操作的日志记录并存储为MongoDB Atlas中的JSON文档，以便Atlas 审核和优化。每个文档都有一个唯一的 sessionId，您可以根据需要使用它来更新文档。

构建解决方案

您可以按照 README 在GitHub存储库中复制此解决方案，它将指导您完成以下步骤。

1

设置先决条件

安装以下依赖项：

  • Node.js 20+

  • Next.js

  • 具有 admin 角色的 MongoDB Atlas 集群

  • 已启用 Vertex AI 并具有 API 访问权限的 GCP 帐户

  • 具有 LLM API密钥访问权限的 Dataworkz 帐户

2

克隆Github存储库

使用以下命令将 GitHub存储库克隆到本地计算机：

git clone https://github.com/mongodb-industry-solutions/aircraft-groundops-sync.git
3

安装所需的依赖项

导航到克隆的目录并运行以下命令以安装依赖项：

npm install
4

配置 Dataworkz设置

在解决方案的根目录中创建一个 .env.local文件并添加环境变量。其中包括MongoDB连接字符串、Dataworkz API密钥和 Google Cloud 项目详细信息。

5

安装所需的依赖项

登录您的 Dataworkz 帐户以设立RAG应用程序，如下所示：

  1. 创建新的 RAG应用程序。

  2. 通过摄取飞机操作文档、技术手册和法规来配置知识库。

  3. 对于环境变量文件，请配置并获取 DATAWORKZ_SYSTEM_ID 和 DATAWORKZ_LLM_PROVIDER_ID

  4. 您可以在 RAG应用程序中使用Voyage AI文本嵌入模型。

6

运行应用程序。

通过运行以下命令在开发模式下执行应用程序：

npm run dev

然后，在浏览器中打开 http://localhost:3000 以访问权限飞机地面操作仪表盘。

或者，使用以下命令在生产模式下运行应用程序：

npm run build

关键要点

  • 减少培训时间和认知负荷：有了该解决方案，地勤人员无需记住大量手册的每个细节。语音助手充当智能知识库，实时提供上下文感知的回答，并减轻追踪操作步骤和飞机手册的认知负担。

  • 增强的错误预防和合规：通过合规检查清单，可以立即访问正确的程序，最大限度地降低由于忘记步骤而出现人为错误的风险，并通过会话活动日志增强安全性和合规。

  • 数据驱动的优化：使用存储在MongoDB Atlas中的会话活动日志来分析和Atlas 审核数据。这些日志提供数据驱动的见解，从而识别需要额外培训或手册内容改进的领域，启用持续优化。

  • 灵活且可扩展的AI支持指导：可以集成 MongoDB 灵活的文档模型、实时处理功能和高级向量搜索，构建代理语音助手系统。这种架构通过无缝集成结构化和非结构化数据，帮助AI应用程序处理复杂的操作环境。

作者

  • Romina Carranza，MongoDB

  • Humza Akthar, MongoDB

了解详情

  • Agentic AI 驱动的联网车队事故顾问

  • 通过实时分析改进航班运营

  • 借助MongoDB和 Google Cloud 改变驱动程序体验

  • 要学习；了解MongoDB如何支持制造和汽车应用程序，请访问MongoDB for Manufacturing & Mobility.

后退

代理车队管理

来年

AI驱动的库存分类

在此页面上