本结构用于构建“农业AI Agent核心知识库”，支持：

• 作物种植决策
• 农时农事规划
• 病虫害识别与处理
• 灌溉与施肥控制
• 区域化农业适配

适用于：MySQL / PostgreSQL / MongoDB / 向量数据库（混合架构）

🧠 一、整体数据模型设计

农业知识库 = 五大核心模块

1. 作物基础库（Crop Base）

2. 农事时间表（Agricultural Calendar）

3. 农艺操作库（Operations）

4. 病虫害知识库（Pest & Disease）

5. 环境与区域库（Region & Climate）

🌱 二、表结构设计（可直接建库）

1️⃣ 作物基础表（crop）

CREATETABLE crop (

crop_id INTPRIMARYKEY,

crop_name VARCHAR(100),        -- 水稻 / 玉米 / 蔬菜

category VARCHAR(50),           -- 粮食 / 蔬菜 / 果树

growth_duration_days INT,       -- 生长周期

optimal_temp_min FLOAT,

optimal_temp_max FLOAT,

water_requirement VARCHAR(50),  -- 高 / 中 / 低

soil_type VARCHAR(100),        -- 沙土 / 黏土 / 壤土

notes TEXT

);

2️⃣ 农事时间表（crop_calendar）

👉 核心：按“时间 + 作物 + 动作”驱动AI

CREATETABLE crop_calendar (

calendar_id INTPRIMARYKEY,

crop_id INT,

region VARCHAR(100),           -- 福建 / 华南 / 全国

monthINT,                     -- 1-12

stage VARCHAR(50),            -- 播种 / 育秧 / 生长期 / 收获

task_type VARCHAR(50),        -- 播种 / 施肥 / 灌溉 / 除草 / 防虫

task_description TEXT,

recommended_action TEXT

);

3️⃣ 农艺操作库（agri_operation）

👉 经验规则库（AI决策核心依据）

CREATETABLE agri_operation (

operation_id INTPRIMARYKEY,

crop_id INT,

stage VARCHAR(50),            -- 分蘖期 / 抽穗期

operation_type VARCHAR(50),   -- 施肥 / 灌溉 / 喷药

fertilizer_type VARCHAR(100), -- 氮肥 / 磷肥 / 有机肥

dosage_per_mu VARCHAR(50),    -- 每亩用量

frequency_days INT,           -- 间隔天数

risk_warning TEXT

);

4️⃣ 病虫害知识库（pest_disease）

CREATETABLE pest_disease (

pest_id INTPRIMARYKEY,

name VARCHAR(100),            -- 蚜虫 / 稻飞虱

crop_id INT,

symptoms TEXT,

image_features TEXT,          -- 用于AI识别特征描述

cause TEXT,

prevention TEXT,

treatment TEXT,

severity_level INT-- 1-5

);

5️⃣ 环境与区域库（region_climate）

CREATETABLE region_climate (

region_id INTPRIMARYKEY,

region_name VARCHAR(100),

avg_temp FLOAT,

rainfall_level VARCHAR(50),   -- 多雨 / 中等 / 少雨

farming_season_start INT,

farming_season_end INT,

notes TEXT

);

🌾 三、核心扩展：AI决策输入表（关键）

👉 用于农业Agent实时判断

CREATETABLE farm_field_state (

field_id INTPRIMARYKEY,

crop_id INT,

region VARCHAR(100),

soil_moisture FLOAT,

soil_ph FLOAT,

temperature FLOAT,

humidity FLOAT,

growth_stage VARCHAR(50),

last_irrigation_time DATETIME,

last_fertilization_time DATETIME

);

🤖 四、AI决策输出表（Agent任务系统）

CREATETABLE agri_task (

task_id INTPRIMARYKEY,

field_id INT,

task_type VARCHAR(50),        -- 灌溉 / 施肥 / 防虫

task_content TEXT,

scheduled_time DATETIME,

status VARCHAR(20),           -- pending / done / failed

priority INT

);

📷 五、图像识别扩展表（AI视觉）

CREATETABLE crop_image_log (

image_id INTPRIMARYKEY,

field_id INT,

image_url TEXT,

detected_issue VARCHAR(100),

confidence FLOAT,

ai_suggestion TEXT,

created_at DATETIME

);

🌍 六、完整数据流（核心逻辑）

1. 传感器/图片/天气数据进入

↓

2. 农业知识库匹配

↓

3. AI Agent判断当前农事状态

↓

4. 生成 agri_task

↓

5. 执行（人 / 灌溉系统 / 农机）

↓

6. 回传结果更新 farm_field_state

🧠 七、这个结构的核心价值

👉 不是“存数据”，而是三件事：

✔ 1. 农业经验结构化

把“老农经验”变成规则表

✔ 2. 可计算农业系统

AI可以推理：

• 什么时候浇水
• 什么时候施肥

✔ 3. 可执行闭环

从“建议”变成“任务”

🚀 八、升级路线

V1：规则库 + 简单AI建议

V2：加入天气 + 图像识别

V3：自动灌溉控制

V4：区域农业大模型

🌾 一句话总结

农业知识库的本质不是数据库，而是“把农业经验变成可执行规则系统”