wGrow Labs/共建档案 / LAB-01
WaterDoctor：让科研走出实验室，进入产业现场
我们为 WaterDoctor 设计并建设了智能体 AI 专家团队 AquaMind：每个案例分派给水质、微生物、疾病、营养等专业智能体并行研判，关键结论与公开文献交叉核对，高风险决策升级给人类专家签字。生产环境里，一个由四个智能体和两名 wGrow 工程师组成的小组运行着自适应处理回路，每周发版。
Pre-A 已完成 · A 轮开放中水处理与水产养殖·新加坡国立大学博士后团队·新加坡
LAB-01
WaterDoctor
- 行业
- 水处理与水产养殖 · 新加坡国立大学博士后团队 · 新加坡
- 状态
- Pre-A 已完成；A 轮开放中
- 共建流程
一个案例如何流经 AquaMind
图 01依据该项目已公开的介绍绘制。橙色步骤是闸门：必须通过规则检查或由人放行，工作才能往下走。
我们建了什么
- AquaMind 智能体 AI 专家团队：每个案例分派给水质、微生物、疾病和营养等专业智能体
- 智能体用公开文献检验自己的推理
- 与 AquaMind 并行的 WaterDoctor 小组：四个智能体（采集、控制、报告、评测）运行自适应处理回路
- 每周发版，2024 年起在生产环境运行
管控 · 人工闸门
- 高风险决策升级给人类专家签字
- 安全上下限由工程师设定，控制器只在边界内行动
- 任何偏离滚动基线超过 15% 的调整都需要人工批准
- 每一份提交监管机构的报告，都由两名 wGrow 资深工程师签字
难点
生物膜水处理是连续运行、噪声很大的过程：传感器读数会漂移，微生物群落会适应，天气会改变负荷。固定的控制时间表不该曝气时照样猛曝气，菌群在底下悄悄变化时，它只能对着表面症状做反应。WaterDoctor 需要一个能学会本地工况的控制器，还需要一种办法向监管机构证明：这个控制器是守规矩的。
试点结果与此前基线对比
图 02污染物排放−50%+
换水率−90%
单位能耗（自适应曝气）−30%
数据由 WaterDoctor 发布，为各试点池与此前基线的对比。
生产环境中的小组结构
图 03来源：技术栈：传感器 → claude-code → MS SQL · PDPA · 对齐 IMDA《智能体 AI 治理框架》 · 每周发版 · 2024 年起生产运行
本页事实均以 wgventure.com 和 wgrow.com 已公开的内容为准。返回全部共建档案。
从一次交流开始
哪个重要问题，您比别人看得更清楚？
不需要精美的 BP。发一段简短、非机密的介绍就够了：问题是什么，您和它的关系，现在已经有什么，想把它做成什么。
- 01
讲清机会
问题是什么，谁愿意为解决它付钱，您需要哪些帮助。
- 02
判断是否互补
看创始人、问题、潜在的生意，以及 Labs 能否带来实质增量。
- 03
私下深谈
如果可能合适，我们再讨论双方预期和一份可能的共建计划。
联系我们不构成任何投资要约或投资承诺。首轮交流请勿发送商业秘密、未公开的知识产权、账号凭证或机密技术资料。