图书知识工具Search and discuss the encyclopedia搜索此语言版本，或向 Chat V2 提出基于已批准书中段落的问题。

搜索本书搜索关键词或来源代码

与 Chat V2 讨论默认使用“仅限本书”模式。每个有依据的回答都必须引用真实的已索引段落。仅限本书

三十六章深入考察人工智能能够为农业带来什么、尚不能证明什么，以及谁应为承诺与结果之间的距离承担责任。

这是一部以十种经过审慎选择的语言面向全球出版的著作；以这些语言为第一或第二语言的人群，代表着约占世界人口 60% 的指示性语言覆盖范围。本书力求兼具科学深度与实践清晰度：让农民读得懂，让专业人士用得上，并尊重不同农业环境与文化之间的差异。

作者： Aladdin Ali 博士农业科学博士 —— Aladdin International Company 创始人

主办机构： PT Aladdin Pertanian Internasional 本版语言： 简体中文 版本： 扩充工作稿 —— 2026 日期： 2026 年 9 月 18 日

版权与资料核证方法

本书并非建立在某一份文件或一个封闭的档案与参考资料集合之上，而是形成于一个分阶段推进的研究、记录与审查过程。最初的工作是收集不同语言的科学、技术和农业资料；随着写作与编辑的展开，资料范围又扩展至科学研究与综述、国际机构报告、官方和监管文件、农业推广指南、技术材料，以及与书中部分系统和应用有关的实施与测试记录。

在这一过程中，仅仅找到一项来源，从来不足以成为采纳它的理由。每项来源的身份、日期、版本和语境都经过审查，各项主张也都与证据实际允许得出的内容进行比对。凡无法追溯某项信息的原始出处，或现有证据尚不充分之处，书中都会限定表述、暂缓采用有关数字，或明确说明可信度的边界，而不会将其作为已经确立的事实呈现给读者。

人工智能工具曾用于部分整理与比较工作，包括发现重复内容、追踪版本差异、提供语言辅助，以及提出初步措辞建议。然而，这些工具不被视为科学信源，也无权作出农业判断或确认某项事实或建议。来源核验、证据强度评估、编辑、措辞选择与最终审定，均由人完成，其全部责任由作者承担。

书中出现的公司、产品、机构和项目名称，仅用于识别、分析与比较，不构成背书或广告。提及某项产品或系统，不等于建议购买或使用；未予提及，也不代表对其质量或适用性作出判断。有关名称、商标及其相关权利，仍归各自权利人所有。

本书旨在引导读者查找证据，并帮助读者理解和讨论证据的边界；但它不能替代原始来源、产品的正式标签、监管机构、实验室，也不能替代具备资质的农业或兽医专业人员。

版权

引用本书中的任何数字、建议或敏感信息，并不免除引用者查阅原始来源或主管官方机构的义务；若在脱离原有语境的情况下使用有关信息，或在其时效性、监管条件或科学依据已经发生变化后仍予应用，相关责任也不会因此转移给作者。

第一版 — 2026年

主办与编辑独立性声明

PT Aladdin Pertanian Internasional 为本作品提供支持，而本书第八部分呈现了对该公司平台的案例研究。这样一种关系如果被默不作声地带过，足以败坏整本书，因此在开篇即予以声明，而不是放在结尾的一条脚注里。

潜在的利益冲突不能靠否认来处理，也不能靠平静的科学语言加以掩饰。它要靠书面限定来处理，读者可据此对本书进行问责。这些限定共有三条：

对该平台的任何归属性陈述，均以代码仓库或有日期的工程报告所确立的内容为限。
代码的存在并不意味着服务已在生产环境中运行——二者之间的距离由第三十二章解释。
该平台不被用作其在科学或商业上优于任何其他系统的证据。

主办方对本书的结论不拥有任何权力。它不能把证据的缺失变成质量的证据，也不能因为某项局限在商业上不便就将其删除。当营销描述与一手来源或代码仓库的实际状态相冲突时，话语权归于更高的权威与更保守的表述——始终如此，绝无例外。

这是作者能够作出的承诺。至于承诺是否得到遵守，则留待你在阅读第八部分时自行判断。

农业安全须知

这是一本教你如何思考农业决策的书，而不是一本替你作出决策的书。

它阐释逻辑、分析证据、协助设计系统。但它不是官方登记记录，不是针对你具体地块的施肥或灌溉处方，不是兽医诊断，也不能替代实验室、农业工程师、兽医或监管机构。

算法语气中透出的自信，一旦踏上田间的土地，就可能变成危险的错觉。农业决策中存在若干红线，超出了语言模型无论多么流畅的能力范围：化学药剂剂量、两个安全间隔期——采收前间隔期 (PHI) 与限制进入间隔期 (REI)——农药的合法登记，以及该商品今天的价格。

某些敏感事实绝不能由人工智能系统猜测，也不能在没有明确来源的情况下呈现：允许使用的剂量；最后一次施药与收获之间的间隔；工作人员进入已处理区域前必须遵守的限制进入间隔；产品针对相关作物与有害生物的合法登记状态；以及该农产品当前的市场价格。

剂量、采收前间隔期、限制进入间隔期和登记状态，必须依据产品官方标签以及使用国主管监管机构的指引核验。任何一项出错，都可能损害作物、危及工作人员，或留下不合规残留，进而使货物在出口市场面临拒收风险。价格则必须依据当前且可靠的市场来源核验，并明确地点、日期、币种和质量等级；陈旧价格或非本地价格，可能导致错误的销售、采购或生产决策。

人工智能可以汇集观测、排列概率、检索证据，并揭示值得进一步考察的规律。这已经很多了。但它做不到某些人可能会期待它做的那一件事：把法律责任与专业责任从人转移给算法。责任不会通过技术性委托而转移。

正因如此，任何在敏感农业工作中值得信赖的系统，都清楚地了解自身的三件事：何时应当拒绝作答、为了作答它还缺少什么，以及当某项决策的后果超出系统限度时应向谁上报。

作者自序

我踏上人工智能之旅时，既不是这一领域的专家，也不是早已熟知模型与工具如何运作的开发者。2023 年年中，我只是一个初学者，试图弄清这项新技术究竟能够做什么，以及它是否真能改变我们学习、工作和解决问题的方式。

起初，我的好奇心务实而单纯。我像任何新用户一样试用当时可用的工具：提出问题、比较答案，并观察它们以惊人速度生成文本、图像和分析。最初的惊叹很快便不再孤立存在。我开始注意到，语气自信的回答仍可能残缺不全，表达流畅并不保证真实，而界面相似的工具，在来源、能力和边界上可能截然不同。

到 2024 年底，偶尔使用已经不够。我开始试验范围广泛的人工智能工具、引擎与平台，研究它们之间的差异并比较其工作方式。它们如何理解一个问题？如何检索知识？何时依据来源回答，何时又用既往学习所得填补空白？它们如何处理不同语言？当人们要求它们在农业这样后果重大的领域提供专业指导时，又会发生什么？

农业既是最严苛的试验，也与我最为贴近。我不把它仅仅看作一个经济部门，而把它视为一门科学、一项职业和一份责任；它牵涉水、食物、土壤、动植物健康，以及数百万家庭的生计。这里的错误不会停留在屏幕文字之中。它可能化为不当剂量、错误时机的灌溉、误导性的诊断，或农民无力承担的成本。

2025 年 9 月，我的探索从试验与比较转向更深入的研究和建设。我开始投入自己规模最大的项目：开发一个农业专用人工智能系统。它的目标不只是给出一般性回答，而是把农业问题同其来源、语境、作物、地点、语言以及决策后果连接起来。

项目创立时的愿景清晰而艰巨：农业专业学生应当能够完全免费地获取这些知识与工具；农民则应当能够以每月不超过一美元的目标成本获得智能农业服务。

这个数字不是营销噱头，而是项目从一开始就面对的工程与伦理问题：能否建设先进的农业技术，而不让它只属于大型大学、富裕企业以及有能力支付昂贵订阅费的农场？同样的知识，能否抵达资源有限的学生，以及无力拿收入中的一大部分去冒险购买尚未在当地环境中验证的数字工具的小农户？

我在此记录这一目标，是因为它引导着项目的设计与开发；这并不意味着每个组成部分都已实现，也不意味着目标价格如今已成为在各国普遍提供的商业报价。本书本身正是建立在一组区分之上：我们渴望做什么、已经建成什么、测试过什么，以及什么已在现实世界中证明产生了效果。承认一项目标尚未完成，并不会削弱它的价值；反而使它更诚实，也更可检验。

本书的构想正是从这个项目中生长出来的。

这项工作起初有一个看似简单的意图：清点世界各地的农业人工智能应用，并比较其用途、成熟度，以及它们对农民、研究人员和决策者的价值。我最初设想的是一个井然有序的应用、研究与技术汇编。然而，随着文件不断增多，我逐渐认识到，真正的问题并非信息匮乏，而是难以区分信息的不同性质。

一个不亚于本书主题本身重要的编辑事实由此浮现：文本的丰盛并不意味着知识的完整。

我看到一些吸引人的数字从报告流向文章，从文章流向销售演示，再进入另一种语言，并在途中丢失原始来源、适用边界和成立条件。我看到图像分类的成功率被当作机器人在田间成功的证据，全球市场预测被拿来替代农场经济学，原型被描述成成熟服务，代码的存在被解读为运行的证明，而局部运行又被描绘成对农民生活已经产生的影响。

我也看到，翻译会把错误带得更远，并赋予它更大的权威。一个薄弱的数字不会因为被写成十种语言就变得更有力；一个缺乏支持的主张，也不会因为出现在几十个页面上就成为事实。相反，它可能更加危险，因为语言覆盖的扩大给了它一种虚假的共识感和稳定感。

摆在我面前的有两条容易的路，而两条都会造成损失。

第一条是删掉一切引起怀疑的内容，于是得到一份篇幅短小、极为谨慎的文本，看似稳妥，却牺牲了本书的用途、广度与记忆。第二条是把所见一切原样汇集起来，在保留细节、名称与数字的同时，也以比它们抵达我手中时更精致、更有威势的形式把错误传递给读者。

我选择了第三条，更难也更慢：找回有用的细节，同时区分想法与主张、项目的存在与项目的有效性、模型在测试中的成功与系统在农场上的成功，以及个案中观察到的结果与其迁移到另一种作物、另一个国家或另一类社群的能力。

我选择在名称有助于勾勒领域时保留它，却在无法把数字的证据链闭合到原始来源时暂缓采用该数字；对产品的描述以证据能够支持的程度为限，而不以营销承诺的程度为准；当知识仍不完整时，把问题留给研究继续回答，而不是以删除或默认接受来强行封口。

因此，接下来的篇章会列出系统、研究、项目与应用领域的名称。与这些名称并列的，是现有证据的类型、成熟度、来源允许我们作出的判断、不可从中推导的结论，以及仍然未知或需要独立核验的事项。

你会发现，本书中的数字可能比你预期的少。这并不是因为数字农业缺乏测量，而是因为一个脱离任务、语境、环境和比较对象的数字，可能误导多于解释。95% 的准确率本身意义有限，除非我们继续追问：针对什么任务？使用什么数据？处于什么条件？错误的代价是什么？它与人还是与一种更简单的方法比较？它在实验室之外是否依然成功？

没有语境的数字不是信息，而是装饰。

你还会看到有关网络安全、数据权利、劳动与公正转型、供应商锁定、间歇性连接、级联故障、本地知识保护，以及导出数据并离开服务之能力的章节。这些主题看似远离“人工智能如何提高产量或改进决策”这一直接问题，实际上却处在问题的中心。

正是这些条件决定着，当技术失灵、连接中断、供应商更换、公司关闭，或农民发现数据被锁在无法退出的平台中时，系统能否继续运作。农业系统接受检验的时刻，不只是在一切正常的日子，也是在其中一环失效而土地、植物和动物仍然需要决策的时候。

知识并不会仅仅因为存在就变得可及，因此，本书的语言选择不是次要的出版细节。本书采用十种语言，旨在抵达农业文化、经验以及城市化、科学、数字和经济发展水平差异显著的社群。以这些语言为第一或第二语言的人群，代表着相当于世界人口约 60% 的指示性语言覆盖范围，同时也必须充分考虑多语使用者之间的重叠。

然而，目的并非只追求最大的百分比。这十种语言把拥有先进数字基础设施的大学、实验室和城市，同网络受限的村庄与农业地区连接起来；它们横跨主要工业经济体，也覆盖农业推广服务仍是日常难题的社群。它们还承载着科学与文化传统、本地术语和世代相传的知识，不能被压平为逐字翻译或一套标准化词汇。

我希望本书能够同初次进入这一领域的农业专业学生对话；同寻求易懂答案而非技术炫示的农民对话；同需要理解系统边界的工程师对话；也同追问证据的研究人员、建设工具的开发者，以及将为批准或监管它承担责任的决策者对话。

因此，我不把多语种理解为把同一组词复制进十种界面，而把它视为对意义与公平的检验。一个系统在某种语言中表现良好，在另一种语言中却可能失败。语法正确的翻译，在农业上仍可能是错的。一种植物、病害或农具的名称，可能在本地知识中保留着标准术语没有的区分。如果技术不尊重这些差异，它传播的就不是知识，而是范围更广的不完整版本。

本书也不声称要终结争论，或对一个变化如此迅速的领域作出最终裁决。它建立的是一个向批评、纠正与修订开放的基础，并只向读者提出一个要求：始终区分什么已经被确立，什么只出现在一项早期研究中，什么是某机构对一个项目的公告，什么是供应商对产品的陈述，什么是软件测试所证明的，以及什么是我提出的设计或更优路径。

一个想法的存在不证明其成功；一个项目的存在不证明它已运行；运行不证明安全；技术安全也不证明它改进了决策、节约了水、提高了收入或减少了损失。每一个层级都需要自己的证据，每一项主张都有语言不得逾越的边界。

从根本上说，本书记录的是一段始于 2023 年年中的旅程。起点是一位初学者的问题：人工智能能做什么？经过试验、研究与建设，这个问题变成了一个更困难也更重要的问题：它应该做什么、为谁而做、成本多少、由谁监督，以及当它出错时谁来承担后果？

我于 2025 年 9 月启动的项目仍坚守最初的目标：让智能农业知识更接近真正需要它的人，而不只属于有能力支付的人；让农业专业学生免费获得未来的工具；让农民获得一种负担得起、能够理解、可以审查且值得信赖的服务，同时不必交出对自身决策或数据的控制权。

任何能够区分证据与承诺、知识与装饰的人，都不易被耀眼的标题、没有来源的大数字，或一个言辞自信超过其知识边界的系统所误导。把这种能力交到学生和农民手中，你给予他们的便不只是一件技术工具，更是一项以更公平方式参与塑造农业未来的权利。

前言

田间不是屏幕上的一组数字。它是等待雨水的土地，是根系向水分伸展的植物，是健康随饲料与高温而变化的动物，也是收入可能取决于一小时之内某项决定的家庭。土壤、天气、水、有害生物、劳动力与资金在此共同作用；一者的变化会传导到其他环节，而灌溉稍有延误或诊断发生错误，就可能演变为整季的损失。

因此，农业决策并不只是两个答案之间的选择；一张清晰图像、一项仪器读数或一次计算机预测，都不能单独保证决策可靠。良好的决策必须理解它将付诸实施的土地，把测量同农民经验结合起来，权衡成本与后果，并在天气变化或新信息出现时保持修正的可能。

我们正是从这一现实出发讨论人工智能：这些工具能够读取大量图像、测量值和记录，并从中寻找有助于人们理解与预判的模式。然而，它们不会像生活在田间的人那样看待田间，也不承担自身建议造成的结果。因此，衡量其价值的标准不应是屏幕上答案有多优雅，而应是采取行动后发生了什么：水是否在正确时间到达？诊断是否可靠？损失是否减少？决策是否仍可理解、安全，并掌握在人手中？

当农业决策被压缩成一个短问题时，它看起来很简单：我何时该灌溉？病害是什么？该种哪种作物？现在该卖还是等待？每个问题背后都存在一张未写在文字里的条件网络。土壤水分不能脱离质地、盐分、根系深度和生长阶段来理解；一张清晰的受害叶片图像，本身不能揭示症状成因或其在田间的范围；降雨预报若不了解土壤持水能力，也无法决定是否灌溉；价格上涨预测同样无法抹去仓储成本、腐损风险，或一个家庭本周对现金的需要。

问题本身在不同社群中也可能具有不同含义。“土壤很干”在高度机械化农场上可能指一项仪器读数，在另一处可能是农民用手触摸土壤后的判断，也可能是牧民根据动植物行为作出的观察。作物、病害或生育阶段的名称，可能在村庄与城市之间、在推广服务的官方语言与田间语言之间，以及在科学术语与世代保留下来的称呼之间各不相同。因此，智慧农业的起点不只是收集数字，更是理解赋予数字意义的语境。

由此产生了人工智能在农业中的两面性：极其有用，也极其危险，而且原因相同。

它的价值在于及时追踪个人无法手工汇集和分析的内容：卫星、无人机与手机图像序列，传感器读数，季节记录，天气预报，土壤分析，价格变化，以及以多种语言发布的知识。它可以识别横跨数千块田地的模式，把植物的细微变化同长期天气与灌溉历史联系起来，并把埋藏在报告、表格或推广简报中的信息带回给用户。

它的危险也源于这种组合与压缩能力。算法可以把质量参差不齐的信号融合成一个优雅而有说服力的答案；其流畅性却可能掩盖缺失的数据、丢失的单位、过时的来源、不足以诊断的图像，或在另一个地区、另一种作物上进行的试验。答案可能恰恰在现实最不确定之处显得最自信，因为精致的语言并不总会显露被删去的条件和例外。

每位读者都应牢记这一项区别：语言流畅不等于农业准确，模型表现出的信心也不必然是经过科学校准的概率。一句话可能精致、有说服力，却在实质上错误；预测可能平均而言正确，却不适合眼前这块田；算法可能识别出图像中的症状，却仍无法确定安全的行动路径。从说出问题名称到知道该怎么办，其间存在一片必须由测量、经验、监管和责任填充的空间。

因此，本书采取务实而非意识形态的立场。它不问我们支持还是反对人工智能，也不假定凡新必优、凡传统必落后。更有用的问题是：技术在哪里创造了可测量的价值？需要什么数据？有效性边界在哪里？由谁复核？当条件改变、连接中断或模型出错时，它如何仍然保持有用、安全、公平且持久？

本书的叙述不围绕最耀眼的数字，也不围绕那些让农场仿佛按下一个按钮便能自行运转的演示，而是逐环追踪完整的决策链。数据从何而来？归谁所有？如何测量和标准化？在传递中丢失了什么？模型预测了什么，带着多大不确定性？谁把预测转化为行动？它与什么替代方案比较？此后，水、土壤、产量、收益、劳动力和风险发生了什么？

本书还追问技术演示中很少获得同等篇幅的问题：农民是否按照系统原意理解建议？能否质疑建议并纠正数据？来源、日期与适用范围是否清晰可见？权力仍在农民手中，还是悄然转移给一个无法审查的平台？如果农民选择离开服务，数据、记录及其含义能否一同离开，还是会被困在封闭格式和没有真正退出机制的合同里？

这条链上的任何一环一旦断裂，模型准确率都无法挽救整个系统。预测可能正确却来得太晚；来得及时却未被理解；得到理解却在经济上无法执行；或已付诸行动，结果却从未被测量。因此，智慧农业必须在决策及其现实结果的边界上接受评价，而不应只停留在模型的边界。

本书采用十种经过审慎选择的语言：阿拉伯语、英语、中文、西班牙语、法语、印度尼西亚语、马来语、乌尔都语、波斯语和土耳其语。对这些语言第一与第二语言使用者的汇总估计表明，其潜在语言覆盖范围约相当于世界人口的 60%。这描述的是语言空间可能达到的广度，并不保证实际读者人数；由于多语使用者彼此重叠，在估算实际覆盖范围时不能把同一个人重复计算，因此必须谨慎理解这一数字。

这些语言的重要性并不只在数字。它们跨越大陆、气候带以及差异深刻的农业系统，把乡村与城市社群、先进工业与数字经济、快速转型的国家，以及农业推广和数字基础设施仍然有限的地区联系起来。使用它们的人包括小农户、牧民、农业工人、研究人员、工程师、创业者、学生、政策制定者，也包括粮食安全依赖于他们可能从未亲眼见过的田地的城市居民。

这些语言还承载着不同的知识传统：一端来自研究机构、实验室与卫星网络，另一端来自能够凭颜色和气味识别土壤、从风与动物行为读懂季节，并以标准词典未必有准确对应词的语言保存植物、病害和生育阶段名称的本地经验。因此，本书不把翻译视为用一组词替换另一组词，而把它视为意义在不同科学、文化和职业环境之间负责任的迁移。

选择这些语言并不意味着它们代表全人类，也不赋予它们凌驾于其他数千种语言之上的知识权威。它承认，任何多语项目若不尊重自身范围之外的知识，都仍是不完整的。目标是建设一座宽广且可扩展的桥梁，而不是建立一个要求所有人向其靠拢的新语言中心。真正的多语种并非让系统用十种语言重复同一句话，而是理解语境差异、保存本地术语、检验理解而非只检验翻译，并允许用户纠正机器未能捕捉的含义。

一个平台不会仅仅因为界面被翻译就变得公平。菜单也许以用户语言呈现，知识来源、训练数据、质量测试与安全规则却仍扎根于单一语言或环境。语音识别可能在资源丰富的语言中表现良好，却在资源较少的语言中听错农药、病害或单位名称。翻译可能语法无误，却在农业上错误，用一般词替代精确的本地术语，抹去决策赖以成立的关键区别。

社群之间的差异也不能被简化为“先进”与“落后”的二分。一个农场可以使用卫星和自动驾驶机械，却仍受互操作性不足或供应商锁定之苦；一处规模很小、网络时断时续的经营地，也可能拥有精确的本地知识以及高效共享预警与经验的社会机制；一座城市可以拥有先进实验室与网络，却通过一条脆弱的链条获得食物，而这条链看不见起点处工人与农民的处境。技术先进是一项重要能力，却不能替代适用性、公平、信任或可维护性。

本书的三十六章涵盖计算机视觉、遥感、数据系统、产量预测、土地与作物选择、智慧灌溉、土壤与养分管理、病虫害诊断、机器人技术、设施农业与作物轮作；继而讨论收获、采后处理、食品安全与价值回收；随后进入畜牧生产、水产养殖与综合农场；最后延伸至经济、市场、供应链、包容性、农业劳动、公正转型与治理。然而，本书不会把技术同使用它的社会割裂，把模型同运行它的机构割裂，也不会把效率同随之而来的伦理与法律问题割裂。

一项在与实验室和稳定网络相连的农场上取得成功的应用，不会自动迁移到只有共用手机并依赖间歇性网络的小农户。一个在某国预测准确的系统，在另一个品种、土壤、气候、农法和法律均不相同的国家，并不会自动取得权威。一项在对照试验中节水的技术，如果提高了成本、排挤了工人的知识，或推动灌溉面积扩张直至总用水量上升，也未必真正带来可持续性。

凭借这种科学与语言上的广度，本书追求两项目标：为农民、工程师、研究人员、农业推广人员和决策者提供一幅技术能够做什么的清晰地图；同时为开发者、投资者和服务提供者明确列出什么不能宣称。它不承诺为每块田给出同一个答案，而是提供一种更严谨的方法，用以界定问题、审查证据、明确系统边界，并把创新同实际后果连接起来。

农业需要的不只是减少承诺。它需要更精确的工程、更可信的数据、能够保全意义的翻译、更清晰的证据、具备复核和纠错能力的机构，以及一种不会消散在责任链上的责任——这条链连接着收集数据的人、构建模型的人、销售平台的人、发布建议的人，以及最终承担决策后果的人。

当技术建立在这样的基础上，算法便不是来取代土地或熟悉土地的人，而是帮助他们更清楚地看见土地。科学知识、本地经验与计算能力于是可以参与同一场对话：从田间出发，经过数据与模型，再带着更深的谦逊、更强的可审计性，以及一项更清醒的认识返回田间——农业未来不会由算法单独塑造，而将由懂得如何使用它、何时信任它、又何时要求它停下的人共同塑造。

决策者视角：从技术潜力到田间的真实影响

本书提出的核心问题，并不是人工智能在农业中能够做什么；它的能力十分广泛，不断更新，并随每一次技术进步而扩展。更困难也更有价值的问题是：当系统进入田间时，究竟有什么发生了改变？ 在技术能力与农业影响之间横亘着一段决定性的距离，需要由数据、决策、制度与经济考量来跨越。在这段旅程的每一个节点上，价值都可能在抵达农民之前被侵蚀，甚至完全消失。

本书的中心论点正是从这段距离中产生，并通过六项核心结论加以表达：

第一：价值在于决策，而不仅仅在于模型。一个模型可能具有出色的统计表现，却没有在恰当的时刻改变哪怕一项决策。反之，一个简单的模型——如果建立在可靠的测量之上、与清晰易懂的指导相连接，并有人工兜底方案作为支撑——其价值可能高于一套复杂的系统。决定性的标准不是技术复杂程度，而是系统能否在决策真正带来差别的时刻，把知识转化为可执行的决策。

第二：农业数据并非中性的原材料。每一条记录背后都有所有者、语境、单位、日期以及测量方法。因此，来源信息的丢失、把零与缺失值混为一谈，或把同一作物的两个地方名称当作两个不同的实体，都可能导致一个表面上看起来精确的错误决策。

决策的质量在模型建立之前就已开始；它始于理解数据的来源、含义、边界，以及数据生成时所处的语境。

第三：实验室结果不会自行走进田间。跨越季节、地区、品种、设备与语言并不是一个自动完成的步骤，而是一个需要外部验证和持续监测漂移的过程。仅靠图像分类并不等于完整的诊断，仿真并不等同于实际部署，模型解释也不构成因果证明。

在实验成功与田间采用之间，还横亘着一项更严格的检验：当系统被设计所针对的环境发生变化时，它是否仍然可靠？

第四：经济可行性与公平性是技术成功的根本标准。一套技术系统的成功，不仅以其准确性或完成任务的能力来衡量，还要以其经济价值及其对使用者的影响来衡量。因此，评估必须涵盖全部相关成本，包括拥有成本、维护成本、连接成本、培训成本，以及工人操作系统所花费的时间，同时还要包括农民在不被平台绑定的前提下停止使用该平台的权利。

自动化可能提高某些作业环节的生产率，但同时也可能改变工人之间角色、工作量与风险的分配。因此，技术转型不应建立在机器将取代人类这一假设之上，而应建立在为一种新的农业经济培养和培训工人的基础之上：在这种经济中，技能不断演进，责任发生转移，而人的判断仍然是决策中的关键要素。

因此，本书不把劳动仅仅视为可行性研究中的一项成本。第二十四章区分任务、岗位与生计；要求在融资和扩大应用之前，先评估自动化对劳动者、家庭与乡村服务的影响；进而提出带薪培训、转型期保障、申诉权，以及同时衡量产出、收入、安全与公平的指标。如果一项转型保存了农产品、降低了成本，却让保障最弱的群体以收入损失承担代价，又不给予替代出路或参与机会，那么它在经济与社会意义上都不能算是完整的成功。

第五：治理不是在技术之后附加的次要环节。此处所说的治理，是指在一套技术系统的整个运行生命周期中，规范其使用的规则、权限、责任与控制措施的总和。它决定谁拥有数据，谁有权查看或使用数据，谁批准系统的建议，何时必须停止系统或将决策转交给人类专家，以及发生错误时由谁承担责任。

在这个意义上，治理不是技术完成之后附加的行政程序；它构成技术设计与运行的内在组成部分。网络安全并不局限于保护数据和设备免遭入侵；它还包括确保运行的连续性，以及农民在管理田间时所依赖的决策与流程的可靠性。

治理还延伸到保护农民相对于技术平台的独立性。农民应当能够导出数据并将其转移到另一套系统，或停止使用该平台，而不会丢失数据，也不会永久依赖于单一的技术供应商。通过这种方式，数据可携带性与退出自由就从形式化的技术特性，转变为保护农民选择权的实际保障。

系统同样应当了解自身能力的边界：在可用信息不足时不予建议，在需要更高专业能力或权限时将案例转交给人类负责人，并撤回任何被证明不安全或不适当的操作。这些能力并非边缘性的附加功能，而是系统可靠性与良好表现的必要条件。

一个说明性示例：智能灌溉管理系统

假设某智能系统根据土壤湿度读数、温度以及与田间状况相关的数据，向农民推荐灌溉的时间与水量。如果土壤湿度读数缺失，或者测量设备给出相互矛盾的结果，系统就不应像信息完整那样发出确定性的建议。

在这种情况下，治理会事先规定行动路线：系统不发出高置信度的建议，向用户明确说明数据不足或不一致，然后在实施灌溉之前将案例转交给负责复核的人员。治理还确定谁拥有批准或中止该决策的权限，干预如何记录存档，以及谁对最终行动承担责任。

在缺乏这类规则的情况下，系统可能基于不完整的信息发出建议，却无人清楚应由谁复核、谁拥有中止执行的权限，或谁对结果承担责任。

因此，人工监督并不是仅仅宣布存在“人在回路中”就能实现的。它要求明确谁被授权进行干预、该人员承担何种角色、被赋予作出哪些决策的权力，以及承担何种责任。治理是使技术安全、有序、可问责的框架，也是保障农民对自身数据与决策保持控制权的框架。

第六：不存在单一的区域路径。土耳其、印度尼西亚、南美洲、阿拉伯世界、海湾地区、非洲与南亚，在水资源、土地持有结构、种植模式、制度基础设施与联网水平上各不相同。因此，这些环境不能被简化为一种单一的技术处方或统一的发展路径。

全球性框架的作用不是抹去区域差异，而是把这些差异所揭示的问题组织起来，并把多样性从实施的障碍，转变为一种更贴近现实、更公平、更有效的设计基础。

因此，本书衡量人工智能成功与否的标准，不是模型在实验室内部能够预测什么，而是一套整合的系统能够在田间改变什么：更好的决策、更少的风险、更清晰的价值，以及在不牺牲准确性、公平性或农民独立性的前提下更强的持久能力。

如何使用本书

本书不必从头读到尾。每位读者都有一条从自身问题出发、再回到方法、安全与证据的阅读路径：

如果你初次接触这一领域，请从第一章和第二章开始；它们包含本书的语言与方法，是理解其余章节的最佳入口。
如果你是农民或农业工程师，请从《农业安全须知》开始，然后从与你的决策相关的应用章节进入——土地、灌溉、施肥、病害、收获或采后处理。如果你的问题涉及动物照护、池塘管理，或综合农场内物料与养分的交换，请从第十八章和第十九章开始。在把任何分析转化为敏感决策之前，请先阅读第二十七章；它说明了系统的功能在哪里终止、谁拥有最终审批权，以及何时必须咨询专家、查阅产品现行有效的官方使用说明或联系监管机构。
如果你是研究人员，请从第三章开始，然后查阅附录A中的案例研究登记表、经核实的参考文献，以及附录G和附录J中的来源与科学隔离登记表。这些部分为你提供了一个方法论入口，用以区分主张与其证据，并理解哪些内容可比较、哪些仍受限于其语境，以及哪些尚未满足引用或推广的条件。
如果你是采购方或投资者，请阅读第20、21、28和30章：其中，首个所列章节讨论总成本与投资决策，其后依次讨论市场、融资与可行性，数据权利、导出与退出，以及成熟度与运营就绪度。如果一项投资会改变当地的任务、工作日数或收入，应在批准其可行性之前一并阅读第24章。随后请查阅第35章中的投资者图谱，以及附录O中已实施项目的参考名录；列入其中仅确认该项目的身份及其在所述范围内的实施情况，并不构成认可或影响力证明。
如果你是政策制定者，第23–30章与第35章提出了一套负责任的数字农业转型方案的构成要素：可及性与推广、农业劳动的公正转型、区域基础设施、安全、数据权利、验证以及机构就绪度。在未结合具体情境加以调整之前，它们并不构成一份完整的国家计划；采购设备相对而言是较容易的一步，而建设数据、技能、社会保障、治理与维护体系则更难，如果脱离后者，采购设备的影响可能仍然有限。
如果你在寻找某个具体的已实施项目或系统，请从附录O开始；该附录仅限于截至2026年8月31日其身份与实施情况可被核实的项目与系统。然后回到附录H及相应的应用章节，以理解其语境与约束条件。某个项目被列入名录，并不意味着它获得认可，也不能证明其有效性、安全性或适用于所有情境。
至于第31–33章中的Aladdin Agri AI研究，请把它当作一项与赞助方相关联的案例研究来阅读，它已声明其利益冲突、内部证据的性质及其边界——而不是把它当作独立评估、采购建议或农业影响的证明。在该部分开篇处，本书已先行列出该案例在证据上的欠缺，然后再呈现该方案确实能够证明的内容；附录N补充了实施证据登记表以及提升证据等级的条件。

重复原则参照图

本书会在一个主归属章节中完整阐释每项反复出现的原则。后续章节只作简要回指，再说明该原则进入新的农业领域后有哪些变化。这张参照图帮助读者追踪这些回指，避免把简短提示误认为一条新的规则或被削弱的规则。

重复出现的原则	主归属章节	后续章节如何使用
先界定决策，再选择技术	1	简要回顾规则，再将其应用于具体领域的决策。
转型、收益分配与农民能动性	2	说明谁获益、谁决策，而不重建整套框架。
证据等级、主张边界，以及准确率与实际影响的区别	3	指明证据类型和具体案例的适用边界。
人工智能方法家族及其输出	4	只提及理解该项决策所必需的方法。
测量、缺失数据、单位与来源追溯	5	说明哪些内容是测得、计算或估算的，并保留领域记录。
空间有效性与模型迁移	6	说明相关尺度、区域及迁移差距。
检索、来源支撑与负责任的弃答	7	说明弃答理由以及下一步所需证据。
土地与作物适宜性	8	始终区分土壤、土地、田块与农场；除非含义发生变化，否则不重复定义。
监测与预测修订	9	保留带日期的预测版本，并与实测结果比较。
指令与执行	10	将这一区分应用于水泵、机械与设施，无须重新阐释。
养分路径与作物响应	11	涉及水肥一体化与养分决策逻辑时回指本章。
观察、诊断、确认与权限	12	在后续植物健康与行动章节中采用简短回指。
物理执行与功能安全	13	后续系统在作物或人员附近作业时，应用运动与能量边界。
生产系统分类与自动化等级	14	使用本章分类，不在其他章节重复构建。
跨季规划、约束与权衡	15	在后续部分中以本章作为时间规划的参照。

实际规则是：后续章节可以用一两句话回顾主归属原则，但应把解释篇幅用于新的作物、系统、后果或实施条件。

关键缩略语

缩略语	英文术语	本简体中文版采用的译法
AI	Artificial Intelligence	人工智能
ML	Machine Learning	机器学习
DL	Deep Learning	深度学习
CNN	Convolutional Neural Network	卷积神经网络
LLM	Large Language Model	大语言模型
RAG	Retrieval-Augmented Generation	检索增强生成
XAI	Explainable Artificial Intelligence	可解释人工智能
IoT	Internet of Things	物联网
FMIS	Farm Management Information System	农场管理信息系统
GIS	Geographic Information System	地理信息系统
UAV	Unmanned Aerial Vehicle	无人机
ET	Evapotranspiration	蒸散量
IPM	Integrated Pest Management	有害生物综合治理
PHI	Pre-Harvest Interval	采收前间隔期
REI	Restricted-Entry Interval	限制进入间隔期
TCO	Total Cost of Ownership	总拥有成本
MLOps	Machine Learning Operations	机器学习模型运维
API	Application Programming Interface	应用程序编程接口
R²	Coefficient of Determination	决定系数——模型在其自身数据范围内所解释的目标变量方差比例
BLEU	Bilingual Evaluation Understudy	衡量生成文本与参考文本相似度的指标；它不衡量农业上的正确性
DQL	Deep Q-Learning	用于选择序贯动作的深度强化学习
AS-MO	Automated Scheduling – Manual Operation	自动排程与人工操作（混合式灌溉界面）

各部分导览

一个论点，十个乐章

本书的各部分并非十卷并列摆放，也不是作为一份彼此独立的人工智能应用清单依次排列。它们以十个相互衔接的乐章构建同一个论点：先界定一个值得解决的农业问题，再从内部打开系统，把它带到作物与土地；随后沿着收获与采后环节追踪产出，再转向动物、水与综合农场。生产循环完整之后，本书把技术放到经济与价值链的天平上衡量，追问它在不同情境中纳入了谁、排除了谁，在错误与失效发生时检验其责任，在证据边界内考察一项已声明的应用案例，并在第十个乐章带回那些仍适用于决策、行动与研究的内容。

第一部分 —— 农业转型为何重要？

统领性问题：人工智能在农业中应当解决什么问题？ 这一部分并不从算法开始，而是从承受复合压力的农业开始：气候、水、土壤、劳动力、价格、融资，以及土地持有与获取渠道方面的差距。它拒斥这样一种轻率的假设，即引入一款应用程序或一个传感器本身就意味着转型已经发生；数字化可能改变工作的工具，却不改变决策、结果或利益的分配。它的三章内容奠定了通读全书的基础：农业转型意味着什么？生产率、效率、可持续性与韧性之间有何差异？我们又如何权衡证据，而不被某个说法的气势所左右？因此，与其说这一部分给出技术答案，不如说它校准了那个本应先于技术提出的问题：

我们想要改进哪一项决策？
为谁而改进？
以何种成本和何种风险？
我们又如何知道结果确实发生了改变？

统领性结论： 人工智能的价值并不始于它能做什么，而始于它值得被用来解决什么问题。

第二部分 —— 人工智能与数据的基础

统领性问题：在答案送达农民之前，系统内部究竟发生了什么？ 本部分打开黑箱，但不会把读者变成机器学习工程师。它先讲解方法族系——从计算机视觉、预测、优化到语言模型与检索——随后转向这些方法所学习的素材：数据、数据的单位、来源、数据所有者的权利、数据中的误差，以及在转换过程中所丢失的东西。从数据出发，本部分继而讨论地点与传感，再到决策支持系统、知识检索与农业推广。这一顺序是刻意安排的：任何答案都不会优于其来源，任何模型最终都无法超越其数据质量以及任务定义的精确程度，而检索也无法纠正过时或缺乏权威性的知识。本部分的功能，是让读者掌握一组可以向任何系统提出的实用问题：

它看到了什么？
那些知识的来源是什么？
它可能以何种方式失效？
它在什么情况下应当拒绝作答或拒绝行动？

统领性结论： 每一个智能答案的内部，都承载着其数据的历史，以及它被设计去完成的那项任务的边界。

第三部分 —— 作物与土地系统

统领性问题：技术究竟在哪里真正触及植物，又在哪里停下？ 本书在此从理论基础下沉到田间的决策循环。本部分各章沿着这样一条路径展开：从土地选择与作物适宜性，到长势监测与产量预测，再到灌溉与水资源管理、养分与施肥、病虫害诊断、杂草识别与田间机器人、现代农业方法与人工智能，最后是跨季节的作物轮作与生产规划。把这些领域连结在一起的，并不仅仅是应用数量之多，而是一条在每一个环节反复出现的规则：

感知不等于诊断，诊断不等于处方，处方也不等于决策。

一幅图像可以揭示某种模式，却不知道其成因。一张地图可以预测胁迫，却不了解农民的行动能力。一台机器人可以瞄准一株杂草，但这本身并不能确立该项干预是安全的或值得的。本部分考察的，正是技术所能测量的东西与仍然需要本地农艺判断的东西之间的距离。它把人重新置于决策者的位置——不是作为机器失灵时才被召唤的后备，而是作为赋予测量以意义、赋予行动以正当性的权威所在。 统领性结论： 技术可以拓宽视野的范围，却无法消除对农艺判断的需要，而正是这种判断把所见转化为负责任的决策。

第四部分 —— 收获与采后处理

统领性问题：当作物从收获时刻进入储存、加工与流通过程时，我们如何保存土地所产出的价值？ 农业决策并不会在果实或穗粒脱离植株时结束。收获时机、搬运方式、碰撞、温度、湿度、延误、清理、干燥、分级、包装与储存，都可能在产品抵达市场之前保住一个季节的价值，也可能让其中一部分流失。人工智能能够增加估计成熟度、协调机械与劳力、监测批次条件、预测腐败与剩余货架期、识别缺陷和危险的能力；但它不会把每一次读数都变成食品安全判断，也不会在输入、样本或传感器出错时自动让数字记录变得正确。收获章节沿着从视觉识别到接触、分离与交付的链条展开；采后章节则继续追踪产品经历的数量与质量损失、品质与安全、冷链、可追溯性，以及副产品和剩余物的价值回收。剩余物的管理遵循一项顺序：先预防产生，再回收仍可食用的食品，随后检验哪些部分可能适用于饲料、肥料、能源或材料，避免让“循环利用”成为污染物返回农场的通道。 统领性结论： 收获不是生产的终点，而是价值经受新一轮检验的起点；采后也不是一条物流走廊，而是一个可能保住整个季节、也可能令其损失的决策系统。

第五部分 —— 畜牧与水产养殖：照护与农场整合

统领性问题：技术如何在不把生命简化为数据点、不越过专业权限的前提下扩展照护，并调节作物、动物与水之间交换的节奏？ 本书在此从收获后的产品转向需要水、空气、饲料、观察与响应的生命体。各章讨论畜牧生产与动物福利，继而讨论水产养殖，并把综合农场置于它们同作物关系的核心。经过识别、处理和检验的副产品可以进入安全且获得许可的饲料路径；有机养分或水产系统中的水，也可在计划、测量与监管限值之下回到作物系统。然而，每一个环节也可能携带病原体、污染物、盐分或累积误差。因此，再利用并不等于安全，模型也没有权力批准饲料、水、治疗或施肥。人工智能的作用，是维持物料、水、养分与能源的平衡；协调收获、储存、投喂、灌溉与通风；识别偏离；比较不同情景；并呈现一个环节的决策如何影响整个循环。照护、兽医诊疗以及饲料、水与环境安全，仍须置于明确的人类、专业与监管权威之下。 统领性结论： 综合农场不是相邻活动的简单集合，而是一套利益与责任的循环；只有当每种物料均可追溯、每项风险均可被阻断、每个敏感决策仍掌握在有权者手中时，它才真正称得上智能。

第六部分 —— 农场经济、市场与供应链：从投资到价值实现

统领性问题：谁为技术付费，谁又收获其价值？ 一个系统可能在技术上可行，却在经济上失败。生产率可能上升，而收益流向供应商或买家，留给农民的则是订阅费、债务、维护成本以及停机风险。因此，本部分把技术放在另一把标尺上衡量；它不仅追问：它有效吗？ 还追问：它值得吗？对谁而言值得？ 本部分各章讨论农场经济与投资决策；市场、金融、信贷、保险与可行性研究；随后是物流、可追溯性与供应链韧性。分析的推进路径是：

从购置价格到总拥有成本；
从平均回报到现金流与风险；
从收益总量到收益在各方之间如何分配。

本部分还检验信息本身的价值。一项预测的价值并不仅来自准确度，而是产生于以下条件：它在使用者仍能改变决策时送达，存在可行的替代方案，并且获取这一知识的代价不是失去自己的数据，也不是失去在供应商更换时退出的能力。

统领性结论： 价值的实现，不仅在于系统产出了更准确的信息，而在于这些信息赋予其使用者做出更好决策的真实且公平的能力。

第七部分 —— 包容性与区域现实

统领性问题：这些系统是为谁设计的？当它们进入田间与乡村社区时，就业与收入会怎样变化？ 本部分挑战许多产品内嵌的那种预设农业用户形象：一个大型农场、一部现代手机、一条稳定的网络连接、一种标准语言，以及允许反复试错的资源。然而农业的现实还包括小农户、共用的手机、时断时续的网络、地方性知识，以及那些承担者无法熬过一个歉收季的风险。本部分各章讨论小农户与农业技术推广，进而讨论农业劳动与公正转型、面向受限资源与间歇性连接的设计，以及在水资源、能源、制度、语言与经营规模各不相同的情境中的区域转型路径。本部分不假定效率收益会自行公平分配，而是追问：谁获得了时间与收入，谁失去了工作日，谁得到了培训与新岗位，谁又在没有发言权和保障的情况下承担了转型成本。统领性的观点很明确：包容性不是把为另一类用户设计的产品做一个稀释版本。 仅靠翻译无法实现公平，离线运行不等于剥离情境，而在大农场上行得通的做法，也不会自动迁移到一个小型合作社、一个群岛地区，或一个严重缺水的区域。当区域改变时，改变的不只是界面；问题本身也随之改变，与之一同改变的还有资源、约束、劳动力市场以及成功的含义。 统领性结论： 包容性设计的起点不是扩大对现有解决方案的可及性，而是从其使用者的现实内部重新定义解决方案。

第八部分——农业人工智能治理：从安全决策到可信赖服务

统领性问题：当系统出错时会发生什么，又由谁承担后果？ 本部分从一开始就假定：事情不会总按计划进行。网络可能中断，数据可能被损坏，可能出现训练类别之外的病害，法律可能变更，控制系统可能被攻破，或者模型可能在本应拒绝作答之处给出一个自信的答案。本部分各章考察农业安全与人的决策权限、农民的数据权利与治理、偏差、不确定性、解释与有效性验证，随后讨论如何从原型迈向可靠服务，包括监测、支持、回滚、安全防护以及明确的责任主体。本部分并不把伦理呈现为工程完成之后附加上去的东西；它主张的是 治理本身就是一种性能属性：

一个不知道何时应当拒绝作答的系统，其适用性更差。
一个无法退出的平台，其成本高于它所宣称的价格。
一项无人能够提出异议的决策，缺少一条从自身错误中学习的有序路径。

统领性结论： 负责任的系统不是从不出错的系统，而是能预见错误、限制其影响、披露错误、允许对其提出异议，并明确由谁承担补救义务的系统。

第九部分 —— 一项声明利益关系的案例研究：Aladdin Agri AI

统领性问题：当一个平台被从内部加以检视时，架构与运行之间的距离呈现为何种样貌？ 本部分把本书的分析视角应用于一个与其赞助方相关的案例。因此，它在介绍该平台之前，先声明利益冲突与证据边界。前两章依据一份按版本和指纹标识、已经冻结的私有源材料；第三章则增加一层日期与该材料分开记录的后续内部证据。读者无法直接获取这两层材料，而任何一层都不构成独立评估或农业影响的证据。本部分各章先考察该平台所声明的目的与编辑边界，继而在一章中统合集中式人工智能治理架构、已经实现的通道、有条件成立的能力及证据边界，最后转向从内部建设这一系统的经验：旧文件、沉默的数字、知识通路与故障，如何揭示一个组件“存在”与其价值真正交付给用户之间的差别。本部分的功能既不是确立该平台的优越性，也不是把它作为一段推广性的收尾。它的功能是揭示技术写作常常压缩为 “具备” 与“不具备”两个词的那些层级差别：

意图；
架构；
源代码中的实现；
有限的实时验证；
版本发布验收；
生产环境部署；
田间影响。

该案例研究始终停留在其内部证据所允许的边界之内；它不超出这些边界，也不弥补独立评估的缺失。 统领性结论： 某项功能在架构或源代码中存在，并不等同于它在运行中取得成功；而它在运行中取得成功，本身也不构成农业影响的证据。

第十部分 —— 结论与行动

统领性问题：在以上全部内容之后，我们究竟知道了什么，明天又该拿它做什么？ 本书在此回到开篇的承诺：不满足于罗列各种可能性，而要区分证据所支持的内容、证据在有限情境中所支持的内容，以及无论在营销或公共话语中被重复多少次都得不到证据支持的内容。第三十四章汇总本书的结论及其置信度，并明确指出证据薄弱之处以及不可外推的内容。第三十五章随后把原则转化为面向农民、合作社、企业、开发者、农业推广人员、政策制定者、研究者、投资者与供应商的路线图。第三十六章以一份针对尚未定论问题的研究议程收束全书，并给出学习的条件、停止的条件，以及在没有真实价值累积时不予投资的条件。因此，本部分并非对前文的简单总结；它是从知识通向责任的过渡点：

现在可以做出什么决策？
什么需要试验？
什么需要监管或某种制度安排？
在出现更有力的证据之前，什么不应被购买或部署？

统领性结论： 知识的完整，不在于它描述了什么是可能的，而在于它判定了什么可以去做、什么应当去检验，以及什么必须推迟或拒绝。

完整论证的路径

这张地图不是另一份目录，也不是逐页的章节摘要。它揭示的是把全书各部分连结起来的思想运动：

一个值得理解的农业问题 ↓ 一个需要解释的系统 ↓ 在田间检验测量价值的作物与土地 ↓ 保存或损失产出的收获与采后环节 ↓ 调节利益与风险交换的动物、水与综合农场 ↓ 一份必须被计算并被分配的价值 ↓ 共同改变解决方案含义及其收益分配的社会与区域现实和劳动力市场 ↓ 在错误与失效中显现的责任与治理 ↓ 一个在其证据边界内被检视的应用案例 ↓ 转化为决策、路线图与研究问题的结论 按顺序阅读各部分的读者，会看到论证如何层层叠加地建立起来：

技术不先于问题；
性能不先于证据；
自动化不先于权威；
购买不先于经济核算；
规模化不先于验证。

从某一特定部分进入本书的读者，会在该部分开篇看到其问题的声明，随后可以回到这张地图，看清那个问题在完整论证中所处的位置。因为本书在本质上并不只是追问人工智能能够被引入农业到何种程度；它提出的是更难也更有用的问题：

农业人工智能在什么时候才成为一个更好的决策？对谁而言更好？基于何种证据？又付出何种成本与责任？

受控参考文献

以下参考文献遵循本书编制过程中使用的来源权威登记册。一个来源编号并不意味着文档的每一部分都经过了同等深度的审查；条目说明会注明来源类型及其使用边界。

本清单中的每一条参考文献，都是读者可以通过数字对象标识符（DOI）或其条目中记录的稳定链接访问的已发表外部文献。这是纳入本清单的条件，而不是笼统描述。本清单共有 265 条参考文献。

未出现在本清单中的内容包括：特定于资助平台的实施证据。在较早版本的草稿中，前九项证据带有 SRC 标识符，并被计入参考文献之中；这一方法上的混淆已在本版中纠正：读者无法访问的实施痕迹，不属于参考文献，无论其描述多么忠实。该部分证据已移入附录 N 的单独登记册，之后又向其中新增了五项内部痕迹，标识符为 IMP10–IMP14，但这些内容均未计入参考文献。

编号说明：标识符一经固定即不再回收使用。SRC016–SRC024 此前用于后来移至附录 N 的实施证据；SRC025–SRC029 则保留给编写过程中曾被提名、但未通过核验关口的来源。第二十四章新增来源编号时，SRC235 未分配给任何已经核验的来源；SRC251 未列入清单，因为第二十九章草稿中使用该标识符的文档与 SRC033 相同，并非新的参考文献。这些位置均有意留空，以免旧引文或草稿引文转而指向另一来源。这里缺少某个编号，并非编辑疏漏，而是经过记录的转移、排除或防止重复所留下的有意痕迹。

\[SRC001\] Nautiyal, M., et al. (2025). “农业变革：关于人工智能应用于提升农产品属性的综合综述。” Food Chemistry: X. https://doi.org/10.1016/j.fochx.2025.102748 — 经同行评议的综述，对应用领域进行了梳理。

\[SRC002\] Wu, K., et al. (2025). “农业食品工程中 AI 方法的综合综述：应用、挑战与未来方向。” Electronics, 14(20), 3994\. https://doi.org/10.3390/electronics14203994 — 对方法、应用和挑战的同行评议综述。

\[SRC003\] Özoğul, G. (2025). “农业中人工智能技术的应用：优势、挑战、风险、前景与建议。” Cogent Food & Agriculture. https://doi.org/10.1080/23311932.2025.2568199 — 对收益、风险和前景的综述。

\[SRC004\] Mohammed, S. P., et al. (2025). “关于人工智能在推动精准农业迈向可持续农业中的作用的系统文献综述：现状与未来方向。” Plant Science Today. https://doi.org/10.14719/pst.6175 — 外部系统综述；该性质并不会转移到本书。

\[SRC005\] Wei, M. C. F., Longchamps, L., Colaço, A. F., & Molin, J. P. (2026). “整合稳定性分区与机器学习，以增强作物管理。” Precision Agriculture. https://doi.org/10.1007/s11119-026-10318-9 — 已核验研究身份与范围；不要引入未经审查的研究结果。

\[SRC006\] Mohan, R. N. V. J., Rayanoothala, P. S., & Sree, R. P. (2025). “下一代农业：整合 AI 与 XAI，用于精准作物产量预测。” Frontiers in Plant Science. https://doi.org/10.3389/fpls.2024.1451607 — 已核验摘要；仅允许报告在该研究设定内最高可达 0.92 的 R²。

\[SRC007\] Askale, G. T., Yibel, A. B., Taye, B. M., & Wubneh, G. D. (2025). “基于移动端的玉米叶部病害检测与分类深度 CNN 模型。” Plant Methods. https://doi.org/10.1186/s13007-025-01386-5 — 已核验研究身份与任务；在检查结果表之前，不要使用 95% 这一数值。

\[SRC008\] Zhang, Y., et al. (2026). “CropGPT：一种用于作物病虫害精准且可解释诊断的大型多模态模型。” Journal of Industrial Information Integration. https://doi.org/10.1016/j.jii.2026.101107 — 已核验研究身份与范围；不要使用继承而来的准确率、BLEU 或类别数量数据。

\[SRC009\] dos Santos Ferreira, A., Freitas, D. M., da Silva, G. G., Pistori, H., & Folhes, M. T. (2017)。《使用 ConvNets 检测大豆作物中的杂草》 Computers and Electronics in Agriculture, 143, 314–324. https://doi.org/10.1016/j.compag.2017.10.027 — 图像分类；不是 Q-learning，也不是机器人清除。

\[SRC010\] Öz, M., & Üstüner, E. (2026). “Artificial Intelligence for Blue Transformation: A Review of Predictive Modeling and Decision Support Systems in Sustainable Aquaculture.” Sustainable Development. https://doi.org/10.1002/sd.71290 — 摘要已核验；其中并不支持成本降低 30% 这一数字。

\[SRC011\] Bai, S., Liu, Z., Wu, W., Xu, N., & Jiang, M. (2025). “GenAI \+ blockchain to coordinate agricultural supply chains to improve quality trust: an agent-based simulation study.” Frontiers in Sustainable Food Systems. https://doi.org/10.3389/fsufs.2025.1591350 — 这是基于主体的仿真，不是实际部署。

\[SRC012\] Khanna, A., et al. (2025). “Generative AI and Blockchain-Integrated Multi-Agent Framework for Resilient and Sustainable Fruit Cold-Chain Logistics.” Foods, 14(17), 3004\. https://doi.org/10.3390/foods14173004 — 摘要提到，在实验中运输时间缩短了 30%；不要将这一结果泛化。

\[SRC013\] Aman Mohammadi, M., Tajdar-oranj, B., & Esmaeili, E. (2026). “Spectral-AI technologies for food safety: Advances, challenges, and future directions.” Food Control. https://doi.org/10.1016/j.foodcont.2026.112144 — 这是一篇范围综述；它并不支持一直沿用的 99.85% 或 96% 这两个数字。

\[SRC014\] 联合国粮食及农业组织。(2009)。How to Feed the World in 2050. https://www.fao.org/fileadmin/templates/wsfs/docs/expert\_paper/How\_to\_Feed\_the\_World\_in\_2050.pdf — 一份历史性的前瞻文件；它基于 2009 年可获得的数据和假设，估计世界人口将达到 9.1 billion 人，并认为到 2050 年全球粮食产量需要提高约 70%；这不代表当前估计，也不是一个可脱离其时间与方法背景使用的数值。

\[SRC015\] Panagi, P., et al. (2025). “Poultry Farm Intelligence: An Integrated Multi-Sensor AI Platform for Enhanced Welfare and Productivity.” arXiv:2510.15757. https://arxiv.org/abs/2510.15757 — 这是预印本或新近出现的证据。

\[SRC030\] Campoverde-Molina, M., & Luján-Mora, S. (2025). “Cybersecurity in smart agriculture: A systematic literature review.” Computers & Security, 150, 104284\. https://doi.org/10.1016/j.cose.2024.104284 — 这是关于农业网络安全的参考文献；不要从中照搬未经核查的事件数量。

\[SRC031\] Food and Agriculture Organization of the United Nations. (2022). The State of Food and Agriculture 2022: Leveraging automation in agriculture for transforming agrifood systems. FAO. https://doi.org/10.4060/cb9479en — 这是一份关于广泛且负责任的自动化的官方报告。

\[SRC032\] Jouanjean, M.-A., Casalini, F., Wiseman, L., & Gray, E. (2020). Issues around data governance in the digital transformation of agriculture: The farmers’ perspective. OECD Food, Agriculture and Fisheries Papers, No. 146\. https://doi.org/10.1787/53ecf2ab-en — 这份材料讨论数据权利、访问、转移与信任问题。

\[SRC033\] Tabassi, E. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST. https://doi.org/10.6028/NIST.AI.100-1 — 这是一个需要结合农业情境进行适配的通用框架。

\[SRC034\] Organisation for Economic Co-operation and Development. (2025). OECD Supply Chain Resilience Review: Navigating risks. OECD Publishing. https://doi.org/10.1787/94e3a8ea-en — 这是一个定性的韧性框架；并未引入外来的绩效指标。

\[SRC035\] Shamshiri, R. R., et al.（2024）。《面向可持续作物生产的农业数字化：应用案例综述。》Frontiers in Environmental Science, 12, 1375193。 https://doi.org/10.3389/fenvs.2024.1375193 — 对感知、数据、决策与作业链条的综述。

\[SRC036\] Sanyaolu, M., & Sadowski, A. (2024). “The Role of Precision Agriculture Technologies in Enhancing Sustainable Agriculture.” Sustainability, 16(15), 6668\. https://doi.org/10.3390/su16156668 — 这是结合具体情境的经济与可持续性分析；不要引入未经核查的百分比。

\[SRC037\] Lowder, S. K., Sánchez, M. V., & Bertini, R. (2021). “Which farms feed the world and has farmland become more concentrated?” World Development, 142, 105455\. 研究标识符; 开放获取版本; FAO 对研究结果的介绍 — 一项关于农业经营规模结构、农地集中度以及不同经营规模群体对食物产值贡献的同行评议研究，所依据的是不同年份的农业普查和数据；它不是 2026 年全球农业经营体普查，也不意味着“小规模农业经营体”与“家庭农场”是同义概念。

\[SRC038\] Van de Zande, G. D., Grant, F., Sheline, C., Amrose, S., Costello, J., Ghodgaonkar, A., & Winter V, A. G. (2024). “一款精准灌溉工具的人机交互设计与评估：将节水、节能的灌溉带给资源受限农民。” Sustainability, 16(19), 8402\. https://doi.org/10.3390/su16198402 — 关于 AS-MO 设计及其在肯尼亚、约旦和摩洛哥的用户评估；并未证明其对用水或产量具有普遍效果。

\[SRC039\] Digital Green. (无日期). Farmer.Chat：你的免费农业助手. https://www.farmer.chat/ — 关于文本、语音和图像查询功能以及位置使用情况的官方产品页面；属于会变化的来源，访问于 2026 年 9 月 18 日；该页面并不能证明诊断准确性或农业影响。

\[SRC040\] Digital Green. (无日期). FarmerChat：数秒内获得农业解答. https://www.digitalgreen.org/farmerchat — 关于服务范围、研究材料和开放数据的官方项目页面；访问于 2026 年 9 月 18 日；其中的覆盖范围和成本数字属于开发方声明，除非有独立研究支持。

\[SRC041\] Digital Green. (2026 年 7 月 9 日). “FarmerChat V2 已上线，农民提出的问题比以往更多。” https://www.digitalgreen.org/insights/v2-launch-performance — 由开发方发布的产品分析，内容涉及服务传播、激活、留存和提问量；可据其定义和日期使用这些使用指标，但这并不意味着它们可以转化为农业准确性或因果影响的衡量指标。

\[SRC042\] 60 Decibels. (2025 年 11 月 11 日；更新于 2026 年 2 月 24 日). “小农户正在遵循人工智能建议。” https://60decibels.com/insights/farmers-ai-recommendations/ — 这是一项由产品团队外部机构与 Digital Green 合作开展、覆盖肯尼亚 450 名农民的评估；它支持关于记忆、使用、信任和自我报告行动的发现，但并不能证明建议本身正确、对产量和收入具有因果效应，或能够推广到该样本之外。

\[SRC043\] Digital Green. (2026). FarmerChat Agricultural Q\&A Dataset (Large) \[数据集\]. Hugging Face. https://huggingface.co/datasets/DigiGreen/farmerchat-queries-large — 这是一个数据卡，对应的数据集在 CC BY 4.0 许可下包含从 2024 年 8 月至 2026 年 6 月的 1,446,866 组问答对；其中答案由机器生成，且筛选标准涉及偏好英语的用户，因此不得将该数据集视为真值标准，也不得将其视为不同语言之间等效性的证据。

\[SRC044\] Digital Green.（2026）。FarmerChat Prompts \[源代码]。GitHub。https://github.com/digitalgreenorg/farmerchat-prompts — 一个依据 MIT 许可证公开的仓库，用于管理多供应商农业模板，以及用于隐私、合规性、冲突和相关性的评估模板；它证明这一开放组件确实存在，但并未披露完整的生产代码，也不能证明其所有功能都在在线服务中运行。

\[SRC045\] Chandrashekar, M. S.、Singh, V. 与 Pedapudi, L.（2026）。“Benchmarking Automatic Speech Recognition for Indian Languages in Agricultural Contexts.” arXiv，2602.03868v2。https://doi.org/10.48550/arXiv.2602.03868 — 一份初步草稿，比较了印地语、泰卢固语和奥里亚语 10,934 条农业录音中的语音识别表现；它支持在该研究场景下不同语言之间存在错误率差异，但并不能确立 Farmer.Chat 端到端语音性能，也不属于同行评审论文。

\[SRC046\] Digital Green Foundation.（2025年12月）。Privacy Policy。https://www.digitalgreen.org/privacy — 一项官方政策，涵盖图像、录音、位置数据、聊天机器人交互、数据共享、保留和权利等收集范围；它描述的是所声明的政策，并不能确立其在每个国家或每一种情形下都实现了运营合规。

\[SRC047\] International Food Policy Research Institute.（无日期）。Generative AI for Agriculture (GAIA) — Phase I & II。https://www.ifpri.org/project/generative-ai-for-agriculture-gaia/ — 来自主导机构的官方项目页面；它确立了该项目的身份、方向和合作关系，不应被视为对最终工具性能的独立评估。访问于2026年9月18日\.

\[SRC048\] CABI.（无日期）。Generative AI for Agriculture Advisory。https://www.cabi.org/projects/generative-ai-for-agriculture-advisory/ — 一个官方项目页面，说明了项目周期、合作伙伴、国家、角色、第一阶段结果以及第二阶段计划；其中报告的愿意使用百分比，是项目自行报告的接受度结果，而不是准确性或田间影响的衡量。访问于2026年9月18日\.

\[SRC049\] King, E.（2025年1月6日）。“Piloting a CABI Crop Health Advisory Chatbot.” PlantwisePlus Blog。https://blog.plantwise.org/2025/01/06/piloting-a-cabi-crop-health-advisory-chatbot/ — 一则机构性说明，介绍了在肯尼亚和印度开展的研讨会与原型测试、涉及的作物、参与者以及收集反馈的方法；它不是同行评审研究，也不是对农业影响的独立衡量。

\[SRC050\] Msengezi, C.（2025年5月14日）。《“来自 GAIA 项目的人工智能治理经验教训”》。CABI Blog。https://blog.cabi.org/2025/05/14/lessons-in-ai-governance-from-the-gaia-project/ — 一份关于 GAIA 中许可、署名、决策以及内容准备成本的机构来源；它支持治理描述，但并不能确立其完整性，也不能确立该系统的有效性。

\[SRC051\] CABI.（2026）。Model Content License Agreement for AI — Special Terms and General Terms，version 1\. Gates Open Research。https://doi.org/10.21955/gatesopenres.1117269.1 — 一项用于在人工智能开发中公平且可持续使用内容的开放许可工具；该版本未经同行评审，且不构成每个司法辖区中的具有约束力的法律。

\[SRC052\] CABI.（2025）。Risk and Ethics Assessment and the GAIA Ethics Toolkit. CGIAR Research Repository。https://hdl.handle.net/10568/181439 — 一份被归类为灰色文献且经过内部审查的开放报告；它构建了与数据质量、代表性、权力、透明度、隐私和传统知识相关的风险框架，但并不构成对 GAIA 工具实际上已经应对这些风险的外部验证。

\[SRC053\] Cropin Technology Solutions.（无日期）。Cropin: SaaS-based AgTech and Agricultural Intelligence Platform. https://www.cropin.com/ — Cropin 平台及其管理、分析以及作物状况和产量估算功能的供应商官方页面；它仅能确立所宣称的功能，不能确立本地准确性或经济影响。访问于2026年9月25日\.

\[SRC054\] EOS Data Analytics.（无日期）。EOSDA Crop Monitoring: Crop Monitoring Software for Remote Farm Analytics. https://eos.com/products/crop-monitoring/ — 关于卫星监测、植被健康和田间风险的官方产品页面；它不能确立变化原因的诊断，也不能确立产量预测的准确性。访问于2026年9月25日\.

\[SRC055\] Aerobotics.（无日期）。Leading Yield Forecast Technology for Fruit Companies. https://aerobotics.com/ — 关于果园功能（包括产量预测和部分果实性状测量）的供应商官方页面；它并不代表对所有作物和品种上的准确性或覆盖范围的独立验证。访问于2026年9月25日\.

\[SRC056\] Outfield.（无日期）。Orchard Management Platform. https://outfield.xyz/ — 关于果园监测、开花制图、挂果量跟踪和产量预测的供应商官方页面；它不能确立该预测对每一种果园或整形系统都有效。访问于2026年9月25日\.

\[SRC057\] Source.ag. (undated). AI Solutions for Greenhouse Growers. https://www.source.ag/ — 这是该供应商关于设施农业人工智能解决方案的官方页面，包括采收预测和作业规划；但它并不能证明每项应用中的每周预测准确性，也不能证明每项应用中适销产量的定义。访问于2026年9月25日\.

\[SRC058\] IUNU. (undated). LUNA: Greenhouse Crop Monitoring and Forecasting; How It Works. 官方网站; 设备与功能概览 — 供应商介绍温室作物成像、监测与分析平台的两个页面；这些页面描述的是宣传中的商业功能，不能证明其独立性能，也不能证明其适用于所有作物和地点。已于 2026 年 10 月 19 日重新核验。

\[SRC059\] Allen, R. G., Pereira, L. S., Raes, D., & Smith, M.（1998）。Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements。FAO Irrigation and Drainage Paper 56\. 联合国粮食及农业组织。https://www.fao.org/4/x0490e/x0490e00.htm —— 这是关于计算参考作物蒸散量、作物蒸散量和作物系数的官方参考资料；它不是人工智能系统，也不是关于灌溉操作的直接指令。

\[SRC060\] Brouwer, C., Prins, K., & Heibloem, M.（1989）。Irrigation Water Management: Irrigation Scheduling。Training Manual No. 4\. 联合国粮食及农业组织。https://www.fao.org/4/t7202e/t7202e00.htm —— 这是一份关于灌溉排程原理以及将需水量与作物、土壤和气候联系起来的官方培训手册；它需要本地适配，并不代表一个经过训练的模型。

\[SRC061\] Brouwer, C., Prins, K., Kay, M., & Heibloem, M.（无日期）。Irrigation Water Management: Irrigation Methods。Training Manual No. 5, provisional edition. 联合国粮食及农业组织。https://www.fao.org/4/s8684e/s8684e00.htm —— 这是关于地面灌溉、喷灌和滴灌方法、湿润模式及运行的官方指南；它并不能免除对系统设计和本地条件进行评估的必要。访问日期：2026年9月25日。

\[SRC062\] Ayers, R. S., & Westcot, D. W.（1985；1989年和1994年重印）。Water Quality for Agriculture。FAO Irrigation and Drainage Paper 29 Rev. 1\. 联合国粮食及农业组织。https://www.fao.org/4/t0234e/t0234e00.htm —— 这是关于在土壤、作物和管理背景下评估灌溉水盐度、入渗问题、毒性和运行风险的官方参考资料；它并不会把单一指标变成本地最终判断。

\[SRC063\] 联合国粮食及农业组织。（无日期）。AquaCrop。https://www.fao.org/aquacrop/en/ — 这是一个关于作物对水分响应和水分生产率模拟模型的官方页面；该模型是对农业过程的表征，并不自动构成人工智能系统或灌溉控制器。访问日期：2026年9月25日\.

\[SRC064\] CropX Technologies.（无日期）。CropX Agronomic Farm Management System; Crop Nutrition Monitoring。https://cropx.com/；https://cropx.com/cropx-system/nutrition-monitoring/ — 这是该供应商关于农场管理与灌溉功能、土壤与天气数据整合，以及作物营养、盐渍度、氮淋洗事件和施用记录监测的两个官方页面；它们仅能证明所述功能，并不能证明本地准确性、节约率或对产量的影响。总页面访问日期为 2026年9月25日，营养页面访问日期为 2026年9月26日\.

\[SRC065\] Phytech.（无日期）。Connecting Growers to Their Plants。https://www.phytech.com/ — 这是该供应商关于植物、灌溉、压力和流量监测，以及建议与执行功能的官方页面；它并不构成对建议安全性或其适用于每一种作物和地点的独立评估。访问日期：2026年9月25日\.

\[SRC066\] Arable Labs.（无日期）。Arable Connect: Know the Worth of Water。https://www.arable.com/ — 这是该供应商关于田间监测、降雨指标、作物用水和灌溉决策支持的官方页面；它并不能证明每一项功能都依赖人工智能，也不能证明该平台控制灌溉。访问日期：2026年9月25日\.

\[SRC067\] Lumo.（无日期）。Precision Irrigation Platform。https://lumo.ag/ — 这是该供应商关于灌溉排程以及阀门、流量和压力监测的官方页面；它证明的是所述功能，并不会因此把自动化变成人工智能，也不能证明所述节约和回报数字。访问日期：2026年9月25日\.

\[SRC068\] 联合国粮食及农业组织。（无日期）。WaPOR Data: Remote Sensing for Water Productivity。https://www.fao.org/in-action/remote-sensing-for-water-productivity/wapor-data/en/ — 这是一个关于土地和水分生产率遥感数据服务的官方页面；它并不代表对某一具体植株根部实际获得水量的直接测量，也不是阀门控制系统。访问日期：2026年9月25日\.

\[SRC069\] OpenET.（无日期）。Open-Source Transparent Water Management Data。https://etdata.org/ — 这是基于卫星的蒸散量数据与工具的官方服务页面；它不能替代土壤和灌溉系统测量，其使用有效性还受地点与尺度限制。访问日期：2026年9月25日\.

\[SRC070\] Navarro-Hellín, H., Martínez-del-Rincon, J., Domingo-Miguel, R., Soto-Valles, F., & Torres-Sánchez, R. (2016). “A decision support system for managing irrigation in agriculture.” Computers and Electronics in Agriculture, 124, 121–131. https://doi.org/10.1016/j.compag.2016.04.003 — 一项关于灌溉管理决策支持系统的研究，该系统整合了数据与预测；它确立的是在其研究情境中测试了什么，而不是证明存在一种覆盖所有作物、土壤和约束条件的通用产品。

\[SRC071\] Goap, A., Sharma, D., Shukla, A. K., & Rama Krishna, C. (2018). “An IoT based smart irrigation management system using Machine learning and open source technologies.” Computers and Electronics in Agriculture, 155, 41–49. https://doi.org/10.1016/j.compag.2018.09.040 — 一个整合田间测量、天气预报和机器学习的研究原型；它并不证明该系统可迁移到所有作物和生产系统。

\[SRC072\] Huber, L., & Gillespie, T. J. (1992). “Modeling Leaf Wetness in Relation to Plant Disease Epidemiology.” Annual Review of Phytopathology, 30(1), 553–577. https://doi.org/10.1146/annurev.phyto.30.1.553 — 一篇关于叶面湿润与植物病害流行之间关系的专题综述；它支持风险界定，但不证明某一具体田块中存在植物病原体。

\[SRC073\] Gleason, M. L., Duttweiler, K. B., Batzer, J. C., Taylor, S. E., Sentelhas, P. C., Monteiro, J. E. B. A., & Gillespie, T. J. (2008). “Obtaining weather data for input to crop disease-warning systems: leaf wetness duration as a case study.” Scientia Agricola, 65(spe), 76–87. https://doi.org/10.1590/S0103-90162008000700013 — 一项关于作物病害预警系统中的天气数据来源与叶面湿润持续时间的方法研究；它并不会把一个气候指标变成诊断。

\[SRC074\] Rowlandson, T., Gleason, M., Sentelhas, P., Gillespie, T., Thomas, C., & Hornbuckle, B. (2015). “重新审视用于植物病害管理的叶面湿润持续时间判定。” Plant Disease, 99(3), 310–319. https://doi.org/10.1094/PDIS-05-14-0529-FE — 一篇关于植物病害管理中叶面湿润持续时间测量与估算的综述；它并不代表一个灌溉与病害一体化平台。

\[SRC075\] Mashonjowa, E., Ronsse, F., Mubvuma, M., Milford, J. R., & Pieters, J. G. (2013). “在津巴布韦利用动态温室气候模型估算温室玫瑰叶片湿润持续时间。” Computers and Electronics in Agriculture, 95, 70–81. https://doi.org/10.1016/j.compag.2013.04.007 — 一项在特定条件下估算温室内玫瑰叶片湿润持续时间的研究；该研究不能推广到所有作物或设施，也不能证明仅靠改变灌溉就能预防病害。

\[SRC076\] 联合国粮食及农业组织. (2006). 粮食安全所需的植物营养：综合养分管理指南. Fertilizer and Plant Nutrition Bulletin 16\. https://www.fao.org/4/a0443e/a0443e00.htm — 一份关于植物营养、土壤肥力、养分来源、综合管理及其环境和经济方面原则的机构技术指南；它不提供本地化配方，也不能证明某个数字工具或人工智能模型的表现。

\[SRC077\] 联合国粮食及农业组织. (2013). 温室蔬菜作物良好农业规范：地中海气候区原则. https://www.fao.org/4/i3284e/i3284e.pdf — 一份关于设施农业的机构技术指南，解释了在其适用范围内，温室作物的根区条件、水分、养分和管理有何不同；它不能据此证明可以把某一特定设施的设定转移到所有温室或大棚，也不能证明某个商业平台或自主控制的有效性。

\[SRC078\] 美国农业部自然资源保护局. (无日期). 养分管理（代码 590）保护性实践标准. https://www.nrcs.usda.gov/resources/guides-and-instructions/nutrient-management-ac-590-conservation-practice-standard — 一项政府实践标准，在规定的标准和约束下支持规划、文档记录以及养分风险降低；它并不把美国的监管限值变成全球法律规则，也不构成针对未指明作物的施用剂量。访问日期：2026年9月26日\.

\[SRC079\] The Fertilizer Institute. (无日期). 4R 养分管理. https://www.tfi.org/insights/nutrient-stewardship/ — 由一家肥料行业协会发布的文件，用于界定正确来源、正确用量、正确时间和正确位置这一框架，并将其与经济、环境和社会维度联系起来；它属于行业来源，而不是对某项具体实践效果的独立评估，也不是其对所有国家和作物都成立的证据。访问日期：2026年9月26日\.

\[SRC080\] Pampolino, M. F., Witt, C., Pasuquin, J. M., Johnston, A., & Fisher, M. J. (2012). “用于谷类作物养分管理的 Nutrient Expert 软件的开发方法及评价。” Computers and Electronics in Agriculture, 88, 103–110. https://doi.org/10.1016/j.compag.2012.07.007 — 一项经同行评审的研究，描述了 Nutrient Expert 的开发及其在研究情境下对谷类作物的评价；它并不能证明该软件目前是否可获得、是否覆盖所有作物和国家，或其结果在未经本地验证的情况下可以有效迁移。

\[SRC081\] Chlingaryan, A., Sukkarieh, S., & Whelan, B. (2018). “精准农业中用于作物产量预测和氮素状态估计的机器学习方法：综述。” Computers and Electronics in Agriculture, 151, 61–69. https://doi.org/10.1016/j.compag.2018.05.012 — 一篇经同行评审的科学综述，评述了机器学习在精准农业中用于作物产量预测和氮素状态估计的应用；它并不能证明仅凭单张图像即可诊断缺素，也不能证明其准确性可迁移到所有作物和传感器。

\[SRC082\] Grzebisz, W. (2021). “地点特异性养分管理。” Agronomy, 11(4), 752. https://doi.org/10.3390/agronomy11040752 — 一篇经同行评审的综述文章，讨论地点特异性养分管理以及如何将空间变异性与管理决策相联系；这并不意味着每一张图都足以支持变量施用，也不能证明任何特定平台的效果。

\[SRC083\] Tröster, M. F., & Sauer, J. (2021). “IoFarm：一种旨在降低农场层面肥料支出的新型决策支持系统。” Computers and Electronics in Agriculture, 188, 106322. https://doi.org/10.1016/j.compag.2021.106322 — 一项经同行评审的研究，考察了一个决策支持系统及一种研究性优化方法，在经济框架内比较施肥决策；它并不能证明存在一种通用的商业产品，也不能证明该结果可迁移到所有作物、地区和目标。

\[SRC084\] Li, D., Yang, S., Du, Z., Xu, X., Zhang, P., Yu, K., Zhang, J., & Shu, M. (2024). “无人机光学遥感在作物氮素诊断中的应用：系统性文献综述。” Computers and Electronics in Agriculture, 228, 109565. https://doi.org/10.1016/j.compag.2024.109565 — 一篇经同行评审的系统综述，评述了利用无人机光学遥感评估作物氮素状态的研究；它并不意味着仅凭图像本身就足以证明氮素缺乏，也不意味着单一模型对所有作物、光照条件和季节都有效。

\[SRC085\] Savvas, D., & Gruda, N. (2018). “现代温室产业中无土栽培技术的应用——综述。” European Journal of Horticultural Science, 83(5), 280–293. https://doi.org/10.17660/ejhs.2018/83.5.2 — 一篇经同行评审的关于温室产业无土栽培的科学综述，支持对不同系统加以区分，并强调基质、营养液和根际环境的重要性；它并未提供通用的营养液配方，也未证明自动控制就是人工智能。

\[SRC086\] Benke, K., & Tomkins, B. (2017). “未来食品生产系统：垂直农业与受控环境农业。” Sustainability: Science, Practice and Policy, 13(1), 13–26. https://doi.org/10.1080/15487733.2017.1394054 — 一篇经同行评审的关于垂直农业与受控环境农业的科学论文，讨论了它们的一般潜力与局限；它并不保证每一种作物和设计都具备盈利能力、能源效率或可持续性，也未证明任何人工智能系统的性能。

\[SRC087\] Lakhiar, I. A., Gao, J., Syed, T. N., Chandio, F. A., & Buttar, N. A. (2018). “受控环境下农业中的现代植物栽培技术：雾培综述。” Journal of Plant Interactions, 13(1), 338–352. https://doi.org/10.1080/17429145.2018.1472308 — 一篇经同行评审的科学综述，界定了雾培以及向悬空根系输送水分和养分的特征，并说明了其运行依赖条件；它并未提供通用的喷雾或营养液设定，也未证明其具有有保证的优越性，或任何特定算法的性能。

\[SRC088\] Yara International. (undated). Atfarm. https://at.farm/ — 该供应商关于商业软件的官方页面，该软件提供与氮素利用管理相关的田间和作物洞察；它仅能证明所宣传的功能，不能证明建议的准确性、节约效果、产量，或每一项功能都依赖机器学习。访问日期：2026年9月26日\.

\[SRC089\] Climate LLC. (undated). Climate FieldView. https://climate.com/en-us.html — 该供应商关于一个平台的官方页面，该平台汇集田间数据、田间巡查、处方生成和产量数据分析；它并不能证明每一份施肥处方都由人工智能生成，也不能证明其农学有效性或任何已被独立证明的回报。访问日期：2026年9月26日\.

\[SRC090\] Priva. (undated). Priva Nutri-Line. https://www.priva.com/horticulture/solutions/greenhouse-water-systems/priva-nutri-line — 这是该供应商关于一系列设施园艺中营养液定量投加与施肥灌溉系统的官方页面；它能够证明所宣传的自动化与控制功能，但并不因此使其成为人工智能，也不能据此证明其在农业中的独立影响，或其适用于每一种作物、水源和栽培基质。访问日期：2026年9月26日\.

\[SRC091\] DSSAT Foundation. (undated). Decision Support System for Agrotechnology Transfer (DSSAT). https://dssat.net/ — 这是一个框架的官方文档，用于在可用模型与数据范围内，对作物、土壤、天气与管理之间的相互作用进行建模与模拟；它不是本地施肥配方，也不是自动控制器，且未必属于人工智能。访问日期：2026年9月26日\.

\[SRC092\] APSIM Initiative. (undated). Agricultural Production Systems sIMulator (APSIM). https://www.apsim.info/ — 这是一个农业系统建模与模拟框架的官方文档，其中包括植物、动物、土壤、气候和管理模块；它不能证明每个模块在每个地点都有效，也不意味着模拟就是机器学习或操作指令。访问日期：2026年9月26日\.

\[SRC093\] PEAT GmbH. (undated). Plantix. https://plantix.net/en/ — 这是该供应商关于一款基于图像进行检查和提供建议的应用程序的官方页面；其宣传内容包括拍摄作物问题并提供诊断、建议和农业知识，但这并不能证明其具有独立性能，也不能据此将仅凭图像对养分缺乏作出诊断或开出处方视为合理。访问日期：2026年9月26日\.

\[SRC094\] Anderson, H. C., Rogers, M. A., & Hoover, E. E. (2019). “有机草莓生产系统中低拱棚覆盖对小气候、果实产量和品质的影响。” HortTechnology, 29(5), 590–598. https://doi.org/10.21273/HORTTECH04319-19 — 这是一项经同行评审的研究，考察了在有机草莓体系中，低拱棚覆盖对小气候、产量和品质的影响；它并不能将该结果推广到所有作物或覆盖材料，也不能证明某个人工智能系统或商业传感器的有效性。

\[SRC095\] Lamont, W. J.（2005）。《Plastics: Modifying the Microclimate for the Production of Vegetable Crops》。《HortTechnology》，15(3), 477–481。https://doi.org/10.21273/HORTTECH.15.3.0477 —— 一篇经过同行评审的科学文章，讨论利用塑料材料改变蔬菜生产中小气候的方法；它支持覆盖物和拱棚效应的一般性依据，但并未提供适用于所有地点的气候设定、施肥方案或传感器设计。

\[SRC096\] Aranet.（日期不详）。Horticulture Solutions; Wireless Monitoring for a Greenhouse。https://aranet.com/en/home/solutions/horticulture；https://aranet.com/downloads/wireless-monitoring-for-a-greenhouse-eng/ —— 供应商页面和文档，介绍以无线方式采集环境与农业读数并将其显示出来以供监测的解决方案；这些材料并不能证明该解决方案是专门为低矮拱棚设计的，也不能证明每一项分析都依赖人工智能，或连通性在任何覆盖条件下都能成功。访问日期：2026年9月26日。

\[SRC097\] Pessl Instruments.（日期不详）。METOS; FieldClimate; iSCOUT。https://metos.global/en/；https://metos.global/en/fieldclimate/；https://metos.global/en/iscout/ —— 供应商关于天气、土壤和水分监测站、记录仪与传感器，以及预测服务、水分管理和风险模型的官方页面；还包括关于 iSCOUT 诱捕器的页面，该装置配有摄像头、粘板、图像分析，并显示计数目标及其随时间变化的趋势。这些页面能够证明其所宣传的功能，但不能证明其对每一种物种识别都具有独立准确性，也不能证明诱捕器计数就等同于危害程度或足以支持干预，更不能证明单个传感器就能代表整块田间或整个设施的所有区域。访问日期：2026年9月27日。

\[SRC098\] Doktar Technologies.（日期不详）。Smart Digital Agriculture Solutions for Farmers; Product Portfolio; Contact。https://www.doktar.com/solutions/farmers；https://www.doktar.com/products；https://www.doktar.com/contact —— 供应商官方页面，介绍一个宣传称已在土耳其落地的平台；该平台结合了卫星影像、田间传感器数据、人工智能功能，以及用于灌溉规划和流量监测的工具；这些页面并不能证明存在专用于低矮棚道的一整套方案，不能证明能够透过覆盖物看见作物，也不能证明其具有独立的田间准确性。访问日期：2026年9月26日。

\[SRC099\] Lea-Cox, J. D., Ross, D. S., & Teffeau, K. M. (2004). “Developing Water and Nutrient Management Plans for Container Nursery and Greenhouse Production Systems.” Acta Horticulturae, 633, 373–379. https://doi.org/10.17660/ActaHortic.2004.633.45 — 这是一篇已发表的科学论文，讨论容器苗圃和温室生产系统中的水分与养分管理规划，以及多物种、灌溉策略和施肥策略的复杂性；它并未为观赏植物提供通用方案，也未确立某个 AI 模型的准确性或其商业影响。

\[SRC100\] Mrisho, L. M., et al.（2020）。《基于智能手机的目标检测模型 PlantVillage Nuru 在识别木薯病毒病叶部症状——CMD 和 CBSD——方面的准确性》。Frontiers in Plant Science，11，590889。https://doi.org/10.3389/fpls.2020.590889；https://pmc.ncbi.nlm.nih.gov/articles/PMC7775399/ —— 这是一项经过同行评审、田间范围明确且限于东非的研究，涉及识别木薯花叶病症状、木薯褐条病以及绿螨危害；部分作者与该系统有关联，该研究并未证实其在全球范围内的准确性，也未证实其当前每项功能和每种作物都可用。

\[SRC101\] FarmQA.（日期未注明）。FarmQA Scouting。https://farmqa.com/scouting/ —— 这是该供应商关于大田作物和特色作物田间巡查模板、图像、报告及巡查管理的官方页面；它证实了所宣传的工作组织功能，但并未证实该平台能够诊断原因、在每项功能中都使用人工智能，或产生了独立的农业影响。访问日期：2026年9月27日。

\[SRC102\] Network for Environment and Weather Applications (NEWA).（日期未注明）。NEWA。https://newa.cornell.edu/ —— 这是一个大学与农业推广服务平台，为所列作物、有害生物和病害提供天气数据、风险模型和综合管理工具；风险模型发出的预警并不是诊断，而且在其所覆盖的站点、环境和模型之外，它并不提供普遍适用的干预阈值。访问日期：2026年9月27日。

\[SRC103\] United States Department of Agriculture, Animal and Plant Health Inspection Service.（日期未注明）。Identification Technology Program — IDtools。https://idtools.org/aboutITP.cfm —— 这是一项政府资源，提供用于辅助识别入侵性无脊椎动物、植物病害和杂草的检索表与数字工具，以及用于分拣诱捕器内容物的指南；其中并非每一种工具都必然基于人工智能，而数字识别本身并不赋予采取检疫行动的决策权。访问日期：2026年9月27日。

\[SRC104\] National Plant Diagnostic Network.（日期未注明）。National Plant Diagnostic Network。https://www.npdn.org/ —— 这是一个机构网站，面向美国植物健康实验室网络、诊断与转介资源、监管衔接以及数据存储库；它证明了一个网络及转介结构的存在，但并不代表某一项单独检测，也不在其机构与地理范围之外赋予有效性。访问日期：2026年9月27日\.

\[SRC105\] European and Mediterranean Plant Protection Organization.（日期未注明）。EPPO Global Database。https://gd.eppo.int/ —— 这是一个机构数据库，用于提供与植物健康、分类、分布、标准以及与检疫、诊断和繁殖材料健康相关措施有关的信息；它不是人工智能系统，也不能替代国家主管机构或地方法律。访问日期：2026年9月27日\.

\[SRC106\] Early Detection & Distribution Mapping System.（日期未注明）。EDDMapS。https://www.eddmaps.org/ —— 这是一个美国平台，用于入侵物种报告、移动应用程序和地图，并包括将报告转交给审查人员网络；它证明了该网络内所宣称的数据收集与核验功能，但并不使某一份报告成为全球官方声明，也不能因为某些地区没有点位就证明该状况不存在。访问日期：2026年9月27日\.

\[SRC107\] IPM Decisions.（日期未注明）。IPM Decisions。https://ipmdecisions.net/ —— 这是一个欧洲研究与机构平台，提供对多个综合管理决策支持系统和天气数据的访问，以及关于这些系统适用性与可靠性的信息；它们被汇集到同一平台上，并不意味着它们采用同一种方法，也不意味着它们全部都是人工智能，或对每个国家和每种作物都有效。访问日期：2026年9月27日\.

\[SRC108\] CABI.（日期未注明）。CABI BioProtection Portal。https://bioprotectionportal.com/ —— 这是一个机构门户，可按国家、作物和有害生物搜索已登记的生物保护产品，并提供指导资源；它证明了登记信息中的检索功能，但并不能证明每一种产品在某一特定农场上的有效性，也不会形成施用量或独立使用许可。访问日期：2026年9月27日\.

\[SRC109\] 美国环境保护署。（无日期）。Pesticide Product and Label System。https://ordspub.epa.gov/ords/pesticides/f?p=PPLS:1 — 一项美国法律下的官方监管服务，提供该机构受理的产品标签，说明了标签在处理信息和安全使用中的作用；其适用范围为美国，不会将登记转移到其他国家，并且它是关于标签的监管来源，而不是对每一种产品有效性的独立评估。访问日期：2026年9月27日\.

\[SRC110\] 宾夕法尼亚州立大学 PlantVillage。（无日期）。PlantVillage AI。https://plantvillage.psu.edu/ — 一个机构页面，介绍了一款处于试点测试中的助手，该助手将外部模型和工具与天气和土壤数据相结合，并评估多个模型；它并不能证明其具有普遍准确性或覆盖范围，也不赋予其进行诊断或防治的权威，也不意味着 PlantVillage AI 与 PlantVillage Nuru 是同一产品。访问日期：2026年9月27日\.

\[SRC111\] van Delden, S. H., 等。（2021）。《Current status and future challenges in implementing and upscaling vertical farming systems.》 Nature Food, 2(12), 944–956。 https://doi.org/10.1038/s43016-021-00402-w — 一篇经同行评审的科学综述，讨论了垂直农业系统在实施和扩大规模方面的挑战，以及这些挑战与作物、技术和资源之间的关系；它并不能证明每一处设施或每一种作物都具有有保证的盈利能力或能源效率。

\[SRC112\] Beacham, A. M., Vickers, L. H., & Monaghan, J. M. （2019）。《Vertical farming: a summary of approaches to growing skywards.》 The Journal of Horticultural Science and Biotechnology, 94(3), 277–283。 https://doi.org/10.1080/14620316.2019.1574214 — 一篇经同行评审的科学综述，概述了垂直农业设计和方法的多样性；它并未就能源、生产或经济性给出单一结论，也不意味着层叠种植本身就是可持续性的证据。

\[SRC113\] Shamshiri, R. R., 等。（2018）。《Advances in greenhouse automation and controlled environment agriculture: A transition to plant factories and urban agriculture.》 International Journal of Agricultural and Biological Engineering, 11(1), 1–22。 https://doi.org/10.25165/j.ijabe.20181101.3210 — 一篇经同行评审的科学综述，讨论了温室自动化和可控环境农业中的自动化与控制进展；它并不能证明完全的运营自主性，也不能证明每一种技术都适用于每一处设施。

\[SRC114\] Gebbers, R., & Adamchuk, V. I. (2010). “精准农业与粮食安全。” Science, 327(5967), 828–831. https://doi.org/10.1126/science.1183899 — 一篇经过同行评审的科学论文，将精准农业界定为利用信息与技术对变异性进行管理；它并未证实任何特定商业产品的准确性或可行性，也未认为仅凭地图本身就构成可执行的处方。

\[SRC115\] Wolfert, S., Ge, L., Verdouw, C., & Bogaardt, M.-J. (2017). “智慧农业中的大数据——综述。” Agricultural Systems, 153, 69–80. https://doi.org/10.1016/j.agsy.2017.01.023 — 一篇经过同行评审的科学综述，评述了智慧农业中的数据架构、参与方与相互关系；它并未证明更多数据或更强连通性会自动改善决策，也未将自动化与人工智能视为同义概念。

\[SRC116\] Blue Radix.（无日期）。Crop Controller / Autonomous Climate & Irrigation Control。https://blue-radix.com/solutions/ — 供应商关于一款所宣传的基于 AI 的温室气候与灌溉控制产品的官方页面，该产品被表述为运营策略的一部分；该页面能够证实其商业功能描述，但不能提供关于产量、资源使用或劳动力的独立数据，也不能证明其对每一种作物和每一类设施都有效。内容于2026年9月26日核查，链接可用性于2026年9月29日再次核查。

\[SRC117\] Source.ag. (n.d.). Harvest Forecast; Irrigation Control; Source Intelligence. 采收预测; 灌溉控制; 平台 — 供应商介绍温室采收预测、灌溉控制和设施信息管理等宣传功能的页面；这些页面不能把商业展示的准确率或改进幅度确立为独立评估结果，也不能证明相关性能可转移到所有设施，或证明其集成在所有设施中均属安全。已于 2026 年 10 月 19 日重新核验。

\[SRC118\] Priva. (n.d.). Greenhouse Technology and Horticulture Automation. https://www.priva.com/horticulture — 供应商关于所宣传解决方案的官方页面，其中包括气候计算机、传感器、灌溉、水管理和园艺自动化；该页面并不能证明所有功能都使用机器学习，也不能证明其对产量、效率或利润具有普遍且独立的影响。内容于 2026年9月26日核查，链接可用性于 2026年9月29日再次核查。

\[SRC119\] John Deere. (n.d.). See & Spray Ultimate. https://www.deere.com/en-us/products-solutions/sprayers-and-applicators/see-spray-ultimate — 供应商关于一项所宣传用途的官方页面：在特定作物和设备配置下使用计算机视觉与机器学习对杂草进行定向处理；该页面并不能证明独立的节约效果、准确性或影响，也不能证明其适用于产品范围、产品标签和当地法律之外的使用。内容于 2026年9月26日核查，链接可用性于 2026年9月29日再次核查。

\[SRC120\] DJI Agriculture.（无日期）。Agricultural Drone and Smart Farm Ecosystem。https://ag.dji.com/ — 这是供应商的官方页面，介绍其宣传中的无人机和平台，用于规划、监测以及喷洒或撒施；它并不能确立每一项农业决策功能都基于人工智能，也不能确立其在每个国家和每种作物中的作业安全性、合法性或性能。内容于 2026 年 9 月 26 日核查，链接可用性于 2026 年 9 月 29 日再次核查。

\[SRC121\] Slaughter, D. C., Giles, D. K., & Downey, D.（2008）。《自主机器人杂草防除系统：综述》。Computers and Electronics in Agriculture，61(1)，63–78。https://doi.org/10.1016/j.compag.2007.05.008 — 这是一篇经同行评审的科学综述，讨论机器人杂草防除系统的架构，以及感知、导航与田间执行方面的挑战；它描绘了该领域的全貌，但并不能确立某一当前产品的性能，也不能确立其对某一具体农场的适用性。

\[SRC122\] Norsworthy, J. K., Ward, S. M., Shaw, D. R., Llewellyn, R. S., Nichols, R. L., Webster, T. M., Bradley, K. W., Frisvold, G., Powles, S. B., Burgos, N. R., Witt, W. W., & Barrett, M.（2012）。《降低除草剂抗性风险：最佳管理实践与建议》。Weed Science，60(SP1)，31–62。https://doi.org/10.1614/WS-D-11-00155.1 — 这是一份关于通过方法多样化、监测存活个体并防止种子库新增来管理除草剂抗性风险的科学参考文献；它并未为每一种作物或每一个国家提供单一处方，也不能替代标签和本地建议。

\[SRC123\] Hasan, A. S. M. M., Sohel, F., Diepeveen, D., Laga, H., & Jones, M. G. K.（2021）。《用于图像杂草检测的深度学习技术综述》。Computers and Electronics in Agriculture，184，106067。https://doi.org/10.1016/j.compag.2021.106067 — 这是一篇经同行评审的科学综述，讨论用于基于图像进行杂草检测的深度学习方法，以及其数据与任务的多样性；它有助于理解感知层及比较的边界，但其本身并不能确立防治决策，也不能确立机器人在田间的作业表现。

\[SRC124\] Mohler, C. L., & Johnson, S. E.（编）。（2009；2020 年重印）。有机农场上的作物轮作：规划手册。可持续农业研究与教育（SARE），NRAES-177。ISBN 978-1-933395-21-0。资源页面；全文 —— 一份开放获取的实用规划指南，在地图、管理单元、记录、作物序列、覆盖作物和应急计划中汇集了农民与研究人员的经验。其原则具有广泛参考价值，但其中的作物与病虫害安排以及再现间隔主要面向美国东北部和加拿大东部，不应机械照搬到其他地区。

\[SRC125\] Al-Ansari, Majid Mohsen；Al-Younis, Abdul Hamid Ahmad；等。（1980）。«Crop Rotation»，载于 Principles of Field Crops，第 181–204 页。电子文本；该书书目信息记录 —— 一份历史性的阿拉伯语学术来源，将轮作设计与土壤、气候、灌溉、劳动力和市场销售联系起来，并说明如何计算轮作长度及其分区数量。其中的试验数据、气候界限和分类术语应视为历史内容；在用于咨询建议之前，需要依据原始来源进行核实，并结合当地情况更新。

\[SRC126\] Ma, B.-L.（编）。（2016）。作物轮作：农业实践、监测与环境效益。Nova Science Publishers，213 页。ISBN 978-1-63484-496-3。出版社页面；开放记录 —— 一部多位作者共同完成的综合性著作，涵盖农业、土壤、环境与经济学，包括固氮、土壤健康、病害与昆虫、多样性以及碳足迹。出版社说明和记录能够确立其身份与范围，但不能据此得出每一种系统都具有统一效应量的结论。

\[SRC127\] Su, Q., Wu, Y., Dong, Y., Ding, Z., Zhang, W., Ye, T., Lu, X., & Tang, Z.（2026）。《用于可持续农业的作物轮作：机制、技术与区域建议》。Applied Sciences，16(13)，6511。https://doi.org/10.3390/app16136511 —— 一篇经同行评审的科学综述，将植物—土壤—微生物相互作用与遥感、变量施肥以及区域化设计的作用联系起来。它支持关于作用机制和区域适应的框架，但并不意味着可以把某一特定系统中的技术结果直接变成普遍适用的处方。

\[SRC128\] World Organisation for Animal Health (WOAH). (the electronic edition in force at the time of consultation). Terrestrial Animal Health Code, Chapter 7.1: Introduction to the Recommendations for Animal Welfare. 官方文本 — 这是关于动物福利一般原则、“五项自由”以及如何使用基于动物的指标和基于结果的指标的官方参考；它并不意味着单一指标就构成完整评估，也不能替代国家要求或兽医评估。内容及可用性已于 2026年10月5日核查。

\[SRC129\] Halachmi, I., Guarino, M., Bewley, J., & Pastell, M. (2019). “Smart Animal Agriculture: Application of Real-Time Sensors to Improve Animal Well-Being and Production.” Annual Review of Animal Biosciences, 7, 403–425. https://doi.org/10.1146/annurev-animal-020518-114851 — 这是一篇经同行评审的综述，讨论了动物系统中实时传感的适用范围、个体测量与群体测量的区别，以及把数据转化为行动的必要性；它并未确立某一特定设备的有效性，也未确立对动物福利的一般性影响。

\[SRC130\] Rutten, C. J., Velthuis, A. G. J., Steeneveld, W., & Hogeveen, H. (2013). “Invited review: Sensors to support health management on dairy farms.” Journal of Dairy Science, 96(4), 1928–1952. https://doi.org/10.3168/jds.2012-6107 — 这是一篇经同行评审的综述，区分了奶牛场传感器中的测量、解释、信息整合和决策各层级，并显示了核验参照、测试规模和农场数量所带来的影响；其汇总结果反映的是特定历史时期的情况，并受检索时期限制，不能描述当前市场。

\[SRC131\] Stygar, A. H., Gómez, Y., Berteselli, G. V., Dalla Costa, E., Canali, E., Niemi, J. K., Llonch, P., & Pastell, M. (2021). “A Systematic Review on Commercially Available and Validated Sensor Technologies for Welfare Assessment of Dairy Cattle.” Frontiers in Veterinary Science, 8, 634338. https://doi.org/10.3389/fvets.2021.634338 — 这是一篇开放获取的系统综述，讨论了用于奶牛动物福利评估的传感技术的外部验证。本章讨论的商业工具数量受 2020年3月至5月期间所做市场检索以及研究标准的限制，并不代表固定的行业比率，也不意味着对每一种工具的认可。

\[SRC132\] Li, N., Ren, Z., Li, D., & Zeng, L. (2020). “Review: Automated techniques for monitoring the behaviour and welfare of broilers and laying hens: towards the goal of precision livestock farming.” Animal, 14(3), 617–625. https://doi.org/10.1017/S1751731119002155 — 这是一篇经同行评审的综述，讨论了在肉鸡和蛋鸡监测中使用声音、可穿戴设备和图像处理的方法；它展示的是可能性的范围、实施层面的约束以及进一步发展的需要，而不是一个已得到普遍验证的系统。

\[SRC133\] Schillings, J., Bennett, R., & Rose, D. C. (2021). “Animal welfare and other ethical implications of Precision Livestock Farming technology.” CABI Agriculture and Bioscience, 2, 17. https://doi.org/10.1186/s43170-021-00037-8 — 这是一篇开放获取的科学评论，基于一次有国际利益相关方参与的线上研讨会，探讨了伦理风险与机会；它有助于界定动物福利、人与动物关系和责任等问题，但并不构成因果实验，也不代表监管共识。

\[SRC134\] World Organisation for Animal Health (WOAH). (the electronic edition in force at the time of consultation). Terrestrial Animal Health Code, Chapter 6.10: Responsible and Prudent Use of Antimicrobial Agents in Veterinary Medicine. 官方文本 — 这是关于在兽医领域负责任且审慎使用抗菌药物所涉职责的官方参考，其中包括相关框架下的临床检查、处方、给药方案、治疗持续时间和休药期；它不能替代国家法律、当前注册情况或兽医的判断。内容及可用性已于 2026年10月5日核查。

\[SRC135\] Food and Agriculture Organization of the United Nations (FAO). (2019). The State of Food and Agriculture 2019: Moving Forward on Food Loss and Waste Reduction. https://doi.org/10.4060/CA6030EN — 这是关于如何测量食物损失、如何界定链条边界，以及为何必须明确分母和测量点的官方参考；它并不能确立一个通用的本地损失率，也不能免除按产品和路径开展现场测量的需要。

\[SRC136\] Codex Alimentarius Commission. (2004). Code of Practice on Good Animal Feeding (CXC 54-2004). 官方操作规范页面 — 这是一部关于饲料安全、良好规范、可追溯性及其与动物源性食品安全之间联系的国际守则；它不能替代国家法律、对该饲料原料的批准，或针对该批次及其预定用途开展的兽医和营养评估。

\[SRC137\] Food and Agriculture Organization of the United Nations (FAO), International Institute of Rural Reconstruction (IIRR), & WorldFish Center. (2001). Integrated Agriculture-Aquaculture: A Primer. https://www.fao.org/4/y1187e/y1187e00.htm — 这是关于农业—水产养殖综合系统、其相关情境以及其组成部分衔接方式的官方入门参考；它并不提供通用方案，也不授权在未经当地卫生、环境和监管核验的情况下转移水、沉积物、废弃物或饲料原料。

\[SRC138\] Bac, C. W., van Henten, E. J., Hemming, J., & Edan, Y. (2014). “Harvesting Robots for High-value Crops: State-of-the-art Review and Challenges Ahead.” Journal of Field Robotics, 31(6), 888–911. https://doi.org/10.1002/rob.21525 — 这是一篇关于高价值作物采收机器人的发展现状，以及其在感知、处理和作业方面所面临挑战的科学综述；它并未确立当前某一产品的成熟度或其商业表现。

\[SRC139\] Suttie, J. M. (2000). Hay and Straw Conservation: For Small-Scale Farming and Pastoral Conditions. FAO Plant Production and Protection Series No. 29. https://www.fao.org/4/x7660e/x7660e00.htm — 这是关于切割、干燥、搬运和贮存这一顺序，以及饲草系统多样性的官方参考；它并不提供适用于所有作物和气候的时间安排或自动控制。

\[SRC140\] Food and Agriculture Organization of the United Nations. (2009). International Year of the Potato 2008: New Light on a Hidden Treasure. https://www.fao.org/4/i0500e/i0500e00.htm — 这是一份关于马铃薯、其生产及相关链条的一般性官方参考；它并未确立任何特定类型的性能数字或机器设置。

\[SRC141\] John Deere. Operations Center. https://www.deere.com/en-us/products-solutions/technology-solutions/precision-ag-technology/operations-center (accessed on 7 October 2026) — 这是供应商关于收集田间、机器和操作员数据并支持作业管理的官方页面；它并不能证明每一项功能都是人工智能，也不能证明某项农业决策的有效性或任何独立效果。

\[SRC142\] John Deere. Combines. https://www.deere.com/en-us/products-solutions/harvesting/combines (accessed on 7 October 2026) — 这是供应商关于联合收割机及其集成技术的官方页面；它并不能证明其在本地的性能，不能证明能够自动实现最优校准，也不能证明有任何独立成效。

\[SRC143\] Tevel Aerobotics Technologies. Autonomous Flying Robots for Orchard Harvesting. https://www.tevel-tech.com/ (accessed on 7 October 2026) — 这是供应商关于依靠视觉和机器学习采摘果园水果并采集果实数据的飞行机器人的官方说明；它并不能证明其已具备普遍商业成熟度，也不能证明其性能已得到独立验证，或证明本地可获得相关服务。

\[SRC144\] Croptracker. Harvest Crop Yield Records. https://www.croptracker.com/product/farm-management-software/harvest-crop-yield-records.html (accessed on 7 October 2026) — 这是供应商关于记录采收、库存、产量和周转箱，并将其与位置、工人、质量和可追溯性关联起来的官方页面；它并不能证明每一项功能都是人工智能，也不能为安全或质量决策提供担保。

\[SRC145\] Clarifresh. AI-powered Fresh Produce Quality Control. https://clarifresh.com/ (accessed on 7 October 2026) — 这是供应商关于一个用于新鲜农产品质量检验，并提供 AI 支持的报告与分析功能的平台的官方页面；它并不能据此认定食品安全，也不能证明节省情况或生产率已经过独立核验。

\[SRC146\] AgroFresh. FreshCloud. https://www.agrofresh.com/solutions/freshcloud/ (accessed on 7 October 2026) — 这是供应商关于一个连接果园、检验、储存和运输环节数据的数字平台的官方页面；它并不能证明其所有功能都属于人工智能，也不构成任何安全或质量判断，更不能独立证明其影响。

\[SRC147\] World Bank. Employment in agriculture (% of total employment) (modeled ILO estimate), Indicator SL.AGR.EMPL.ZS. 阿拉伯世界、埃及、摩洛哥和约旦，2025 年; 撒哈拉以南非洲、南亚、拉丁美洲和加勒比地区，2025 年; 指标定义 — 基于国际劳工组织模型估算的官方数据。这些数值是指定汇总区域中农业就业占总就业的比例，不是农户人数的直接统计，也不是对所有与农业相关的家庭劳动和物流工作的测量。复核日期为 2026 年 10 月 19 日；数据响应显示的最近更新日期为 2026 年 10 月 8 日。

\[SRC148\] 国际劳工组织（ILO）。（2015）。面向人人共享的环境可持续经济与社会的公正转型指南。官方页面 —— 这是一个关于经济转型期间社会对话、社会保护、技能发展和劳动力市场政策的指导框架；它被用于构建公正转型原则，但并未提供针对收获自动化的具体处方，也不能替代劳动法和国家政策。

\[SRC149\] Food and Agriculture Organization of the United Nations (FAO). (2023). The Status of Women in Agrifood Systems. 报告标识符; 官方报告文件 — 一份关于女性在农食系统中的劳动、机会与制约因素的全球报告。第二十四章编写时使用的工资差距分析见第 58–59 页和表 2.4，涉及十个国家的样本；它不能证明自动化或工资差距在所有国家、作物或群体中都遵循相同模式。

\[SRC150\] AKVA group. (n.d.). AKVA observe. 原文或页面 (accessed 15 October 2026) — 商业性描述： 供应商官网对视频分析，以及对投喂数据、传感器数据、鱼类行为和可见饲料颗粒进行监测并向操作员发出警报的说明；但这并不能独立证明其性能、其适用于每一种物种和系统，或其提供阿拉伯语支持或本地服务。

\[SRC151\] UMITRON. (n.d.). Services: CELL and Fish Appetite Index (FAI). 原文或页面 (accessed 15 October 2026) — 商业性描述： 供应商对一套基于 AI 和 IoT 的投喂系统，以及一个利用机器学习分析群体行为的指数所作的介绍；但这并不能证明其能够确定完整的摄食状况或饱食程度、在当地带来节约效果，或证明该系统可不加区分地迁移到所有物种。

\[SRC152\] Innovasea. (n.d.). Environmental Monitoring. 原文或页面 (accessed 15 October 2026) — 商业性描述： 对通过 Realfish Pro 测量氧气和温度，并显示数据、图表和可配置警报的官方说明；测量、显示和基于规则的阈值并不全都属于 AI，而且该页面并不能证明其在当地运营中的收益。

\[SRC153\] JALA. (n.d.). JALA App. 原文或页面 (accessed 15 October 2026) — 商业性描述： 用于记录虾塘养殖周期、水体情况、投喂和生长情况，以及离线录入现场数据的应用页面；但这并不意味着每一项功能都是 AI 预测，也不能证明在服务中断期间仍能持续发出警报或持续实施控制。

\[SRC154\] Innovasea. (7 November 2024). Innovasea Partners with BiOceanOr to Deliver Oxygen Forecasts. 原文或页面 (accessed 15 October 2026) — 商业性描述： 关于利用传感器数据、开放数据、天气和海洋模型以及 AI 算法，对网箱内氧气水平进行预测的合作公告；但这并不能证明该功能在每一份合同中都会启用，也不能证明其可提前两年进行预测及其相应准确性，或适用于池塘和循环水养殖系统。

\[SRC155\] Aquabyte. (n.d.). AI and Software. 原文或页面 (accessed 15 October 2026) — 商业性描述： 供应商对计算机视觉和机器学习如何用于分析图像与数据、估计重量，以及跟踪鱼虱指标、行为和福利状况的说明；但这并不能独立证明其能够对整群进行完整计数、进行临床诊断，或具有普遍可迁移性。

\[SRC156\] OptoScale. (n.d.). Weight. 原文或页面 (accessed 15 October 2026) — 商业性描述： 一个根据鱼类图像估计重量、规格分布和趋势的设备页面；其中并未说明对所有个体进行直接称重，也不能证明其能够进行活体尾数统计、证明成像样本具有代表性，或证明其在当地条件下的表现。

\[SRC157\] OptoScale. (n.d.). Welfare. 原文或页面 (accessed 15 October 2026) — 商业性描述： 对伤口、鳞片脱落和鳍部状况等可见指标进行分析并指导后续跟进的官方说明；但这并不能排除内部疾病，也不能证明其可用于诊断或治疗，或证明其在每一种物种上的性能。

\[SRC158\] Elicit. (n.d.). Getting Started with Elicit: Which Workflow Should I Use?. 原文或页面 (accessed 15 October 2026) — 技术文档： 关于检索、提取、分析论文和报告、开展系统综述以及说明方案局限的官方工作流程指南；该文档足以证明其中所述功能，但你仍需核验原始来源，并确认其是否适合当前决策。

\[SRC159\] Consensus. (n.d.). How Consensus Works. 原文或页面 (accessed 15 October 2026) — 技术文档： 关于带引文的文献检索与综合、在可获取全文时使用其全文，以及共识指标的官方说明；但该指标并不提供对研究质量或当地采用情况的独立判断。

\[SRC160\] Consensus. (n.d.). Responsible AI and Limitations. 原文或页面 (accessed 15 October 2026) — 技术文档： 关于覆盖范围局限以及可能误解来源的文档；它支持回到原始研究并核实引文，但并不会让自动化摘要变成完整的系统综述。

\[SRC161\] AKVA group. (n.d.). AKVA Equipment App FAQ: Is It Possible to Use the App in Offline Mode?. 原文或页面 (accessed 15 October 2026) — 技术文档： 供应商就记录数据、离线可用以及在服务恢复后发送数据所作的答复；但这并不能证明模型可在本地运行、具备应急防护，或能在脱离网络时独立进行设备控制。

\[SRC162\] AQ1 Systems. (n.d.). Sonic Feeding System. 原文或页面 (accessed 15 October 2026) — 商业性描述： 对虾摄食的声学检测、行为算法、控制与测量单元以及 AQ1 Analytics 的官方说明；但这并不能证明所有功能都可在脱离网络时独立运行，也不意味着每一项规则都属于机器学习。

\[SRC163\] Edge Impulse. (n.d.). Run Docker: Model Deployment. 原文或页面 (accessed 15 October 2026) — 技术文档： 关于运行已针对硬件准备就绪的本地模型的文档；默认的模型获取设置需要互联网接入，而如果具备所需组件和合适文件，推理可在本地运行。它是一种通用工程工具，仍然需要模型、测量以及农场现场测试。

\[SRC164\] Food and Agriculture Organization of the United Nations (FAO), Coordinating Working Party on Fishery Statistics (CWP). (n.d.). Handbook: Conversion Factors. 原文或页面 (accessed 15 October 2026) — 专业参考资料： 关于将产品重量换算为活体重量当量的官方统计参考，包括物种、规格、加工方式和换算条件的影响；但这并不意味着单一系数对所有产品都有效，也不意味着估算值就成了直接测得的重量。

\[SRC165\] aquaManager. (n.d.). Platform. 原文或页面 (accessed 15 October 2026) — 商业性描述： 供应商对生产、投喂、库存、生物量、成本、报告、数据采集，以及与生物量和饲料颗粒相关的摄像头应用等管理功能的介绍；但这并不意味着每一项功能都是 AI，也不能证明其准确性已得到独立证明，或其在当地可获得。

\[SRC166\] Wittaya Aqua. (n.d.). Farm Management Tool. 原文或页面 (accessed 15 October 2026) — 商业性描述： 对生产、饲料、样本、对比、生长、生物量、经济换算记录以及生物经济建模的官方说明；但这并不能证明所有计算都属于机器学习，也不能证明这些预测在另一家农场同样成立。

\[SRC167\] Edge Impulse. (n.d.). Model Testing. 原文或页面 (accessed 15 October 2026) — 技术文档： 关于测试集、指标、混淆矩阵、模型变量和阈值的文档，包括排除某些类别的条件；使用该工具并不保证测试具有独立性，也不保证所用农场参照本身有效。

\[SRC168\] MLflow. (n.d.). Experiment Tracking. 原文或页面 (accessed 15 October 2026) — 技术文档： 关于存储参数、版本、指标、文件以及指向模型和数据的链接，并对实验进行比较的文档；测试记录井然有序，并不能证明输入正确、测试具有独立性，或其益处已得到核实。

\[SRC169\] Evidently. (n.d.). Data Drift. 原文或页面 (accessed 15 October 2026) — 技术文档： 关于比较参照数据与当前数据分布的文档；分布变化只是一个需要解释并结合实测参照结果判断的指标，而缺失数据需要独立核查。默认设置并不代表农场安全阈值。

\[SRC170\] Cardia, F., & Lovatelli, A. (2015). Aquaculture Operations in Floating HDPE Cages: A Field Handbook. FAO Fisheries and Aquaculture Technical Paper No. 593. Rome: FAO. 原文或页面 (accessed 15 October 2026) — 专业参考资料： 关于场址选择、暴露条件、水流、网具、饲料分配、系泊、生物污损和维护的现场手册；它用于理解海上运行环境，但不能把设计或运行极限直接套用于未经考察的场址。

\[SRC171\] CageEye. (n.d.). Discovery. 原文或页面 (accessed 15 October 2026) — 商业性描述： 供应商对鱼类行为和分布的水下声学监测，以及机器学习应用的说明；但这并不能证明其能够对整群进行完整计数、作出诊断，或核实摄食量。

\[SRC172\] CageEye. (n.d.). Feeding. 原文或页面 (accessed 15 October 2026) — 商业性描述： 供应商对投喂计划、配置规则、反馈、投喂回顾和运行模式的介绍；自动模式并不赋予当地运行授权，也不取消对某项操作进行授权所需满足的条件。

\[SRC173\] Georgopoulou, D. G., Vouidaskis, C., & Papandroulakis, N. (2024). “Swimming Behavior as a Potential Metric to Detect Satiation Levels of European Seabass in Marine Cages.” Frontiers in Marine Science, 11, 1350385. DOI: 10.3389/fmars.2024.1350385. 原文或页面 (accessed 15 October 2026) — 科学研究： 关于利用计算机视觉和跟踪研究欧洲海鲈摄食行为的研究；其结果应结合放养密度、光照和实验范围来解读，不能据此视为当地已采用的饱食度衡量方法，也不能据此推定其可转用于每一种物种和系统。发表日期：2024年3月4日。

\[SRC174\] AKVA group. (n.d.). Artificial Intelligence Is Shaping the Future of Aquaculture. 原文或页面 (accessed 15 October 2026) — 商业性描述： 企业在三文鱼养殖场背景下对摄像头使用和投喂支持所作的说明；其可用于描述技术发展背景，但不能把装机数量或未来承诺当作当前可用情况的清单或独立结果。

\[SRC175\] Beddow, T. A., Ross, L., & Marchant, J. A. (1996). “Predicting Salmon Biomass Remotely Using a Digital Stereo-imaging Technique.” Aquaculture, 146(3–4), 189–203. DOI: 10.1016/S0044-8486(96)01384-1. 原文或页面 (accessed 15 October 2026) — 科学研究： 斯特灵大学关于利用大西洋鲑的立体图像尺寸和回归关系估计重量与生物量的研究记录与摘要；仅审阅了记录和摘要，并不声称已阅读全文，也不声称其目前已在当地带来益处，或可将其准确率转用于另一家农场。

\[SRC176\] Aquabyte. (n.d.). WEIGHT. 原文或页面 (accessed 15 October 2026) — 商业性描述： 关于重量估计、生长、规格分布、变异和收获报告的页面；供应商的说明并不能证明其对所有规格都有代表性，也不能证明涉及的个体数量、投资回报，或其性能已得到独立证明。

\[SRC177\] Ace Aquatec. (n.d.). A-BIOMASS. 原文或页面 (accessed 15 October 2026) — 商业性描述： 对同步双目摄像头和机器学习如何用于身体标志点、尺寸、重量估计和跟踪的官方说明；该说明澄清了估算链条，但并不意味着成像就是直接称重，或等同于对整群进行完整计数。

\[SRC178\] Aquabyte. (n.d.). Species: Atlantic Salmon. 原文或页面 (accessed 15 October 2026) — 商业性描述： 该公司关于其模型适用于大西洋鲑场景的物种页面；其中明确限定为大西洋鲑，并不能证明其适用于罗非鱼、海鲈、海鲷，或提供本地阿拉伯语服务。

\[SRC179\] Masser, M. P., Rakocy, J., & Losordo, T. M. (1999, revised March). Recirculating Aquaculture Tank Production Systems: Management of Recirculating Systems. Southern Regional Aquaculture Center, Publication No. 452. 原文或页面 (accessed 15 October 2026) — 专业参考资料： 关于电力、供水和供氧连续性、生物过滤敏感性以及服务中断的农业推广指南；原始副本由佛罗里达大学托管，此处用于准备就绪原则，而不把可承受持续时间、极限或工程规格直接套用。

\[SRC180\] OxyGuard. (n.d.). Commander Pacific. 原文或页面 (accessed 15 October 2026) — 商业性描述： 一个过程监测与控制系统的页面；但这并不能证明该系统属于 AI，也不能证明某种特定配置能在中断期间提供本地保护，或证明该系统可配套提供适合该场址的服务。

\[SRC181\] Innovasea. (n.d.). Realfish Pro: Precision Aquaculture Platform. 原文或页面 (accessed 15 October 2026) — 商业性描述： 对一个包含测量、摄像头、分析、警报和运行工具的平台的说明；但这并不能证明关键功能在当地条件下能够持续运行，也不能证明其提供阿拉伯语支持，或普遍适用于池塘和循环水养殖系统。

\[SRC182\] Innovasea. (n.d.). Farm360: Farm Management Software. 原文或页面 (accessed 15 October 2026) — 商业描述： 关于一款云端软件的页面，涵盖鱼类和虾类养殖场记录、饲喂、健康、环境、库存、计划和可追溯性；它并不意味着每一项功能都是机器学习，也未证明节省效果、定价或本地支持。

\[SRC183\] Aquabyte. (n.d.). FEEDING. 原文或页面 (accessed 15 October 2026) — 商业描述： 供应商对颗粒饲料跟踪、行为分析、食欲估计、告警和设备集成的描述；这并不保证能够节省饲料、具备某一预测跨度、实现全部摄食，或适用于罗非鱼池塘。

\[SRC184\] Bluefarm Environment. (n.d.). DiGiTrout. 原文或页面 (accessed 15 October 2026) — 商业描述： 对一个基于科学模型、面向鳟鱼养殖设施的仿真平台的展示；它并未证明与传感器的实时联接、其独立性能，或每一项功能都使用人工智能（AI）。

\[SRC185\] DHI. (n.d.). MIKE ECO Lab. 原文或页面 (accessed 15 October 2026) — 技术文件： 对一款用于对水环境、水质、营养物质及其对氧的影响进行建模与规划的软件的说明；它需要适当的设置、限制条件和数据，并不等同于可直接用于养殖池的现成控制系统，也不构成对生物体的诊断。

\[SRC186\] SINTEF Ocean. (n.d.). FhSim. 原文或页面 (accessed 15 October 2026) — 技术文件： 对一个海事数学仿真平台的介绍，其中包括网箱、系泊以及数字孪生示例；组件可用性和许可方式各不相同，而且该工程模型并不能证明其在养殖场所有功能上的生物学适用性。

\[SRC187\] Føre, M., Alver, M. O., Alfredsen, J. A., Rasheed, A., Hukkelås, T., Bjelland, H. V., Su, B., Ohrem, S. J., Kelasidi, E., Norton, T., & Papandroulakis, N. (2024). “Digital Twins in Intensive Aquaculture — Challenges, Opportunities and Future Prospects.” Computers and Electronics in Agriculture, 218, 108676. DOI: 10.1016/j.compag.2024.108676. 原文或页面 (accessed 15 October 2026) — 科学研究： 关于数字孪生定义、组成部分、应用场景和前景的科学综述；已查阅 SINTEF 记录和摘要，对成熟度的解读仅适用于论文发表时点，并不因此构成一份全面的 2026 年盘点或本地现场核验。

\[SRC188\] Katsidoniotaki, E., Su, B., Kelasidi, E., & Sapsis, T. P. (2025). “Multifidelity Digital Twin for Real-time Monitoring of Structural Dynamics in Aquaculture Net Cages.” Scientific Reports, 15, 44281. DOI: 10.1038/s41598-025-27812-1. 原文或页面; SINTEF 条目记录及已审阅摘要 (accessed 15 October 2026) — 科学研究： 一项结合仿真、机器学习和 SINTEF ACE 网箱结构动力学现场测量的研究；由于无法打开出版方页面，其细节依据 SINTEF 记录和已审阅摘要补全，但这并不声称已重新阅读全文，也不意味着已具备适用于养殖场每一项功能的现成数字孪生。

\[SRC189\] Somerville, C., Cohen, M., Pantanella, E., Stankus, A., & Lovatelli, A. (2014). Small-scale Aquaponic Food Production: Integrated Fish and Plant Farming. FAO Fisheries and Aquaculture Technical Paper No. 589. Rome: FAO. 原文或页面; 备用官方条目及作者信息; FAO 文献库中的文档 (accessed 15 October 2026) — 专业参考： 一份关于植物和鱼类生产、处理以及不同要求的机构指南；已核对其细节和官方说明，它并未规定具体的设计、用水、材料或本地配方。正文中引用的条目链接予以保留；由于无法重新打开第一个链接，另附一个官方替代链接。

\[SRC190\] Bluelab. (n.d.). Edenic. 原文或页面 (accessed 15 October 2026) — 商业描述： 供应商对监测、告警、数据导出以及通过兼容设备进行控制的描述；这并不会把测量和基于规则的功能变成人工智能，也不授权将水转移到另一单元。

\[SRC191\] Son, S., & Jeong, Y. (2026, volume year). “Resource-Efficient Nutrient Dosing for Sustainable Aquaponics: Analysis System for Nutrient Requirements in Hydroponics (ASNRH) Using Aquaculture Byproducts and Neural Networks.” Sustainability, 18(1), 247. DOI: 10.3390/su18010247. 原文或页面 (accessed 15 October 2026) — 科学研究： 一项使用神经网络估计营养需求的框架研究；电子出版日期为 2025 年 12 月 25 日，而卷期年份为 2026 年。使用了已收录的出版方摘要和引文数据；因无法获取全文（HTTP 429），这里不转引定量结果，也不声称具有独立的现场验证或物料转移批准。

\[SRC192\] NOAA Fisheries. (n.d.). Fish Stock Assessment 101 Series, Part 1: Data Required for Assessing U.S. Fish Stocks. 原文或页面 (accessed 15 October 2026) — 专业参考： 对渔获、丰度、生物学以及独立于渔业作业的调查数据的官方说明；它阐明了资源评估所需的条件，并不判定本地资源种群状态，也不把观测次数等同于总丰度。

\[SRC193\] Hoyle, S. D., Campbell, R. A., Ducharme-Barth, N. D., Gruss, A., Moore, B. R., Thorson, J. T., Tremblay-Boyer, L., Winker, H., Zhou, S., & Maunder, M. N. (2024). “Catch per Unit Effort Modelling for Stock Assessment: A Summary of Good Practices.” Fisheries Research, 269, 106860. DOI: 10.1016/j.fishres.2023.106860. 原文或页面 (accessed 15 October 2026) — 科学研究： NOAA 页面及研究摘要，讨论了在实践中如何考虑渔获定义、努力量、可捕性、环境、位置、报告和不确定性；它并不把单位努力渔获量视为资源生物量的直接测度，且这里不声称已阅读全文。

\[SRC194\] NOAA Fisheries. (n.d.). Increasing Efficiency of Video Surveys with Artificial Intelligence. 原文或页面 (accessed 15 October 2026) — 专业参考： 对 VIAME 用于生物体检测、运动跟踪、视频和图像标注以及准确性审查的机构概述；它并不能证明种群丰度、其在本地条件下的总体性能，或阿拉伯语支持。

\[SRC195\] Archipelago. (n.d.). Technology: FishVue AI and Interpret. 原文或页面 (accessed 15 October 2026) — 商业描述： 供应商对在视频中检测片段、对关键时刻进行排序并将其提交给 Interpret 供人工分析员核验的描述；它并不能证明对每一种物种的准确性、直接体重测量，或一般性的法律认可。

\[SRC196\] Global Fishing Watch. (n.d.). Datasets and Code: Apparent Fishing Effort. 原文或页面 (accessed 15 October 2026) — 技术文件： 一种利用机器学习从船舶自动识别系统（AIS）数据中推断表观捕鱼活动的方法，存在与小型船舶覆盖、信号接收和使用方式相关的局限；它不是对渔获量或资源丰度的测量。

\[SRC197\] Global Fishing Watch. (n.d.). API Documentation: Data Caveats. 原文或页面 (accessed 15 October 2026) — 技术文件： 关于 AIS 数据中事件、推断分类、语境和不确定性及其局限的文档；它有助于将推断与合规证明、法律裁定或活动完整清单区分开来。

\[SRC198\] Food and Agriculture Organization of the United Nations (FAO). (n.d.). Small-scale Fisheries Governance. 原文或页面 (accessed 15 October 2026) — 专业参考： 关于小规模渔业治理、负责任利用、共同管理以及将渔民、妇女和边缘化群体纳入其中的自愿准则页面；它并不授予本地开发利用权，也不取代有权主管机关。

\[SRC199\] World Organisation for Animal Health (WOAH). (electronic edition at the time of access). Aquatic Animal Health Code: Biosecurity for Aquaculture Establishments. 原文或页面 (accessed 15 October 2026) — 专业参考： 关于风险评估以及针对具体养殖场所、用于防止病原体传入、传播和释放的管理与物理措施的官方参考；它并不批准特定场址的程序，也不取代国家要求和专业人员。

\[SRC200\] World Organisation for Animal Health (WOAH). (electronic edition at the time of access). Aquatic Animal Health Code: Disinfection of Aquaculture Establishments and Equipment. 原文或页面 (accessed 15 October 2026) — 专业参考： 关于消毒如何与有机物清除、表面、水体及适当程序相关联的官方参考；这里只用于原则说明，并未照搬化学剂量或标准化程序，也不构成任何成功证明。

\[SRC201\] World Organisation for Animal Health (WOAH). (electronic edition at the time of access). Manual of Diagnostic Tests for Aquatic Animals: General Introduction. 原文或页面 (accessed 15 October 2026) — 专业参考： 对取样与诊断、检测目的之间关系的官方引介；它区分定向检出与群体代表性，并不把有限样本变成对场所内全部个体的判断。

\[SRC202\] World Organisation for Animal Health (WOAH). (electronic edition at the time of access). Aquatic Animal Health Code: Aquatic Animal Health Surveillance. 原文或页面 (accessed 15 October 2026) — 专业参考： 关于群体定义、监测设计、检测特性和不确定性的官方参考；它并不把单个结果当作对整体健康状态的全面判断，也不把单个结果当作自动作出调运或放流决定的依据。

\[SRC203\] aquaManager. (n.d.). aquaManager: Core Platform. 原文或页面 (accessed 15 October 2026) — 商业描述： 一个页面介绍如何组织生产、调运、饲喂和死亡事件，并连接孵化育苗与养成环节；仅有数据管理本身并不是智能模型、生物安全计划，也不能证明所有路径都完整。

\[SRC204\] Aquabyte. (n.d.). LICE. 原文或页面 (accessed 15 October 2026) — 商业描述： 供应商对基于人工智能（AI）、从图像中进行海虱计数和分类的描述，并提供图像供审查；它并不能证明对所有病原体的诊断、调运或治疗授权，或其在本地物种上的性能。

\[SRC205\] Manolin. (n.d.). Aquaculture Data Intelligence. 原文或页面 (accessed 15 October 2026) — 商业描述： 对连接群组历史、调运、分群和生产周期的官方说明；仅凭这一页面，并不能证明每一项功能都存在机器学习模型，也不能证明场所记录完整。

\[SRC206\] Manolin. (n.d.). Watershed: Aquaculture Fish Health Software. 原文或页面 (accessed 15 October 2026) — 商业描述： 供应商对疾病风险预测模型以及场址和群组指标的介绍；每个模型的范围、参照基础、验证情况和合同启用条件都需要审查，而且它并不授权自动诊断或治疗。

\[SRC207\] Aquabyte. (n.d.). Species: Trout. 原文或页面 (accessed 15 October 2026) — 商业描述： 一个页面介绍专门面向虹鳟、用于估计体重、生长、福利和海虱的模型；它并不能证明其在每一种淡水系统中的性能、阿拉伯语本地服务，或对其他物种的适用性。

\[SRC208\] Innovasea. (n.d.). BiomassPro: Biomass Estimation. 原文或页面 (accessed 15 October 2026) — 商业描述： 供应商对利用双目相机、人工智能和尺寸分布来估计体尺和体重的介绍，适用于其所说明的物种和安装位置；它并不能证明已实现完整计数、能够保证总生物量，或已完成本地核验。

\[SRC209\] AQ1 Systems. (n.d.). Our Innovation. 原文或页面 (accessed 15 October 2026) — 商业描述： 供应商对在开发行为检测与控制中使用人工智能的说明；它并不能证明每一种声学算法、计算或规则都是机器学习，也不能将该系统的适用性一概而论。

\[SRC210\] Alfred Wegener Institute (AWI). (2023). MonitorShrimp: Mit künstlicher Intelligenz zu artgerechter und nachhaltiger Garnelenzucht. 原文或页面 (accessed 15 October 2026) — 研究项目： 该研究所关于一套原型的报告：这套原型于 2022 年在 Kiel 的一处研发设施中测试，使用手机图像和本地服务器来计数虾类、估计其长度并研究可见指标；这并不能证明该原型目前具有普遍的商业可得性，或已在本地得到采用。

\[SRC211\] Zhao, T., Shen, Z., Zou, H., Zhong, P., & Chen, Y. (2022). “Unsupervised Adversarial Domain Adaptation Based on Interpolation Image for Fish Detection in Aquaculture.” Computers and Electronics in Agriculture, 198, 107004. DOI: 10.1016/j.compag.2022.107004. 原文或页面; AGRIS 书目记录及已审阅摘要 (accessed 15 October 2026) — 科学研究： 关于在不同水产养殖场景之间进行检测适配的研究；已核查索引摘要，而在出版方无法访问（HTTP 403）后，作者姓名和细节由 AGRIS 补全。这里不声称已阅读全文，也不声称已证明该模型可迁移到每一种物种和系统。

\[SRC212\] Global Dialogue on Seafood Traceability (GDST). (n.d.). What Is the Objective of the Standard?. 原文或页面 (accessed 15 October 2026) — 专业参考： 对关键数据要素、关键跟踪事件以及以数字方式交换这些信息的格式的官方说明；这里并未具体给出最新版本号或合规日期，也不能证明每一条记录都安全或正确。

\[SRC213\] Trace Register. (n.d.). ORIGIN: Platform & Benefits. 原文或页面 (accessed 15 October 2026) — 商业描述： 一个页面介绍如何关联批次和文件、交换数据、与 CSV、Excel 和 API 集成，以及支持可追溯性与召回；它并不意味着所有功能都是人工智能（AI），也不能证明链条完整性或本地合规性。

\[SRC214\] ThisFish. (n.d.). Tally Features. 原文或页面 (accessed 15 October 2026) — 商业描述： 供应商对生产流程、库存、质量、从物料到产品的可追溯性、批次拆分与合并，以及读取器、打印机和秤的连接方式所作的介绍；对本地流程的映射仍需测试。

\[SRC215\] ThisFish. (n.d.). TallyBot. 原文或页面 (accessed 15 October 2026) — 商业描述： 关于在自动化、分析、预测、告警、核查外部数据库、核对规格，以及通过 TallyVision 进行视觉分类方面提供协助的说明；其中将计算、规则和搜索，与通过学习形成的预测和分类区分开来，但不对识别结果或产品安全作出保证。

\[SRC216\] Microsoft. (n.d.). Azure Document Intelligence in Foundry Tools. 原文或页面（访问日期：2026 年 10 月 15 日）— 技术文档： 介绍利用人工智能从文档中提取文本、字段、表格和结构，并说明该服务已纳入 Azure Content Understanding；它是一个需要在本地文档上进行集成和测试的组件，不是完整的可追溯性平台，也不能保证读取阿拉伯语身份证件。

\[SRC217\] aquaManager. (n.d.). Mobile Applications: aquaMobile. 原文或页面 (accessed 15 October 2026) — 商业描述： 对在现场记录投喂、死亡率和环境数据的说明，支持在线和离线运行并自动同步；这并不能证明记录与同步本身属于机器学习，也不能证明关键警报在中断期间已被接收。

\[SRC218\] Aquabyte. (n.d.). WELFARE. 原文或页面 (accessed 15 October 2026) — 商业描述： 关于针对可见指标、趋势以及需要后续跟进的单元进行图像分析并发出警报的页面；这并不构成对诊断的验证，不确立因果关系，也不替代操作人员，也不能证明已经完成本地核验。

\[SRC219\] Aquabyte. (n.d.). Species. 原文或页面 (accessed 15 October 2026) — 商业描述： 该公司页面列出了模型和物种，如大西洋鲑、银鲑和鳟鱼；这并不意味着对罗非鱼、海鲷或虾类提供普遍支持，也不能在未经核验的情况下证明该工具可以迁移到这些物种上使用。

\[SRC220\] FAO e-learning Academy. (n.d.). Occupational Safety and Health in Inland Aquaculture and Fisheries. 原文或页面 (accessed 15 October 2026) — 专业参考： 用于识别、评估和管理职业危害的官方数字课程；数字化学习本身并不等于人工智能，完成该课程也不授予现场授权，且不能证明其内容有阿拉伯语版本。

\[SRC221\] FAO e-learning Academy. (n.d.). Pathway to Aquaculture Biosecurity. 原文或页面 (accessed 15 October 2026) — 专业参考： 关于贯穿水产养殖价值链的分步骤管理和风险分析的官方课程；它是一种学习资源，并不构成对场地方案已就绪的认证，也不授予采取健康或运营行动的权限。

\[SRC222\] Farmforce. (n.d.). Farmforce Origin (IMS). 原文或页面 (accessed 15 October 2026) — 商业描述： 供应商关于记录农场和地块、将产品单元与其来源相连接，以及追踪聚合关系和重量的页面；这并不能证明录入内容的正确性、系统适用于每一种作物，或当地服务能以农场所需语种提供，记录功能本身也不构成人工智能（AI）。

\[SRC223\] RELEX Solutions. (n.d.). RELEX for Fresh Food Producers. 原文或页面 (accessed 15 October 2026) — 商业描述： 关于生鲜食品中机器学习需求预测和生产计划的官方页面；这可作为其提供企业级能力的证据，但没有独立证据证明其准确性、回报，或该能力已准备好在小型农场或特定当地市场部署。

\[SRC224\] Google for Developers. (2025, updated 22 January). Vehicle Routing — OR-Tools. 原文或页面 (accessed 15 October 2026) — 技术文档： 关于具有容量、时间窗和资源约束，并讨论求得最优解的局限性的优化与车辆路径规划文档；这些工具需要建模、数据和集成，本身并不构成机器学习预测，也不等于对路线和装载条件的核准。

\[SRC225\] Tive. (n.d.). Solutions. 原文或页面 (accessed 15 October 2026) — 商业描述： 关于用于监测货运位置、部分状态信息以及警报和报告的设备及平台的页面；功能因设备和服务而异。这并不能证明覆盖每一个地点和每一个包裹，也不能证明当地实际表现；传感器读数也不会因此自动成为安全判定或产品放行依据。

\[SRC226\] GS1. (2023, March). EPCIS and CBV Implementation Guideline, Release 2.0. 原文或页面 (accessed 15 October 2026) — 技术文档： 用于实施可追溯性事件、单元关系和传感器信息的官方指南；此处仅使用了该指南中的特定段落，并不表示已通读其全部内容。该参考对应 Release 2.0，并不声称这是当前可获得的最新版本；该标准本身并不能在未经测试的情况下证明某一事件的真实性，或证明两个系统之间的集成已经成功。

\[SRC227\] anyLogistix. (n.d.). Supply Chain Software Features. 原文或页面 (accessed 15 October 2026) — 商业描述： 关于网络优化、动态情景模拟、扰动和资源等功能的页面；这并不能证明当地农业模型已经过验证，也不能证明现场备用方案已经就绪；模拟也不会仅仅因为以数字方式呈现，就成为人工智能。

\[SRC228\] National Institute of Standards and Technology (NIST). (2024). The NIST Cybersecurity Framework (CSF) 2.0. NIST CSWP 29. 文件; 官方资源中心（2026 年 10 月 19 日重新核验）— 专业参考： 用于组织网络安全风险管理、审查和职责分工的官方框架；它不能证明任何特定设施已经实施控制措施，也不能证明其恢复准备已经就绪。

第23章至第30章编写过程中新增的参考文献

\[SRC229\] Charlton, D., Hill, A. E., & Taylor, J. E. (2022). Automation and Social Impacts: Winners and Losers. FAO Agricultural Development Economics Working Paper 22-09. 官方出版物; DOI — 研究工作论文： 分析自动化社会影响的差异，以及收益和损失分配上的差异；它没有为所有作物和国家给出单一的劳动力替代估计。

\[SRC230\] Li, R. T., Yuan, F. H., Ali, S., Yin, X., He, Y., & Liu, Y. F. (2026). “Method for the Estimation of the Cutting Points in Tomato Seedling Grafting Based on Improved YOLO11n.” International Journal of Agricultural and Biological Engineering, 19(1), 179–186. 论文页面; DOI — 同行评议研究： 证实研究场景中两项计算机视觉任务的结果；它不能证明嫁接成活率、收入或安全性，也不能证明该方法可直接迁移到另一育苗场。

\[SRC231\] University of California, Davis, Horticulture Innovation Lab. (2011). Tomato Grafting Guide. 高校指南页面; 官方 PDF — 高校指南： 说明劈接法及其配套管理；未经专业人员复核，不应把其中的切口位置和操作说明直接套用于其他嫁接方法。

\[SRC232\] Gyalai, I. M., Kedves, O., Kedves, A., Kónya, Z., & Kovács, F. (2026). “Challenges and Solutions in Hand Pollination for Hybrid Pepper (Capsicum annuum L.) Seed Production: A Review.” Planta, 263, 138. 出版商页面; 开放获取全文 — 科学综述： 讨论杂交辣椒制种中人工授粉面临的挑战；它没有记录劳动力估算模型在教学农场的实际运行。

\[SRC233\] Croptracker. (n.d.). Farm Labor Tracking / Punch Clock; Farm Management Apps. 用工跟踪; 应用程序（两个页面的访问日期均为 2026 年 10 月 19 日）— 商业说明： 说明所宣传的工时和任务跟踪功能；它不能证明记录准确性、工资规则的公平性，也不能证明其在特定场所的法律与运营适用性。

\[SRC234\] International Labour Organization (ILO). (2025). Revolutionizing Health and Safety: The Role of AI and Digitalization at Work. 官方报告; 算法管理资料 — 专业参考： 讨论工作场所数字化和算法管理的风险与机遇；它没有为任何特定农场规定工作节奏或安全程序。

\[SRC236\] International Federation of Robotics (IFR). (2026). World Robotics 2026: Service Robots — Executive Summary. 官方摘要 — 行业报告： 在印刷版第 13 页列出 2025 年农业机器人类别的销量；其样本并非对机器人或使用机器人的农业经营体进行的完整普查。

\[SRC237\] International Federation of Robotics (IFR). (2026). World Robotics 2026: Service Robots — Sources & Methods. 官方方法说明 — 方法文件： 说明农业类别的划分和供应商样本的局限，并警示不能依据样本不同的各版报告构造时间序列；它不允许把年度销量换算为农业经营体的采用率。

\[SRC238\] GSMA Intelligence; GSMA. (2026). The State of Mobile Internet Connectivity 2026. GSMA Intelligence 研究结果; 报告门户; 采用和使用障碍; 新闻稿 — 行业组织报告： 给出截至 2025 年底接入移动互联网的人口估计；其定义和方法不同于一般意义上的互联网使用情况，研究结果也不衡量农户人数或农业用地面积。

\[SRC239\] Hello Tractor. (n.d.). Growing Together; Book a Tractor; Fleet Management; Our Global Footprint. 官方网站（访问日期：2026 年 10 月 19 日）— 商业说明： 介绍拖拉机预约、需求汇集、操作人员、技术人员和业务地域范围；它不能证明拖拉机具备自主作业能力，也不能证明该服务对就业或收入的净影响。

\[SRC240\] Neo, G. H., & Rao, K. T. (2023, 15 June). How to Make Digital Transformation of Agriculture Work: Lessons from Telangana. World Economic Forum. 文章 — 参与方提供的项目说明： 介绍 Saagu Baagu 项目的试点阶段及其服务；2023 年的数据不代表当前数量，也不能衡量对劳动力的因果影响。

\[SRC241\] Solinftec. (2023; 2026). Sustainability Report 2023; Solinftec Expands U.S. Footprint 243%, Deploys 100+ Autonomous Robots…. 公司报告; 2026 年公告 — 商业说明： 说明该公司关于 Solix 在巴西和美国运行情况的陈述；它不能证明该技术已被普遍采用、农场可以不需要劳动者，或其对劳动力具有经过独立验证的影响。

\[SRC242\] Federal Bureau of Investigation, Cyber Division. (2022, 20 April). Ransomware Attacks on Agricultural Cooperatives Potentially Timed to Critical Seasons. Private Industry Notification 20220420-001. 官方通报 — 官方警报： 记录该机构报告的一种威胁模式；它不衡量特定平台或农场遭入侵的概率，也不能替代针对该平台或农场的安全评估。

\[SRC243\] International Telecommunication Union (ITU). (2024, 10 September). Global Cybersecurity Index 2024: Countries Strengthening Cybersecurity Efforts, but Increased Action Needed on Evolving Threats. 官方声明 — 机构来源： 提供国家层面的指数结果；它不能证明某项农业服务的安全性，也不能证明某项具体技术控制措施的有效性。

\[SRC244\] United Nations Conference on Trade and Development (UNCTAD). (2025). Implementing World Summit on the Information Society Outcomes: A Twenty-Year Review. TCS/DTL/INF/2025/2. 官方文件 — 联合国报告： 回顾政策、连接条件和数字化转型；它不衡量特定农场或本地平台的准备程度。

\[SRC245\] Organisation for Economic Co-operation and Development (OECD). (2022). Declaration on Government Access to Personal Data Held by Private Sector Entities. OECD/LEGAL/0487. 官方文本 — 国际法律文书： 阐明加入该文书的国家所共同表述的原则和保障措施；它不是全球统一适用的法律，也不是针对特定司法管辖区的法律意见。

\[SRC246\] European Data Protection Board (EDPB). (2024). Guidelines 01/2022 on Data Subject Rights — Right of Access, Version 2.1. 官方指南 — 欧洲监管指南： 解释欧洲法规适用范围内的数据访问权；它不会自动适用于该范围之外，也不决定非个人农业数据的所有权。

\[SRC247\] Article 29 Data Protection Working Party; endorsed by the European Data Protection Board. (2017). Guidelines on the Right to Data Portability, WP242 rev.01. 官方页面 — 欧洲监管指南： 解释其法律适用范围内个人数据的可携带权；它本身不要求所有农业经营数据或由这些数据推导出的结论都必须可携带。

\[SRC248\] Information Commissioner’s Office (ICO). (n.d.). How Do We Ensure Individual Rights in Our AI Systems? 官方指南（访问日期：2026 年 10 月 19 日）— 监管指南： 说明人工智能系统中个人权利需要考虑的事项；它不能替代针对每项服务确定适用法律、合同以及各方权利。

\[SRC249\] Mohanty, S. P., Hughes, D. P., & Salathé, M. (2016). “Using Deep Learning for Image-Based Plant Disease Detection.” Frontiers in Plant Science, 7, 1419. DOI — 同行评议研究： 比较模型在经过整理的 PlantVillage 图像和小规模外部图像集上的表现；它揭示了迁移差距，但不能估计模型在全球田间条件下的准确率。

\[SRC250\] Guo, C., Pleiss, G., Sun, Y., & Weinberger, K. Q. (2017). “On Calibration of Modern Neural Networks.” Proceedings of the 34th International Conference on Machine Learning, PMLR 70, 1321–1330. 已发表文本 — 方法研究： 解释研究场景中分类概率的校准；如果没有与当地条件相匹配的测试，它不能使农业产品界面显示的分数成为有效概率。

\[SRC252\] Schwartz, R., Vassilev, A., Greene, K. K., Perine, L., Burt, A., & Hall, P. (2022). Towards a Standard for Identifying and Managing Bias in Artificial Intelligence. NIST Special Publication 1270. 文件 — 专业参考： 讨论社会技术系统中的偏差来源；它不能证明某个特定模型或机构不存在偏差。

\[SRC253\] Food and Agriculture Organization of the United Nations (FAO). (2018). World Programme for the Census of Agriculture 2020: Volume 2 — Operational Guidelines. FAO Statistical Development Series 16. 官方文件 — 统计指南： 说明农业普查的概念和实施方法；它不能使私人平台的数据成为代表性样本或官方普查数据。

\[SRC254\] Digital Green Foundation. (n.d.). FarmerChat – Agri Assistant. Google Play 应用页面（访问日期：2026 年 10 月 18 日）— 开发者提供的应用说明： 说明所宣传的功能、覆盖国家和可用情况；它不能证明特定地点的作物或方言覆盖范围，也不能证明建议质量。

\[SRC255\] University of California Agriculture and Natural Resources. (n.d.). Figs. 指导资源 — 高校指导参考： 说明无花果结果和管理的若干方面；移用其时间安排和修剪强度时，必须考虑当地品种、气候和整形方式。

\[SRC256\] University of California Statewide Integrated Pest Management Program. (n.d.). Figs: Pruning and Thinning. 指导资源 — 高校指导参考： 说明无花果修剪以及去除折断枝和交叉枝的原则；它没有为未经查看的树体规定具体剪截方案。

\[SRC257\] University of Georgia Cooperative Extension. (n.d.). Basic Principles of Pruning Woody Plants. 指导资源 — 高校指导参考： 说明短截、疏除和顶端优势的作用；这些是一般原则，不能替代对物种、品种、树体状况和生产目标的了解。

\[SRC258\] Agriculture and Horticulture Development Board (AHDB). (n.d.). Key Development Phases and Growth Stages in Wheat. 指南 — 专业指导参考： 说明小麦发育过程及其影响因素；未经本地化，不应把其中的英国季节历直接套用于其他环境。

\[SRC259\] Agriculture and Horticulture Development Board (AHDB). (n.d.). Leaf Emergence and Tillering Growth Stages in Winter Wheat (GS1–GS2). 指南 — 专业指导参考： 说明冬小麦出叶和分蘖阶段；早期分蘖数并不能转化为对穗数或产量的承诺。

\[SRC260\] Agriculture and Horticulture Development Board (AHDB). (n.d.). The Growth Stages of Cereals. 指南 — 专业指导参考： 定义包括 GS31 在内的谷类作物生育阶段及其判别指标；仅仅确定生育阶段，并不能据此决定农业投入品的用量或施用时间。

\[SRC261\] Food and Agriculture Organization of the United Nations, FAO e-learning Academy. (n.d.). Introduction to the Farmer Field School Approach. 学习资源 — 机构教育参考： 说明通过观察、分析和参与开展学习；它不能证明未经相关社区检验的项目或人工智能附加功能具有何种成效。

\[SRC262\] Lewis, P., et al. (2020). “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks.” Advances in Neural Information Processing Systems 33. 已发表论文 — 技术论文： 证实研究场景中的检索增强生成方法；它不能证明农业建议正确，也不能证明某一来源适用于特定田块。

\[SRC263\] Fabregas, R., Kremer, M., & Schilbach, F. (2019). “Realizing the Potential of Digital Development: The Case of Agricultural Advice.” Science, 366(6471), eaay3038. DOI — 科学综述： 总结数字农业咨询服务以及实现定制、互动和可持续融资所需条件的证据；它不能证明一项新服务或语言模型在所有田块中的效果。

\[SRC264\] Cole, S. A., & Fernando, A. N. (2020). “‘Mobile’izing Agricultural Advice: Technology Adoption, Diffusion and Sustainability.” The Economic Journal, 131(633), 192–219. DOI — 实验研究： 在研究场景内评估印度古吉拉特邦的一项语音电话服务；其研究结果不能自动迁移到其他国家、渠道或人工智能服务。

\[SRC265\] Waddington, H., Snilstveit, B., Hombrados, J., Vojtkova, M., Phillips, D., Davies, P., & White, H. (2014). “Farmer Field Schools for Improving Farming Practices and Farmer Outcomes: A Systematic Review.” Campbell Systematic Reviews, 10(1). DOI — 系统综述： 综合评估农民田间学校的研究，并揭示其结果向未参与者迁移时的局限；它不能证明某项新项目在特定地点的效果。

\[SRC266\] Agency for Healthcare Research and Quality (AHRQ). (n.d.). Use the Teach-Back Method: Tool #5. Health Literacy Universal Precautions Toolkit. 官方工具（访问日期：2026 年 10 月 19 日）— 健康沟通工具： 说明如何通过让对方复述来核查理解情况；本书借用这一原则开展农业沟通，但不声称其对农业技术推广的影响已经过检验。

\[SRC267\] International Telecommunication Union (ITU). (2025). Facts and Figures 2025: Internet Use in Urban and Rural Areas. 官方页面; 统计门户 — 官方统计： 估算城市和农村人口的互联网使用情况；它不衡量农业用地面积，也不衡量特定田间任务的连接状况。

\[SRC268\] International Telecommunication Union (ITU). (2026). Facts and Figures 2026: Mobile Network Coverage. 官方结果; 方法说明 — 官方统计： 覆盖率是处于估算信号覆盖范围内的人口比例；它不能证明服务质量、实际使用情况，也不能证明特定农业区域的覆盖状况。

\[SRC269\] World Bank, International Energy Agency, International Renewable Energy Agency, United Nations Statistics Division, & World Health Organization. (2026). Accelerating Universal Energy Access. 官方声明 — 联合机构来源： 提供 2024 年电力可及性的估计；基本电力接入不能证明供电连续性、电压质量或满足农业设备用电需求的能力。

\[SRC270\] International Telecommunication Union (ITU). (2025). Innovative Solutions for Connectivity in Rural and Remote Areas. 报告页面; 最后一公里解决方案资源 — 机构技术参考： 介绍农村和偏远地区的连接方案；在考察地形、供电、频谱、资金和维护条件之前，它不能为具体地点选定解决方案。

\[SRC271\] Food and Agriculture Organization of the United Nations (FAO). (2022). Leveraging Automation and Digitalization for Precision Agriculture: Evidence from the Case Studies. FAO Agricultural Development Economics Technical Study No. 24. 官方页面 — 技术研究： 基于 22 个案例研究，说明基础设施和支持条件；它不能证明所有环境或工具都具有一致的效果。

\[SRC272\] ABALOBI. (n.d.). Monitor. 服务提供方页面（访问日期：2026 年 10 月 19 日）— 商业/机构说明： 说明所宣称的渔获数据记录、同步和多语言工作功能；它不能证明对收入或资源状况具有经过独立验证的影响。

\[SRC273\] Gandhi, R., Veeraraghavan, R., Toyama, K., & Ramprasad, V. (2009). “Digital Green: Participatory Video and Mediated Instruction for Agricultural Extension.” Information Technologies & International Development. 论文页面 — 研究案例： 介绍参与式视频模式以及农业技术推广中的中介辅导；它不能证明较新服务的结果，也不能把影响推广到所有社区。

\[SRC274\] Baul, T., Karlan, D., Toyama, K., & Vasilaky, K. (2024). “Improving Smallholder Agriculture via Video-Based Group Extension.” Journal of Development Economics, 169, 103267. DOI; 开放获取全文 — 实验研究： 在其研究场景中，检验向印度比哈尔邦女性农户的面对面农业技术推广加入视频的效果；它不能证明视频或中介辅导本身在所有作物和社区中的效果。

\[SRC275\] World Bank. (n.d.). Case Study: Huaral Valley Agrarian Information System, Peru; Community Telecommunications Cooperative: The SIA Project in the Chancay–Huaral Valley, Peru. 案例页面; 世界银行文件 — 历史案例： 介绍一个与用水户协会相联系的信息与通信网络；它不能证明该系统持续运行、使用人工智能或产生了当代经济影响。

\[SRC276\] International Telecommunication Union (ITU). (2006, January). Agricultural Information Project for Farmers of the Chancay-Huaral Valley. 官方案例文件 — 历史案例： 记录项目组成和本地连接条件；它不能证明项目当前状态，也不能证明独立的因果影响。

\[SRC277\] Internet Society. (n.d.). RedINC: A Community Network in Buenos Aires, Cauca, Colombia. 案例研究 — 历史机构案例： 展示参与、频谱、供电、地形、资金和维护的作用；它不衡量对农业的因果影响，也不保证服务连续性。

\[SRC278\] Food and Agriculture Organization of the United Nations (FAO). (2020). How to Overcome Water Challenges in Agriculture. 官方页面 — 机构来源： 在已发布报告的背景下提供全球雨养农业和受水资源压力影响的灌溉土地估计；它不描述 2026 年情况，也不描述任何特定田块。

\[SRC279\] Food and Agriculture Organization of the United Nations (FAO). (n.d.). WaPOR Data; WaPOR Portal. 数据文档; 门户（两个页面的访问日期均为 2026 年 10 月 19 日）— 机构数据平台： 记录所述数据层、空间分辨率和更新频率；遥感数据不是对特定植株根区的直接测量，也不是灌溉处方。

\[SRC280\] PlantVillage. (n.d.). PlantVillage+. Google Play 应用页面（访问日期：2026 年 10 月 19 日）— 开发者提供的应用说明： 说明所宣称的功能、更新和可用情况，而这些会随作物、国家、语言、设备和连接条件而异；它不能证明全球准确率，也不能证明所有功能均可离线运行。

\[SRC281\] Fujiuchi, N., Inaba, K., Oh, S., Okajima, S., Asai, Y., Nishina, H., & Takayama, K. (2024). “Using a Real-Time Photosynthesis and Transpiration Monitoring System to Develop Random Forests Models for Predicting Cherry Tomato Yield in a Commercial Greenhouse.” Environment Control in Biology, 62(2), 29–39. 论文页面; DOI — 同行评议研究： 预测结果仅适用于研究所涉及的设施、作物、输入变量和时间窗口；它不能证明商业产品的性能，也不能证明结果可迁移到其他设施。

第23章至第30章编写过程中新增参考文献的对应关系

下列新增记录是在核验来源身份、链接和证据边界后，为第 23–30 章建立工作筛选条件时登记的。集中记录这些来源，是为了保留这一编写过程的来源链，并不意味着这些筛选条件中的每一段内容都已实际纳入获采用的阿拉伯语稿正文；因此，下文的“各章证据密度”表仍只统计获采用的正文。

章节	新登记的参考文献	复用或扩展的既有参考文献
23	SRC254–SRC266	SRC031, SRC037, SRC039
24	SRC229–SRC234, SRC236–SRC241	SRC031, SRC037, SRC058, SRC147–SRC149
25	SRC267–SRC277	SRC100, SRC110, SRC238
26	SRC278–SRC281	SRC038, SRC100, SRC117
27	无新增记录	SRC030, SRC033
28	SRC242–SRC248	SRC032, SRC228
29	SRC249, SRC250, SRC252, SRC253	SRC006, SRC033
30	无新增记录	SRC030；IMP 交叉引用仍是单独的实施证据，不计入参考文献总数

未创建 SRC251 记录，因为其材料在书目信息和数字标识符方面与已登记为 SRC033 的 NIST AI RMF 参考文献完全重复；第二十九章候选稿中的引文已改回原标识符。SRC235 也保持空缺，因为第二十四章候选稿的编号序列没有把它分配给任何已经核验的来源。这两个编号均不计入总数。

参考文献如何对应第十九章各节

本索引将各节中以描述方式提及的参考文献与列表中的标识符对应起来，不改动各节正文。一般性综述、整合和灌溉分别对应所列标识符 SRC010、SRC137 和 SRC117；凡是不附独立链接的解释性主题，仍需在专业层面对具体论断逐条匹配，本索引不能弥补本地核验的缺口。

条目	应用重点	相关参考文献
1	为什么不同池塘之间鱼的体况会不同？	SRC010
2	投喂管理：饲料如何转化为生长？	SRC150, SRC151
3	水质：我们如何发现问题并在恰当时机采取行动？	SRC152, SRC153, SRC154
4	水生动物健康与生长：监测体况并估算活体生物量	SRC155, SRC156, SRC157
5	从研究到养殖场：在采用这项技术之前评估证据	SRC010, SRC158, SRC159, SRC160
6	连接中断时：养殖场如何继续监测并作出响应？	SRC161, SRC162, SRC163
7	收获、生长与存活：我们如何评估养殖场的生产表现？	SRC164, SRC165, SRC166
8	采用之前：我们如何在养殖场条件下测试系统？	SRC167, SRC168, SRC169
9	海上网箱：在海流和海况变化时，我们如何照护鱼群？	SRC150, SRC170, SRC171, SRC172, SRC173, SRC174
10	摄像头与样本：我们如何估算鱼的体重和规格分布？	SRC155, SRC175, SRC176, SRC177, SRC178
11	应急准备：在停电和设备故障期间保护水生动物	SRC154, SRC179, SRC180, SRC181
12	技术的成本与价值：养殖场为此支付什么，又从使用中获得什么	SRC155, SRC182, SRC183
13	模拟水产养殖系统：在把方案应用到养殖场之前，我们如何研究备选方案？	SRC184, SRC185, SRC186, SRC187, SRC188
14	从养鱼池到作物：我们如何安全地利用水和养分？	SRC137, SRC189, SRC190, SRC117, SRC191
15	捕捞渔业：我们如何评估渔业资源并管理共享资源？	SRC192, SRC193, SRC194, SRC195, SRC196, SRC197, SRC198
16	数据有效性：保持水下测量和图像的可靠性	SRC010
17	养殖场生物安全：我们如何保护养殖生物并限制感染传播？	SRC199, SRC200, SRC201, SRC202, SRC203, SRC204, SRC205, SRC206
18	技术本地化：我们如何核实它是否适合该物种和生产系统？	SRC162, SRC207, SRC208, SRC209, SRC210, SRC211
19	从苗种和饲料到交付的全程：可核验的来源链	SRC203, SRC212, SRC213, SRC214, SRC215, SRC216
20	环境影响：什么会到达养殖场外部的水体和土地	SRC010
21	智慧养殖场中的操作人员：巡检能力、行动权限与持续学习	SRC181, SRC217, SRC218, SRC219, SRC220, SRC221

SRC010 与条目 16 和 20 的关联，为一般性综述提供的是范围界定背景，而不是每一种监测方法或环境影响各自独立的一手证据。关于水、网箱、生物安全、整合和渔业的专业参考文献，有助于读者理解这项工作的边界；它们数量再多，也不会因此就成为已经验证的限值、规定性做法，或未经核验的本地结果。

参考文献与第二十二章各条目的对应关系

本索引将各项功能和方法与其来源一一对应；商业类参考指向供应商说明，技术类参考指向某项功能或标准，研究论文则指向其研究设计。SRC216 已在这些文档中复用，因此不再重复列出其条目；本章前文的四个来源也予以保留。比较示例和带有演算过程的数值示例仍仅用于教学，工具、替代方案以及本地实际表现是否有效，仍需进行适当的独立核验。

条目	使用重点	相关参考文献
1	依赖网络与共享资源	SRC034
2	案例连续性、同步与防止重复	SRC226, SRC228
3	需求预测与生鲜食品规划	SRC223
4	运输优化与货运条件监测	SRC224, SRC225
5	智能体、区块链、仿真以及实验的局限性	SRC012, SRC011, SRC227
6	可追溯性、产品标识、聚合与事件交换	SRC222, SRC226
7	风险情景与替代方案	SRC034, SRC227
8	网络安全与风险管理方面的治理	SRC030, SRC228
9	情景与韧性指标	SRC034, SRC227
10	文档处理及其与证据之间的联系	SRC216
11	跨部门依赖与冲击传导	SRC034
12	交换、数据权利与服务审查	SRC226, SRC228
13	从情景中学习与功能修复	SRC034, SRC227

与条目 2、12 以及学习指标相关联的参考文献，提供的是技术和专业背景；它们既不能证明任何特定供应商实施了全部同步与退出控制措施，也不能证明某个通用框架就能解决合同事宜。然而，调查、召回、安全、验收和恢复等步骤，都属于需要在现场由专家和经正式授权的相关方批准并核验的程序。本索引并不是对每一句话都进行独立文献综述。

编辑治理内部资料

语料清单：00\_Audit/00\_Corpus\_Inventory.csv.
论断核验登记册：00\_Audit/06\_Claim\_Verification\_Register.csv.
统计更新登记册：00\_Audit/07\_Statistics\_Update\_Register.csv.
视觉资产登记册：00\_Audit/09\_Visual\_Asset\_Register.csv.
汇总总账：00\_Audit/13\_Master\_Consolidation\_Ledger.csv.
旧版有用补充登记册：Master\_Build/01\_Evidence/Legacy\_Edition\_Useful\_Additions\_Register.csv.
待审阅内容登记册：Master\_Build/01\_Evidence/For\_Review\_Content\_Register.csv.

这些登记册是关于决策与流程追踪的编辑证据；它们不是一般性的科学参考文献。

独立登记册：实施证据

资助实体平台上的实施证据不出现在上述参考文献列表中。它应归入附录 N，对应标识符 IMP01–IMP14。之所以单独列出，是因为读者无法访问这些材料，且它不带有 DOI 之类的永久性公共标识符，尽管其痕迹已按附录 N 所声明的日期与指纹进行内部标记。审阅附录 N，是理解第九部分 Aladdin 案例研究局限性，以及第三十二章和第三十三章所呈现的 AgroGenie 证据层级的前提。

附录、索引与登记册

这些页面不会重新解释各章内容，也不会把其中的示例变成现成配方。它们的作用，是为读者提供一条审阅与行动路径：去哪里找到相关案例或术语，其证据处于什么等级，以及在将其转移到另一家农场、机构或地区之前需要满足哪些条件。因此，阅读每一份登记册时，都必须结合其截止日期和来源边界；而每一份工作模板，也只有在作物、动物或农业材料，地点与季节，用户、语言与单位，有管辖权的主管机构，以及本地可获得的服务与替代方案都已明确之后，方可阅读。

这里所说的本地化，并不意味着把外语词替换成阿拉伯语词语。一个表述在语言上可能正确，但在实施上却完全不可行，因为单位不同、本地术语指向另一品种、文中点名的机构在该国并无权力，或者备件、服务和连接条件根本不可获得。因此，某个项目、研究或情景出现在附录中，并不构成转移、采购或运行的许可；它只是指出起点，以及那些必须在本地解决的问题。

附录 A：案例研究与应用登记册

标识符	案例/产品	领域	当前等级	引用位置	使用决策
CS001	Mohan 等人 Yield/XAI	产量预测	早期研究；摘要已核验	9, 29, 33	仅允许在该研究设定内采用最高达 0.92 的 R²
CS002	Stability Zones \+ ML	空间管理	早期研究；描述性数据	8, 9, 33	仅限概念范围
CS003	用于玉米的移动端 CNN	玉米病害	早期研究；未检索到全文	12, 33	任务与方法；不是 95%
CS004	CropGPT	多模态诊断	早期研究；未检索到全文	12, 33	仅确认其存在与范围；不是 93.1%/BLEU
CS005	大豆 ConvNet	杂草	早期研究	13, 33	图像分类；不是 DQL/清除
CS006	PoultryFI	家禽	初步草案	18, 33	描述了平台；不是生产标准
CS007	水产养殖综述	水产养殖	同行评审综述	19, 33	领域地图；不是 30% 成本
CS008	Bai 代理仿真	供应链	仿真	22, 33	协调分析；不是实际部署
CS009	Khanna 冷链	物流	计算实验	17, 22, 33	30% 行程时间缩短仅存在于实验中
CS010	光谱人工智能综述	食品安全	同行评审综述	17, 33	范围；不是 99.85%/96%
CS011	AS-MO 灌溉	灌溉/设计	设计和用户研究	10, 23, 26, 33	自动化偏好存在差异；没有一般性的节约
CS012	Farmer.Chat	多语言、多模态咨询	机构化运营服务 \+ 地理范围有限的用户评估	7, 26	这些来源允许描述其功能、已声明的推广部署，以及来自肯尼亚 450 名农民样本的结果；它们并未确立普遍性的农业准确性，也未确立对产量或收入的因果效应
CS013	GAIA	生成式咨询与知识治理	研究与开发项目 \+ 原型 \+ 治理文件	7	这些来源允许描述该合作关系、初步测试、许可和治理；它们并未确立一款已完成的产品或广泛的田间影响
CS014	AgroGenie	受治理的集成/检索	三个时间层：8月 IMP \[IMP06\]、开发包 \[IMP13\] 和官方分发包 \[IMP14\]	7, 32	每一层仅确立在该层内被审查的内容：第一层保留历史判断，第二层确立对开发包进行的孤立本地测试，第三层确立官方包中存在特定组件、合同和检查；其中没有任何一层能够确立 WordPress 上线运行、每次安装中的激活、本地适用性或田间影响，而且未经重新测试，任何运行时结果都不会在不同包之间继承
CS015	PlantVillage Nuru	有限连通性/病害	主导来源	25, 26	版本和性能必须有文档记录
CS016	Carbon Robotics	杂草清除	市场描述/主导来源	13	技术地图；没有影响数据
CS017	番茄采收	机器人	案例族尚未闭合	16	成熟度/生产率问题；无商业性主张
CS018	草莓采收	机器人	案例族尚未闭合	16	脆弱处理；需要一手来源
CS019	黄瓜采收	机器人	案例族尚未闭合	16	遮挡与可达性；需要一手来源
CS020	苹果采收	机器人/质量	案例族尚未闭合	16	采收与质量；需要核验
CS021	Aladdin AiBridge / Chat V2	人工智能治理与检索	8月 IMP，含有限的本地实时验证，以及官方分发包 \[IMP14\]	31–33	8月 IMP 在源中确立了受治理的架构，以及对聊天和检索路径进行的有限本地实时验证，并给出发布决定 `INCOMPLETE / NO-GO`。\[IMP14\] 确立了官方包中存在特定文件、合同和检查，并揭示了 AiBridge 测试集中的约束；它并不会在未重新测试的情况下沿用更早的运行时结果，也不能确立提供方连通性、回答质量、本地适用性或农业影响
CS022	Aladdin Mobile Gateway	移动端 — 服务器网关	标注为 8月日期的 IMP 证据	25, 32	8月 IMP 确立了一个已实现的服务器网关，具有合同、路由、签名和会话；客户端未包含在内，分发未得到验证，而且合同声明不支持双向同步。除非在 9月包上重新测试，否则这些判断不会作为运行时结果沿用到该包
CS023	Aladdin Desktop	桌面端	标注为 8月日期的 IMP 证据 \+ 本地构建	32	2026年8月21日，本地测试构建、打包和签名成功；8月22日的治理变更此后并未关闭所有运行时限制。没有生产签名，也没有商店分发，而且包含 22 个项目的目录并不等于 22 个工作区，9月包的存在也不能证明这些结果已在该包上重复获得

如何阅读登记表

登记表中收录某个案例，保留的是它的有用性并防止其遗失，但这并不会赋予它“有田间记录”的等级，也不意味着它适用于读者的具体情境。在使用之前，审阅者要先判定它是研究、综述、模拟、已实施程序，还是内部 IMP，然后确定其版本、来源、情境、对照项、指标、结果和局限。

在检验可转移性时，还要补充不得省略的字段：农业材料、其所处阶段及其去向；地点、季节和生产系统；用户、角色、语言、单位和设备；对该决策具有批准权的主体；服务、维护和本地替代方案；以及要测量的结果。如果这些要素中的任何一项发生了会影响决策的变化，那么该案例仍然是有用的知识，但会重新回到需要本地验证的假设状态。

附录 B：机构与数据目录——用于发现，而非背书

下表是一个用于发现资源的目录，并不是适用于每个国家的现成来源清单。它将机构或提供方的名称与具体数据集区分开来，也将是否可下载与该数据是否适合用于农业决策区分开来。在实际使用时，必须记录产品、版本、访问日期、许可、单位、分辨率和复核方法，然后在存在权威国家或地方来源时，将其与该来源进行比对。

机构/提供方	类别	潜在用途	使用前所需验证
FAO / FAOSTAT	组织/统计	生产、粮食、投入品和指标	序列定义、年份和修订情况
AGRIS (FAO)	知识索引	农业文献发现	记录质量和文本获取情况
World Bank Data	发展数据	基础设施、经济和指标	定义、原始来源和时效性
OECD Agriculture	政策与数据	治理、市场和政策	成员范围、覆盖范围和定义
CGIAR	研究网络	作物、气候、数据和案例	项目、版本和许可
IFPRI	粮食政策研究	市场、政策和农业推广	方法和地理范围
NASA Earthdata	地球观测	影像、气候和衍生产品	产品、分辨率和算法
USGS Landsat	卫星影像	长期变化	云层、校正和分辨率
Copernicus/Sentinel	影像与服务	作物、水分和覆盖	产品、传感器和许可
ECMWF/Copernicus Climate	天气/气候	再分析和预报	空间与时间分辨率，以及不确定性
WMO	标准与天气	机构参考	国家来源和版本
GBIF	生物多样性	物种记录	采样偏差和分辨率
SoilGrids/ISRIC	土壤图	初始空间估算	分辨率、不确定性和本地验证
OpenStreetMap	空间数据	道路、设施和辅助边界	完整性、许可和时效性
Zenodo	研究存储库	数据、代码与发布版本	DOI、许可和文档
Kaggle	数据集托管	训练与实验	来源、许可和泄漏风险
GitHub	代码/数据	发现与实施	所有者、版本、许可和维护情况
Crossref	元数据	DOI、标题和作者	不能替代全文

使用数据目录的规则

不要用主页替代对特定数据集或报告的引用。
在许可范围内保留副本、下载日期和哈希值。
阅读关于变量、单位和缺失值的文档。
审查许可、限制条件和隐私。
测试代表性以及空间与时间偏差。
不要把竞赛数据集当作田间成功的证据。
每一项结果都要关联到原始记录及其转换过程。
全球产品并不会仅仅因为覆盖范围更广，就能替代国家记录或本地检查。
行政边界、本地名称、历法和单位都要明确设定，不得静默标准化。
如果数据陈旧、分辨率低，或不能代表该生产系统，这一局限会在输出中显现，模型也不会靠猜测来填补。

附录 C：正文表格指南

这是正文主要分析表格的导航指南，并非对每一张小表或每一条运行记录的计数。短标题用于说明表格的功能，而字段及边界的定义仍保留在各章正文中。在最终出版前，这份清单会自动并人工与手稿标题进行核对，以确保任何在修订中更名的表格都不会仍以旧名称列出。

压力及其传导路径图谱 —— 第1章\.
转型测试的维度 —— 第2章\.
每个问题最合适的信息来源 —— 第3章\.
案例研究表 —— 第3章\.

4-A. 区域可转移性限制（Regional Transferability Limits）—— 第3章\.

人工智能方法选择矩阵 —— 第4章\.
观察记录样表 —— 第5章\.
空间监测平台 —— 第6章\.
咨询评估层 —— 第7章\.
预测与解读案例 —— 第9章\.
养分数据及其局限 —— 第11章\.
玉米病害与 CropGPT 的比较 —— 第12章\.
除草剂作用机制 —— 第13章\.
七个术语及其五个维度的图谱 —— 第14章\.
人工智能的功能、其局限与人的决策权 —— 第14章\.
协调“cycle”“sequence”和“cover”这几个术语 —— 第15章\.
轮作周期数据契约 —— 第15章\.
前茬作物因果效应台账 —— 第15章\.
轮作周期的八个决策关口 —— 第15章\.
轮作周期中人工智能的功能及其权限边界 —— 第15章\.
计算轮作周期的环境影响 —— 第15章\.
扩展教学案例备选方案 —— 第15章\.
种植系统记分卡 —— 第15章\.
动物评估与福利 —— 第18章\.
精选收获案例 —— 第16章\.
食品质量与安全的决策权 —— 第17章\.
投资经济模型 —— 第20章\.
市场估值透明度 —— 第21章\.
供应链风险图谱 —— 第22章\.
面向小农户的服务模式 —— 第23章\.
任务、功能与生计之间的区别 —— 第24章\.
区域路径矩阵 —— 第26章\.
农业决策权矩阵 —— 第 27 章\.
数据权利协议 —— 第 28 章\.
模型卡 —— 第 29 章\.
成熟度阶梯 —— 第 30 章\.
Aladdin 案例研究中的证据类型 —— 第 31 章\.
架构性障碍 —— 第 32 章\.
Aladdin 能力登记册 —— 第 32 章\.
受控证据全景 —— 第 34 章\.
产品/案例评估登记册 —— 第 35 章\.
本地研究问题及其干预、结果与可转移性限制矩阵 —— 第 36 章\.
研究问题数据、验证设计、公平性、安全与经济性矩阵 —— 第 36 章\.

附录中的其他表格：按章节和来源基础关口划分的证据密度（附录 Z）· 实施证据登记册及其提升条件（附录 N）· 七项包容条件、应用家族地图、四个证据维度、已实施项目总登记册以及缺口矩阵（附录 S）。

附录 D：拟议图件指南

这些图件是对尚未制作图件的编辑规范，而非独立证据。对于每一幅图，在实际制作时，都应配有可编辑的源文件版本、来源与许可记录、替代文本，以及对术语、颜色和方向性的复核。如果图中展示地图、单位、决策权，或服务路径，则其本地版本只能在边界、名称、单位和相关实体均已核实后制作；不得沿用通用地图或刻板化图标来代表某一特定地区。

农业作为一个相互关联的压力系统。
从测量到后续跟进的决策链。
多权威证据金字塔。
数据生命周期与转化溯源。
空间监测—地面核验—行动。
受治理约束的农业检索增强生成链。
植物病害决策的各层级。
除草机器人的感知—行动链。
水、能源与产量平衡。
任务与技能的转移。
供应中的级联失效网络。
导出、迁移与退出权。
从想法到影响的成熟度阶梯。
可公开发布的公共 AiBridge 链。
来源、方法与时间三角互证协议。

在未将生成的图像、营销图示或无文档说明的地图关联到资产登记册，并关联其来源、许可和替代文本之前，不得将其纳入。图件也不得引入正文未确立的数字、因果关系或运行条件。

附录 E：术语表

本术语表界定了各术语在本书中的用法；并不声称要向所有国家或所有学科强加单一术语。对当地名称，将保留使用者实际使用的称呼，并在需要时将其关联到标准概念，而不是将其抹去。当措辞差异会改变品种、生育阶段、工具或权威的含义时，记录这种差异就成为数据的一部分，也成为本地化决策的一部分，而不是文风问题。

遥感：通过卫星、航空器或附近传感器，在不直接接触地表或作物的情况下收集其信息。

推理：将输入送入模型运行，以生成预测、分类或文本。

检索增强生成（RAG）：先检索选定证据，再使用生成式模型据此组织答案。

水产养殖：对水生生物进行有组织的生产；不等同于捕捞渔业。

不作出判断：当置信度、权限或数据不足时，系统决定不作出判断。

漂移：部署后数据、关系或使用方式发生变化，可能削弱性能。

误报：即假阳性所产生的运行后果，也就是针对并不存在的事件发出警报，要求人工响应。对它的衡量依据是其给工作人员带来的负担，以及警报被忽视的比率，而不只是统计错误率（参见：假阳性）。

转移性影响：并未消失，而是转移到另一阶段、另一种资源或另一方的损害或消耗。

自动化：按照规则或指令执行任务，而无需在每个周期都进行人工干预；其本身并不意味着存在人工智能，也不意味着具备完全的运营自主性。

综合虫害管理（IPM）：在本地监管要求下开展监测、预防，以及相互兼容的农艺、生物、机械和化学干预。

种子库：土壤中存在并具备后续萌发能力的活性杂草种子存量；因此，对防治效果的评估可能需要跨季节进行，而不只是看干预当天可见的植株。

原始数据：在标准化之前，从来源接收到的值。

标准化数据：已转换为标准单位或标准术语、且保留转换记录的数值。

已批准数据：已经通过审核并适用于特定目的的记录。

蒸散量（ET）：水分蒸发与植物蒸腾之和，用于估算需水量。

三角互证：比较多个来源、方法或时间点，以理解某项主张及其周围存在的任何冲突。

外部验证：在空间、时间或机构上独立的数据上测试模型。

地面核验：为解释或评估遥感产品而进行的现场测量或检查。

本地验证：核查数据、指标、功能、结果、决策权和服务是否适合相关地点、季节和用户；这并不等同于仅仅翻译界面或只运行一次。

数字化转型：利用数据和技术改变流程与结果；其范围宽于把纸质表格数字化。

诊断：基于适当证据判定某种状况的成因；其范围宽于对图像进行分类。

互操作性：系统在保留意义的同时交换和使用数据的能力。

解释：关于影响模型输出之因素的信息；它并不能确立因果关系。

分类：将输入归入一个已定义集合中的某一类别。

机器学习：从数据中学习模式以执行任务的方法。

深度学习：具有高表征能力的多层模型，需要数据、算力和调优。

强化学习：从奖励信号中学习序贯行动，在探索过程中存在安全风险。

数字孪生：对某一系统持续更新的计算表示，其价值取决于相关性和验证情况。

执行器：将指令转化为动作的物理部件，如阀门、泵或风扇；它不是人工操作人员。

最低安全功能：当某个部件或连接丢失时仍能保持可用的一项本地功能。

准确率：在给定定义下正确答案所占的比例；它可能掩盖类别不平衡。

基线：干预前实际存在并用于比较的方法、服务或结果；不是农场实际上并不具备的假定理想替代方案。

空间分辨率：空间数据所表示的最小单元的大小。

原始研究：呈现具体数据或实验的研究，有别于综述。

案例研究：在特定情境中对某一系统所作的描述或评价；它并不会自动推广为一般结论。

代码仓库证据：用于确立某一带日期的实施状态的代码、测试或工程报告。

智慧农业：运用数据、连接能力、模型和数字服务来改进农场决策；这一术语本身并不意味着人工智能或自动化执行。

精准农业：通过测量来管理空间和时间上的变异，并将测量结果转化为适当处理，随后核验其执行情况及结果。

垂直农业：将生产单元布置在垂直层中或多个层级上；这一术语本身并不指明根系环境、光源或盈利能力。

水培：在没有田间土壤的条件下栽培植物，使用营养液或接受水分和养分供应的无土基质；它不同于对水生生物进行养殖的水产养殖。

气雾培：一种无土栽培方式，其中根系悬置于一个腔室内，并以雾状或细小液滴形式获得水分和养分。

保护地栽培：在覆盖设施下进行生产，这种覆盖会改变植物受天气影响的程度，形式可从防虫网或拱棚到塑料温室或玻璃温室不等；有覆盖并不意味着实现了完全控制。

假阴性：某种实际存在的状况未被系统检测到。

情景：用于测试某项决策的假设性案例；并非确定性的预测。

保管链：对样品或批次的转移过程及经手人员所作的记录。

功能安全：一种设计方式，使系统在发生故障或危险时，能够根据后果转入已知且适当的响应状态，同时使保护限值独立于模型置信度。

边界条件：指处于系统受测范围边界上的运行情况，例如深阴影、遮挡、粉尘或高密度；这些情况必须与总体平均表现分开测量。

智能主权：对请求流、资源、政策和记录实施受治理的控制，而不是依赖分散零碎的连接。

不确定性：指知识的局限，或现象本身的变异性；它必须被表达出来，而不能被掩盖。

蒸气压亏缺（VPD）：指水的饱和蒸气压与其实际蒸气压之间的差值；它有助于解释蒸腾作用的驱动力，并不是一个固定的普适目标。

采收前间隔期（PHI）：指按照标签规定，从施用某种物质到收获之间必须间隔的监管时间。

限制进入间隔期（REI）：指按照标签规定，在施用后对进入某一区域予以禁止或限制的监管期限。

数据可携带性：用户将其数据及其含义带到另一套系统中的能力。

可维修性：用户组织诊断故障，并在与停机后果相适应的时间内获得恢复功能所需工具、部件、技术人员和文档的能力。

缺失值：某项测量的缺失；它不等于零。

置信度校准：模型报告的概率与实际结果相匹配的程度。

溯源：关于数据来源、转换、所有者和用途的记录。

专业本地化：对决策、农业投入品、地点、季节、用户、语言、术语、单位、设备、连接、机构、来源、服务、备选方案和结果进行有文档记录的适配，并在采用前完成本地验证。

假阳性：统计学术语，指系统将某个实际为阴性的案例判定为阳性。本书在描述其运行层面的影响时，对应使用“误报”。

大语言模型：一种生成或分析语言的模型；其表达流畅并不能证明其内容真实。

作用机制：某种防控措施影响目标对象的生物、化学或物理方式；即使产品名称改变，重复使用相同作用机制也可能增加选择压力。

影子模式：运行模型以生成估计值或建议，并将其与现实情况进行比较，但不授予其发出物理指令的权限。

决策窗口：在此期间内，干预仍然能够安全且有价值地改变结果；根据任务不同，这一期间可能是几分钟、几天或一个季节。

功能单位：用于归集资源使用或影响并据此进行比较的共同基准，例如一个经过处理的公顷、一个其生长已被阻止的杂草个体，或在规定时期内的一吨适销产品。

智能体：一种软件组件，按照目标和工具来选择行动或协调任务。

附录 F：主题与区域索引

编号指主要讨论该主题或在另一项决策中再次涉及该主题的章节。区域交叉参照并不意味着该章节涵盖该区域内所有国家，也不意味着其所呈现内容可在这些国家之间直接迁移；它只是一个切入点，之后还需要针对国家、地方、生产系统、季节和机构进行核实。

主题索引

实施证据及其限度：3，30–34\\. 网络安全与服务连续性：5，10，16，22，27–28，30，32–33，36\\. 可持续性、资源总量与转移性影响：1–2，10–11，14–15，18–20，26，34–36\\. 检索、大语言模型与咨询服务：4，7，23，25，27，29–30，32–33\\. 水产养殖与综合农业：17–19、26、34–36\\. 市场、金融、可行性研究与投资：1、20–23、26、34–35\\. 杂草、除草剂抗性与机器人技术：12–16、27、30、34\\. 病害、虫害与综合防治：1、7、12、15、17–18、27、29、34\\. 数据、溯源与权利：3、5、7–11、20、28–30、32–33、36\\. 温室、垂直农业、水培与气雾培：10–11、14、25–27、36\\. 土壤、土地与作物适宜性：1、5–6、8、11、14–15、26\\. 施肥与养分：8、10–11、14–15、20、26、34\\. 偏差、不确定性、解释与验证：3–4、6–9、12、23、27、29–30、34、36\\. 收获、采后处理与食品安全：15–17、20、22、26、34–36\\. 灌溉与水：1、6、8、10–11、14–15、18–20、25–26、34–36\\. 机器人技术、机械与自动化：4–5、13–16、20、24、27、30、34–36\\. 安全、人的决策权与不予建议：4–5、7、10–19、22、27、29–30、34–36\\. 供应链、可追溯性与韧性：5、16–17、19、21–22、25–26、30、34–36\\. 小农户与共享服务：2、7、10、16、20–21、23–26、35–36\\. 劳动力、技能与公正转型：1–2、13、16、18、20、23–24、27、35–36\\. 可维修性、退出与回退：5、10、16–17、20、22–23、25、27–28、30、32–36\\. 本地知识、翻译与本地化：3、5、7–8、12、15、18–19、23、25–29、31–36\\. 作物监测与产量预测：6、8–9、15–16、20–22、29、34\\. 研究方法、试验与停止：3、29–30、34–36\\.

区域索引

阿拉伯世界与海湾地区：1、7、10–11、14、20–26、35–36\\. 土耳其：7、11、14、20–21、24–26、31–33、36\\. 印度尼西亚与东南亚：7、19、23、25–26、35–36\\. 撒哈拉以南非洲：7、10、18–19、21、23、25–26、35–36\\. 南亚：7、10–11、18、21、23–26、35–36\\. 南美洲：6、9–10、13–15、20–22、24、26、35–36\\. 连接、电力与服务受限的环境：7、10、16–19、22–26、30、35–36\\.

案例研究索引

Aladdin Agri AI、AiBridge 和 Chat V2：7、25、30–33、35–36，以及附录 N。这些段落描述的是带日期标记的内部效果和工程限制；不应将其解读为关于本地化、实际运行、农业决策质量或田间影响的独立证据。

附录 G：发布与翻译溯源

源语料库（corpus）

这项工作始于一个经过审计的基线，共有 96 个文件，另有补充材料位于 For Review、Chapter21_Unified 各分支以及多语种版本中。审计日志中的清单和指纹才是文件身份的参照，而不能仅凭名称或语言来判断。某一版本以某国的语言呈现，并不能证明其中的案例、单位、机构和服务对该国有效；溯源保留的是文本的来源，而本地化则需要单独作出决定并进行独立验证。

整合方法

英文 RC1 用于对齐结构和溯源，而不是作为本地含义上的更高权威。
从详细分支和区域清单中提取了独有材料，同时保留其来源和日期。
将主张拆分为存在性、属性、性能和影响，并将测得结果与承诺区分开来。
将每一类主张对应到能够证实它的来源，而缺失的内容仍然保持缺失。
叙述在阿拉伯语中从农业决策出发重新构建，并在会改变含义之处保留本地术语。
案例、阈值、单位和主管机构未经限定不得跨区域直接沿用，而可转移性则成为一个有待验证的问题。
尚未解决的主张继续保留在隔离日志中，其边界则体现在正文和附录里。

阿拉伯语版本不代表什么

本版本不是对参考文献的经认证法律翻译，也不是操作或采购指南，不是系统综述，也不是针对任何特定国家的咨询建议。它是一部基于多来源材料原创撰写的阿拉伯语书稿，其中各项问题都被重新锚定到农业决策及证据边界上。不能认为它已经针对每个国家、每种作物或每个机构完成本地化；这需要在语言、农业、法律和运营方面进行本地人工复核，并在采用前开展与后果相匹配的测试。

版本日志

外部证据的基线日期：2026年9月2日；其后的受控增补内容记录于参考文献登记册。
该插件最近一次经审阅的内部发布工件为软件包 Koot-EL-Kuloob-2.1.39.zip，生成于 2026年9月22日，并于 2026年10月10日依据 IMP14 完成审阅。
本附录对应的稿件状态：扩展工作草稿；专业改写本身并不当然意味着已获得独立出版接收。
转入发布候选版的条件：各章节、表格、参考文献和图件之间保持一致；冲突得到解决；随后完成有记录的人工审阅，覆盖语言、应用领域、本地化和无障碍性。

各章的证据密度

各章的证据分布并不均衡，但引用次数并不能衡量质量或本地适用性。下表是对当前稿件的自动化清点：先统计每个 SRC 或 IMP 标识符出现的次数，再统计各章内不同标识符的数量。表中将读者可获取的外部参考文献与读者无法获取的内部实施证据分开列示；它不对来源进行分类，也不判断其是否契合相关主张；这属于句子层面的人工审阅任务。

章节	SRC 引用次数	不同 SRC 来源数	IMP 引用次数	不同 IMP 证据数
1	6	6	0	0
2	7	7	0	0
3	2	2	0	0
4	6	6	0	0
5	3	3	0	0
6	4	3	0	0
7	27	16	10	4
8	1	1	0	0
9	8	7	0	0
10	25	19	0	0
11	28	25	0	0
12	18	16	0	0
13	7	7	0	0
14	23	23	0	0
15	24	8	0	0
16	22	14	0	0
17	9	5	0	0
18	29	12	0	0
19	4	2	0	0
20	6	3	0	0
21	0	0	0	0
22	4	4	0	0
23	3	3	0	0
24	6	3	0	0
25	1	1	1	1
26	1	1	0	0
27	2	2	0	0
28	2	2	0	0
29	1	1	0	0
30	1	1	12	7
31	0	0	6	1
32	0	0	25	10
33	0	0	28	9
34	19	19	2	2
35	0	0	0	0
36	3	3	0	0

没有引文并不意味着某一章就是错误的，但这确实会使其无法用于支持关于性能、影响或可转移性的主张。引文数量高，也不意味着某一章对特定国家或作物就一定有效；这些参考文献可能是领域综述或官方来源，它们描述了某项功能，却没有检验本地结果。因此，解读这些数字时应结合论证类型，同时还必须将主张与来源、比较对象、地点、季节和结果相匹配——这仍然是一道独立的关口。

表格揭示了什么

有三点观察同时约束着读者与审阅者：

第一：第 15 章和第 16 章并不包含与其应用性决策直接相匹配的区域或田间一手研究。第 16 章目前依赖的是一篇范围综述、机构参考资料和官方供应商页面；这些资料描绘的是市场功能，而不是对产品性能的独立验证，也不是本地测试。这是一个已声明的缺口，而非隐蔽的错误；但它仍然是一个缺口：在加入与具体语境相匹配的一手来源并完成本地性能验证之前，这两章均不得作为咨询建议的依据。

第二：第 31–33 章并不依托任何外部参考文献。案例研究中以引注形式出现的内容，并不是参考文献，而是实施证据 IMP01–IMP14；由于读者无法访问这些内容，它们被记录在附录 N 中。第 31 章不含 SRC 引注，而第 32 章和第 33 章依赖内部痕迹；就参考文献学意义而言，这等于零条参考文献，无论这些内部痕迹多么详细。

这与这些章节的目的相一致：它们旨在描述架构，而不是证明农业影响。然而，其含义也已明确写出：第九部分整体上不具备任何独立于资助方的证据，也没有一条读者可以亲自查阅的参考文献。任何寻求对农业价值作出判断的人，都应阅读第十部分，而不是第九部分。

第三：参考资料清单显示出明显的不均衡，而一手基础有限的应用章节需要的是定性审阅，而不是在缺乏匹配的情况下不断累积引文。这是本书中最广泛的缺口，它决定了下一节中转入核准版的条件。

核准版的来源基础关口

本版共依据 265 条外部参考文献，覆盖三十六章所涉及的计算机视觉、土壤、水、养分、病害、机器人、设施栽培、畜牧业、水产养殖、采收、食品安全、经济、市场、供应链、包容性、六个区域、治理和可靠性。来源基础先后得到以下补强：增加 Farmer.Chat 和 GAIA 的来源；补充作物监测、产量预测和灌溉管理来源；补充养分管理、肥料和现代生产系统来源；增加四条关于轮作及其机制和技术的专门参考文献；增加七条关于动物福利和精准畜牧业的专门参考文献；增加三条关于食物损失、饲料安全和农渔综合生产的参考文献；增加九条关于采收系统多样性及其软件和机械版图的参考文献；以及增加三条关于农业劳动力、公正转型和性别的参考文献。2026 年 10 月 15 日，又增加 72 条参考文献用于第十九章的编写，其中包括七篇科学论文、十四条专业参考、十三份技术文档、三十七条商业说明和一份研究项目报告。同日，为第二十二章的编写增加七条原始参考文献，包括四条商业说明、两份技术文档和一条专业参考；同时复用 SRC216 说明文档处理，并建立与该章各节的对应表。随后在 2026 年 10 月 19 日，增加第 23–30 章编写过程中形成的 51 条独立外部参考文献；来源相同时复用既有记录，第二十九章草稿中重复的 NIST 参考文献不再次计数。这些新增内容加强了对现有功能和方法的记录，但不能证明本地性能、服务准备程度，也不能证明其适合作为替代方案。即便如此，相对于本书主题的广度，来源基础仍然有限；仅靠文字上的谨慎不能弥补这种不均衡。

在把九项实施证据从参考文献计数中移除后，24 才是准确数量。随后增加 14 个可公开获取的来源，用于记录 Farmer.Chat 和 GAIA，使总数达到 38。之后增加 23 条公开参考文献，用于记录第九章和第十章中的工具、方法和新研究，使外部参考文献总数达到 61。接着增加 24 条专门涉及植物营养、养分管理、设施栽培、现代生产系统以及第十一章相关工具的新参考文献，使总数达到 85。后续公开新增内容把数量提高到 109；随后增加 SRC124–SRC127 以编写第十五章，使总数达到 113；增加 SRC128–SRC134 以编写畜牧业章节和负责任的动物照护内容，使总数达到 120；增加 SRC135–SRC137，用于食物损失、饲料安全和农渔综合生产，使总数达到 123；增加 SRC138–SRC146 以编写第十六章，使总数达到 132；再增加 SRC147–SRC149，用于农业劳动力、公正转型和性别议题，使总数达到 135，同时没有把任何私有代码仓库材料重新列入参考文献。2026 年 10 月 15 日，随后增加 SRC150–SRC221，用于记录第十九章的编写过程，使总数达到 207 条外部参考文献；SRC117 被复用而未重复计数，所有既有标识符、预留空号以及附录 S 中截至 2026 年 8 月 31 日的历史清单均得到保留。之后增加 SRC222–SRC228，用于记录第二十二章编写过程中涉及的跟踪、预测、优化、监测、模拟和风险管理功能，使总数达到 214 条外部参考文献；SRC216 被复用，没有另建重复记录。2026 年 10 月 19 日，又为第 23–30 章的编写增加 51 条独立外部参考文献，分布在 SRC229–SRC281 之间，并保留 SRC235 和 SRC251 两个有意设置的空号，使当前总数达到 265 条外部参考文献。SRC251 未计数，因为其材料与 SRC033 相同；SRC235 未分配来源；所有既有记录和附录 S 中的历史清单仍获保留。相比之下，早期草稿中的 33 这一数字因计入无法从外部核验的材料而被虚增，不能作为当前计数依据。

谨慎可以防止过度声称，但它并不能创造覆盖面。当整整一个应用章节都依赖于单一的范围综述时，文本可以一方面对其局限保持诚实，另一方面其来源基础又同时是不完整的；这是两种不同的不足，二者都不能补偿对方。

因此，任何被描述为授权版的版本——本草稿不在此列——都必须至少满足以下最低要求：

要求	最低要求	适用范围
各应用章节的前期研究	与任务相匹配的两条同行评审来源	第 8–25 章
区域来源	每个被提及区域至少一条参考文献	第 26 章
独立于资助方的证据	每项能力主张各有一条非资料库来源	第 31–33 章
实施证据升级	每个 IMP 条目均具备持久标识符（DOI）\+ 标记发布版本 \+ CITATION.cff	附录 N
外部核验	每个已发布的性能数值均有一项核验或复现实验研究	正文中的每一项性能数值
专家评审	每个敏感章节均有一名独立领域评审人	10、11、12、16、19、24、27

未达到最低要求的章节，发表时只能采用两种方式之一：要么明确降格为“仅提出设计框架、不提供性能证据”，要么推迟到后续版本。常见的第三种做法不被允许：即保持章节现状不变，只在导言中添加一项一般性保留说明。

证据基础中代码仓库来源的占比

较早版本的草稿在三十三项来源中有九项——约占证据基础的百分之二十七——实际上是对资助方自身代码仓库的审查。现行版本已对此作出更正：这九项证据已从参考文献列表中全部移除，并转入附录 N 中带有标识符 IMP01–IMP09 的单独登记表。

IMP10–IMP12 于 2026年9月16日加入该登记表，随后 IMP13 于 9月18日加入，用于记录 AgroGenie 开发包及其本地测试；之后 IMP14 于 10月10日加入，时间是在审查该插件的官方分发包之后。这些实施证据在任何阶段都未被纳入参考文献列表，因此也不改变外部参考文献的数量。

更正和更新后的数字结果如下：本书的参考文献由一百三十五项外部参考文献构成，全部已公开发表，并可通过 DOI 或稳定链接访问。参考文献列表本身不包含任何无法由外部核验的私有材料。

作出这一更正的原因是方法论上的，而非修饰性的：读者无法访问的实施工件不是参考文献，把它列入参考文献会赋予其并不具备的权威性，并以无法审查的材料虚增总数。

当需要描述带日期的工程案例时，会使用实施证据 IMP01–IMP14，同时保持每项工件彼此分离。这一扩展并不改变以下事实：这些材料不是外部参考文献，也不是实际运行、已完成本地化或农业影响的证据；而第九部分的悖论依然存在：讨论资助方产品的那一部分，并不具有独立于该产品本身的证据。

本书通过编辑独立性声明和第三十一章中明示的三项限制来处理这一悖论。但这些限制约束的是表述措辞；它们并不改变证据的性质。

明确的方法论立场如下：代码仓库证据能够确立存在性与结构。它不能确立运行、影响或质量。

任何想要判断该平台农业价值的人，都不会在本书中找到充分依据。这种缺失是有意为之，并非疏漏：作者没有可供提出的独立证据，而用自信的语言去填补这一空白，比承认其存在更糟。

数据与材料可得性声明

外部来源：所有“受控参考文献”中的参考文献——共一百三十五条——都可通过其条目中给出的数字对象标识符（DOI）或稳定链接获取。参考文献部分不包含任何无法公开获取的来源；实施证据已从其中移除并转入附录 N。

实施证据（IMP01–IMP14）：IMP01–IMP09涉及一份日期为 2026年8月22日的私有来源工件；IMP10–IMP12涉及单独的内部工件；IMP13涉及 AgroGenie 开发包；IMP14则涉及于 9月22日生成并于 10月10日审查的官方分发包。每一层在附录 N 中都有其各自的版本或日期、指纹及其限制，且较后的层次不会抹去对较早层次所作的判断。这些工件均未发表，也不带有任何公开的持久标识符；因此，它们不进入参考文献列表，也不支持任何关于性能、接受度、本地化或农业影响的主张。验证路径是对所指明工件进行独立审查，而其升级条件载于附录 N。

内部编辑记录：源代码清单，以及用于核验主张、统计、视觉资产和集成的日志——属于内部工作记录，而非公开的科学参考文献，也不被引用来支持任何研究发现。

生成数据：本工作未产生新的实验数据，未进行田间测量，也未复现已发表结果。其中每一幅图都取自其来源，并保留该来源所声明的限制。

资金与利益冲突声明

资助实体：Aladdin Agri AI，同时它也是第九部分案例研究的对象。这构成直接且已声明的利益冲突；对此的处理方式不是否认，而是通过编辑独立性声明中列出的三项限制，以及上文对代码仓库来源占比的披露。

编辑决策权：资助方对本书的研究发现、对删除任何限制、或对任何结论的措辞，均不具有决定权。凡营销描述与一级来源或资料库状态发生冲突时，以权威性更高的来源和更为审慎的表述为准。

未获资助的内容：本项工作未接受附录 H 或附录 S 中提及的任何供应商或产品的资助，也不存在任何一方为纳入某个名称或案例、或为提高证据等级而付费。某产品出现在本书中并不构成背书，未出现也不构成负面判断。这一中立原则同样适用于资助实体在附录 S（AIP019）中的自身条目，与适用于其他方并无不同。

关于使用人工智能的声明

该工具的用途：整理材料，检测不同版本和语言之间的重复内容，对文件进行结构比较，提出措辞建议，并检查术语、交叉引用和图表的内部一致性。

该工具未用于：不生成任何科学发现，不创建任何参考文献，不估算任何数值，不推断任何农业判断，也不填写案例卡中的任何缺失字段。本书中的每一项主张都可追溯到经人工核验的来源。

该工具的边界：它不被视为科学来源，也不被视为农业权威。措辞流畅并不能证明内容正确；本书对其所分析的系统也适用同样的规则。

责任：核验、编辑和最终批准的责任始终完全由人承担，在任何情况下都不会转移给该工具。

附录 H：应用、产品与计划概览

本附录的目的

本附录保留了扩展分支中出现的名义性细节，而不是把它们从本书中删去；但这并不把一个名称变成证据，也不把它变成采购清单。每个案例都按六个彼此分离的层面来解读：该名称在本书材料中的出现；其身份及其责任主体的确认；某一具体实施的存在；它在预定地点和时间的可获得状态；它对语言、单位、设备、连接和本地服务的适配性；以及独立评估在农业结果或运营结果方面已经证实了什么。前一层可能已经成立，而后一层尚未成立。

凡是在参考文献登记册中，或在已声明边界的实施证据登记册中，没有出现经核实来源的内容，都仍然只是来源线索，需要有注明日期的官方页面和身份确认。即使其存在已经得到确认，在没有与其主张相称的评估之前，也不得把它用作准确性、影响或本地适配性的证据。某种界面提供某一语言版本，并不意味着其中的农业术语、警告、单位或支持路径已经过专业本地化。

它与附录 S 的关系——是分工，而非重复：本附录采用叙述体，范围也更广；它保留了本书来源语料中出现的所有名称、案例、来源线索、概念和技术类别，并用各章的语言加以说明。相比之下，附录 S 是一份受限于单一单元的指南：已实施的项目；除非满足七项条件，否则任何内容都不会进入其中，而其中每一条目都具有官方来源和注明日期的可获得状态。

凡是出现在这里而不在那里——某项研究、某篇综述、某次模拟、某个概念，或某个归属尚未确定的名称——并非被省略，而是被放在其应有的层级。寻求解释与语境的人会在这里找到它们；寻求能够核实并比较的项目的人则应前往附录 S。

本地化解读规则

不得仅仅因为作物或气候看起来相似，就把本附录中的某一状态沿用到田间决策中。在进行任何比较之前，必须先明确所需任务，以及农业对象、其所处阶段和其本地名称；地点、季节和决策窗口期；用户、其决策权、语言和单位；设备、电力和连接条件；参考机构；以及培训、技术支持、备件和后备方案的可获得性。在这些字段中凡未经核实的内容，一律保持为“未知”；不得根据供应商描述或通过自动猜测来补填。

农场与生产管理

Cropin Cloud / Cropin Intelligence

它们在源语料中被呈现为一组用于生产管理、分析和模型的平台。该案例有助于讨论农业云以及多个田块之间的联接。诸如“世界首个”之类的说法，以及模型、作物、英亩和数据点的数量，如无注明日期的文件和另行说明的定义，均不予发布。状态：供应商描述/来源线索。

Agrotics

它被呈现为一个面向智慧农业和运营管理的 SaaS 平台。保留其作为订阅模式和集成的案例；任何评价都必须首先记录其版本、模块、市场、语言、数据导出能力、成本和用户结果。状态：商业来源线索。

Terra Oracle AI

它曾被引用为一个多语言农业顾问。其价值在于测试跨语言的术语质量、来源依据和拒绝作答能力，而不是假定多语言功能已经在实践中实现。状态：来源线索；需要正式且最新的测试。

AgriNEXT

它曾被引用为一个结合卫星和物联网的系统。观测数据应与分析结果以及商业服务分开，并应核实其合作伙伴和覆盖范围。状态：来源线索。

FarmMind

它曾在面向农民的智能体应用中被引用。必须明确这里的“agent”指的是对话界面还是会使用工具的系统，以及它拥有哪些权限、保留何种操作日志。状态：来源线索，不具备提出影响声明的资格。

植物病害与健康

AGMRI

它被呈现为一项面向作物的人工智能应用。仅凭名称不足以识别其公司、版本或研究；在公开发布之前，必须先明确其身份。状态：未解决的来源线索。

CropGPT

它有一项经同行评审的具体研究 \[SRC008\]，支持其作为多模态模型的存在，以及其诊断与解释功能的范围。在全文完成审查之前，沿用而来的数值仍应继续隔离。状态：部分受控的科学示例。

TatarAI

它曾被引作一款用于植物健康的移动应用。需要官方来源，以及一项涵盖其数据、病害和地理范围的研究。不得把沿用表格中的任何准确率数值转移过来。状态：来源线索。

Mobile CNN for Maize

它有一个主要来源 \[SRC007\]，用于确立该移动端分类任务。95% 这一数值目前不予采信。状态：部分受控的科学示例。

三层级多作物框架

它被引用为一种多层级、多作物的诊断框架。在参考文献尚未核实之前，不应将其视为产品或特定研究。其理念仍属于架构层面：先筛查，再核验，后指导。状态：概念/来源线索。

产量预测

Yield-XAI 研究

该研究 \[SRC006\] 确立了其身份与范围，在其自身设定中 R² 最高可达 0.92。此处引用它，是为了说明预测与解释之间的联系，以及泛化的边界。状态：受控一手研究。

稳定性分区 \\+ ML

该研究 \[SRC005\] 确立了稳定性分区与机器学习的整合。若其正文尚未审查，则不得引入其中任何结果。状态：一手研究，仅限范围。

IoT/ML 作物预测框架

草稿纳入了若干将传感器、天气和模型相结合的框架。它们作为一类技术家族予以保留，其结果不合并为单一数值。状态：来源线索家族。

土壤与养分

人工智能赋能的土壤肥力框架

正在出现一些把传感器、分析与决策联系起来的肥力框架。它们的价值在于对组成部分进行分类，但任何建议都需要样品和本地标准。状态：一组概念；初步证据不足。

面向养分的智能传感器融合

这说明了结合多个传感器以减少对单一信号依赖的思路。实验室参考值、土壤背景及可迁移性都必须得到验证。状态：研究线索。

田块尺度的土壤水分预测

这体现了在估算土壤水分时对时间与空间信息的利用，并且与灌溉决策保持分离。状态：一组必须配有明确记录说明的研究。

杂草与机器人

大豆 ConvNet

研究 \[SRC009\] 关注的是使用卷积网络对大豆图像中的杂草进行检测。它既不是 Q-learning，也不是清除机器人。状态：一项范围狭窄的视觉研究，用于展示感知层，而非执行链。

Carbon Robotics LaserWeeder / Large Plant Model

它被表述为一种激光产品和一个视觉模型。只有在审阅供应商带日期的文档之后，才能陈述其声称具备的能力，而其结果需要独立评估。既往的除草／除草剂数据已被隔离。状态：商业来源线索。

自主式太阳能轻型机器人

它代表了一种轻量化设计，也可能是一项适用于农场经营体的服务，但其名称、来源和测试情况都必须核实。状态：研究／产品线索。

EM-GROW

它曾被引用为一个由空间技术支持、面向有机农场的机器人项目。它需要有官方项目页面和结果。状态：项目线索。

收获

Eternal.ag 番茄采收机

它曾被作为自主番茄采收机引用。“完全自主”这一说法，或任何关于作业时长的数字，在核实其版本、地点、可用时间和损伤情况之前，均不得发布。状态：商业线索。

配备硅胶手指和风扇的草莓机器人

它体现了轻柔抓取和果实品质方面的挑战。它需要对应的具体论文/项目以及储后指标。状态：研究线索。

遮挡条件下的黄瓜采收

它体现了遮挡、三维估计以及穿过叶幕进行触达等问题。不得据此推断其已达到商业成熟度。状态：研究线索。

苹果采收与质量检测

它体现了采收与分选的集成。采摘性能必须与质量检测分开。状态：来源线索。

灌溉与水

AS-MO 精准灌溉

研究 \[SRC038\] 属于受控案例：一种将自动排程与人工操作结合起来的设计，并在肯尼亚、约旦和摩洛哥开展了利益相关方评估。它并未确立节省百分比。状态：设计与用户研究。

智慧灌溉排程 / IoT 灌溉

几类研究将传感、预测与控制联系起来。每个案例都必须针对其作物、用水、产量、能源和基线进行评估。状态：一组来源，而非统一结论。

畜牧业与水产养殖

PoultryFI

初步草稿 \[SRC015\] 描述了一个用于动物福利和生产率的多传感器平台。它并不构成生产标准。状态：新出现的证据。

BirdWatch

文中将其引用为一个与空间技术有关联的家禽健康监测系统。该名称需要先完成身份和来源核实，在此之前不得将其表述为一项部署。状态：来源线索。

BroBot

其被引用为一款家禽监测机器人。该平台、其状态及其安全性必须加以记录。状态：来源线索。

水产养殖预测系统

按综述 \[SRC010\] 在领域层面进行了概述：水、投喂、疾病、决策以及边缘计算。不存在单一平台，也不存在通用的成本百分比。状态：综述证据。

农业推广

Digital Green FarmerChat

项目、发布和开放数据页面 \[SRC039\]–\[SRC046\] 将其记录为一个与本地农业推广服务相连接的多语言、多模态助手。另有一项涵盖肯尼亚 450 名农民的用户研究；它允许描述使用情况、信任和自我报告的行动，但不能确立其在农业上的普遍准确性，也不能证明其对产量和收入具有因果效应。状态：由机构运营的服务，附有地域范围有限的评估证据。

Vayazh

其被提及为一款使用 RAG 的顾问系统。其身份必须得到核实，并且必须说明其知识来源、语言和安全性。状态：来源线索。

Kisan AI

其被提及为一款将盈利能力纳入考量的顾问工具。它要求记录定价、数据和范围，并对财务预测实施治理。状态：商业线索。

CottonBot

其被提及为一款面向棉花的大语言模型助手。其来源、作物聚焦、地理范围和测试情况都需要审查。状态：研究/产品线索。

Agro Bot

其被提及为人工神经网络和自然语言处理在咨询服务中的一种应用。该名称过于通用，需要进行身份辨析。状态：开放线索。

GAIA

IFPRI 和 CABI 页面，以及测试、治理和许可材料 \[SRC047\]–\[SRC052\]，将其记录为一个由多方合作的研发项目，具备原型、用户测试和治理文件。这些证据支持描述该项目及其早期阶段，但并不能证成其为一个完整的商业产品，也不能证成其具有广泛的田间影响。状态：已有文档记录的项目，早期结果有限。

AgroGenie

8月22日的工件证实了一项可选集成，该集成与前端和对话路径相连，并具有该软件包特有的验收约束 \[IMP06\]。其后的 AgroGenie 开发包证实了搜索、语言、治理和集成在本地测试中的成功，但并未证成 WordPress、数据库、浏览器或负载在真实运行环境中的运行情况 \[IMP13\]。至于日期为9月22日的生成插件官方分发包，它证实了独立分发工件中存在契约和组件，但其证明力仍限于 \[IMP14\] 所记录的内容；它并不推翻 8 月的判断，也不能证成 AgroGenie 已激活、其本地化已完成，或其具有田间影响。状态：带日期的内部实施层，各自具有不同的版本、环境和限制。

可持续性与设施农业

Cropin 可持续性工具

被提及为影响／碳跟踪工具。它们需要有方法学、系统边界、数据来源和验证；仅有仪表板展示并不足够。状态：供应商描述／线索。

CinSOIL

被提及为一个土壤碳测量／投入案例。其方法学、基线、持久性和泄漏必须经过验证。状态：来源线索。

Farmdee-Mesook

被提及为智慧农业语境中的一个排放意识平台。它需要明确的身份、正式项目和结果。状态：来源线索。

AI \+ 5G 温室

它代表的是连接能力与控制的集成，并不能证明 5G 是必需的，也不能证明该系统具有可持续性。状态：应用类别。

供应链与食品安全

Bai GenAI \+ 区块链

一项关于供应链协调与信任的模拟研究 \[SRC011\]。它并未描述部署情况。状态：受控模拟。

Khanna 冷链框架

一项计算研究 \[SRC012\]；30% 的运输时间结果仅在其试验范围内得到支持。状态：受限实验。

Spectral-AI

一篇综述 \[SRC013\] 对该领域作了梳理。它并未确立这种准确性能否延续到其他情境。状态：综述证据。

基于云的粮食品质监测

被提及为一类基于云的监测系统。96% 这一数字因相关任务和研究尚未明确而暂不采用。状态：来源线索。

附录更新规则

在核实任何来源线索时，不会将其直接移至“已批准”。必须填写一张卡片，将名称、机构、版本、来源和截止日期，与实施、可获得性、独立评估和影响区分开来。随后还要补充一张本地适用性卡：农业任务；地点与季节；用户、语言和单位；设备与连接条件；人的决策权、服务、维护与后备方案；以及需要测量的结果。如果某个来源只能证明某项功能存在，那么可获得性、适用性和影响仍应标记为“未知”。如果一级来源与供应商的描述相矛盾，应呈现该矛盾及其来源和日期，而不是用折中措辞或自动摘要来消解矛盾。

附录 T：实用工作簿

这些模板既不是正式问卷，也不是现成配方。它们的目的，是防止团队或农场在尚未界定决策、证据、责任以及系统将要运行的具体情境之前，就从一个一般性问题直接跳到购买某个系统。相同模板可能适用于不止一个地方，但其中的数值、阈值、术语、权限安排和连续性计划，并不会随模板自动转移。

本地情境卡 —— 在填写任何工作簿之前完成

农产品、其所处阶段及其本地名称：地点、生产系统、季节和决策窗口期：实际用户、角色、人的决策权、语言和术语：单位、日历、设备、电力和连接条件：负责参考标准与认可的专业机构或监管机构：本地服务：培训、技术人员、备件、响应时间：发生中断、拒绝使用或提出异议时的后备方案：所需结果、错误或延误的后果，以及由谁承担：

如果影响决策的任何要素发生变化——例如作物、季节、语言、单位、决策权持有人或服务可用性——则必须在复用该记录之前复核此卡。人工智能不会把未知字段变成事实；它可以揭示缺口或比较记录，但建立情境、决策权和后备方案，是田间与机构层面的工作。

1\. 问题定义卡

决策名称：作物／动物／材料、其所处阶段及其本地名称：地点、季节和行动窗口期：实际使用者：使用语言、单位、设备和连接条件：决策权持有人：决策频率和时间窗口：当前做法：按单位和时期计算的损失／机会：延误的后果：假阳性的后果：假阴性的后果：作出决策当时可获得的信息：输出之后可采取的行动：适用的主管机关或规则：系统不可用时的服务与后备方案：为什么与其改变流程，不如采用这项技术可能更好：

准入关口

除非已知用户、情境、基线、行动、决策权持有人和后备方案，否则项目不得继续推进。所谓“用人工智能提高生产率”并不是一个知识问题，两种作物或两个地区之间的相似性，也不足以把一处的决策套用到另一处。

2\. 数据集卡

部分	记录字段
标识	名称、版本、所有者、联系点
目的	采集原因，以及允许／禁止的用途
范围	作物/动物、本地名称和阶段；地点、生产系统和季节；设备、渠道和连接状况；用户类别和语言
样本单元	图像/植物/田块/日期/批次/动物
采集	协议、时机和仪器
经专家核验的标注	定义、专家、一致性、未解决类别
本地含义	原始术语、关联的标准名称、单位和历法、负责阈值定义的机构
质量	缺失情况、噪声、排除、校准
代表性	参考类别、区域和语言的分布
隐私	身份、地点、重新识别风险
权利	同意、权利持有人、许可、训练用途、共享、更正、异议、删除、本地受益
处理	转换、代码和版本
划分	训练/验证/测试以及分离单元
限制	数据在哪些情况下不适用？

3\. 模型实验卡

假设：预期会发生什么变化，为什么？基线：当前实际依赖的本地方法、规则或专家。指标：根据错误后果来设定，并注明单位。划分：空间/时间/农场/用户。外部测试：一组未用于开发的数据集。迁移限制：哪些地点、季节、材料、用户、设备、语言和机构未经测试？校准：如何评估置信度？未知类别：系统如何拒绝作答？资源：时间、内存、能源、连接。差异：按地区/语言/规模/设备划分的结果。负面结果：具有代表性的失败案例。停止条件：伤害阈值或无收益。

4\. 田间试点卡

设计

地点、作物/物种和季节；
本地名称、阶段和决策窗口；
参与者及其选择方法；
角色、权限、语言、单位、设备和连通性；
基线或比较对象；
持续时间足以覆盖决策周期；
培训与支持；
技术人员、备件、响应时间和本地替代方案；
同意与数据权利；
安全与保险方案；
对结果进行预注册。

运营

可用性与中断率；
数据质量与缺失数据；
模型更新；
误报与漏报；
人工干预；
故障与维护；
升级处置时间，以及发生中断时关键功能的连续性；
用户退出及其原因。

结果

模型指标；
农业结果；
经济结果；
用水/能源/投入品总量；
劳动力、技能与安全；
各群体之间的差异；
可扩展性与退出；
仍处于证据范围之外、因此不得将结果外推适用的情境。

5\. 灌溉决策日志

日期/分区	作物阶段	水分与深度	天气/降雨	ET/假设	系统指令	工人决策	实际用水量	能源	备注/结果

应记录本地阈值、其来源及其批准权主体，同时记录人工覆盖的原因，以及由谁持有该项权限。在该周期结束时，应比较用量、产量、质量和能源；不得仅凭阀门开启时间推断节约效果，未经验证，也不得在土壤、作物和季节之间转用某个阈值。

6\. 作物病害日志簿

案例	作物/生育阶段	地点/日期	所需图像	症状/扩散	系统概率	置信度/拒绝作答	专家/实验室核验	处理措施	结果

它将“模型类别”与“确诊结果”以及“干预措施”区分开来。症状的本地名称和可能的致病因子都会被记录，同时记录获授权进行诊断或转介的主体。如果使用了某种物质，则记录其产品标签、版本和本地授权情况，而不是把一条通用处方抄进日志簿中。

7\. 田间机器人日志簿

任务	密度/遮挡	条件	检测	定位	成功动作	作物损伤	干预	停止	能源/投入品

这种结构可防止把视觉准确率伪装成清除或收获绩效。它还记录本地安全限值、由谁掌握停止权限，以及当技术人员、所需部件或连接不可用时，任务如何继续进行或以安全方式停止。

8\. 动物/水产养殖日志簿

它记录物种、本地名称、年龄/阶段、环境、设备、校准、预警、解读、专科检查、处理措施、动物福利和结果。对于关键测量，应采用由获授权机构批准、来源清楚且在本地定义的阈值，并配备不依赖云端的手动模式或替代照护方案。对于摄像头，还要从工人隐私以及工人进行纠正和停止的权限角度加以审查。

9\. 冷链日志簿

批次	节点	入/出	温度/湿度	校准	开启/停机	路线	警报	决策	最终质量

在合并与拆分过程中，要测试批次关联，并记录站点名称、产品、等级、单位，以及负责召回的当地主管部门，同时开展一次实际召回演练。不得仅凭运输时间推断质量，也不得为了让路线看起来成功而更改产品的目的地或规格。

10\. 劳动力影响日志簿

之前的任务	由谁执行	时间/风险	之后的任务	新技能	培训	谁受益	谁受损	转型措施

应在运行稳定后重复测量，因为最初的学习期并不代表稳定运行状态。对失去某项任务或被增加了额外监测负担的群体，应当征求其意见。

11\. 可退出性测试

申请一份完整的数据副本。
核验原始数据、规范化数据和元数据。
审查格式、数据字典和标识符。
将一个样本导入独立系统。
检查关系、日期和单位。
吊销一个测试密钥，并确认系统仍能安全运行。
要求对方说明哪些内容将被删除，哪些内容将被保留。
计算所需时间、成本和停机。

测试应在实际用户可用的格式、语言、单位和设备条件下进行，并记录如果导出内容无法理解或无法恢复，由谁提供本地帮助。

测试失败，就意味着“可携带性”仍只是一个未经证实的承诺。

12\. 级联失效演练

情景：在高温天气的一天，身份提供方发生故障，而有几栋畜舍需要通风。问题：这些阈值在本地是否适用？谁会收到警报？手动模式是否需要使用当前已宕机的登录系统？这些消息是否依赖同一个提供方？恢复时间是多久？要求结果：一份依赖关系图、一套缓解程序、一名责任人，以及一个重新测试日期。

还应针对传感器故障、价格数据陈旧、批次误识别、错误的模型更新以及供应商服务中断重复进行这些情景演练。

13\. 总资源评估

先界定系统边界和期间，然后记录以下内容：

直接和间接用水量；
电力、燃料和能源来源；
设备的制造与运输，以及其使用寿命；
更换件、电池和废弃物；
投入品和化学品；
面积或生产周期的变化；
转移到供应链或区域的影响；
产出和质量结果。

应同时给出总量和单位强度。如果一项改善而另一项恶化，就应显示这种权衡关系。

14\. 翻译与术语审校

项目	审阅者的问题
术语	是否自然且具有农业针对性？
本地名称	是否已被保留并建立关联，而不是被抹去？
单位	其方向和分隔符是否正确？
警示	是否仍然保持强烈且清晰？
主管权威	当地主管权威是否明确？
示例	是否在没有正当依据的情况下被转移到另一个地区？
界面	RTL、音频和字体是否清晰易辨？

15\. 通用采购清单

问题、基线与结果；
功能定义与版本；
独立研究或评估计划；
数据、隐私与权利；
互操作性、导出与退出；
安全、事件与更新；
支持、维护和零部件；
已证明在本地能够获得技术人员和零部件，明确响应时间，以及关键功能的后备方案；
总成本和融资；
培训、工作和公平；
终止条件和罚则；
合同结束后证据的保存。
用户以其自身语言享有提出异议、更正、导出、过渡和退出的权利。

16\. 在书中发表案例的门槛

一个案例在满足以下条件之后，方可从来源线索提升为作为证据收录于书中的案例：

解决身份和版本问题；
确定来源类型和利益冲突；
获得原始方法和结果；
确定语境、比较对象和分母；
将模型输出与影响分开；
审视可转移性和局限性；
撰写并审阅一张阿拉伯语卡片；
更新主张登记表和参考依据。

17\. 人的决策记录

本地化语境及其卡片版本：自动化输出：来源/版本：置信度和局限性：人的决策：接受/修改/拒绝/升级处理。角色、决策权，以及为什么时间和信息是充分的：理由：行动：结果：是否需要更新规则/模型？

该记录能够让分歧真正转化为学习，并防止人沦为沉默的盖章者。如果审阅者不理解相关语言或相关单元，或者缺乏时间、决策权或切实可行的替代方案，程序就不得将该决定归因于“人工审核”。

附录 Y：科学隔离登记册与重新开放声明

为什么要保留被否决的主张？

静默删除会抹去编辑历史，并且可能让该数字从另一个版本中，或从一个未携带其限制条件的自动摘要中重新出现。隔离日志记录文本、数值、声称的来源、其版本、其语境、阻止原因，以及重新开启需要满足什么条件。“已隔离”并不必然意味着该结果不可能；它意味着该结果不适合以所要求的置信水平发表，或不适合转用于预期的本地语境。

已隔离的定量主张

继承的主张	隔离原因	重新启用所需条件
CropGPT 93.1%	未找回全文/结果所在位置	原始表格、任务、数据、划分方式和参照类别
VGG16 95%	该数字尚未对照研究核实	原始位置、语境和测试
Weed detection 92–97%	研究与指标被混为一谈	每个数值及任务的来源
Robotic removal 80–85%	缺少可比来源链	田间测试和“清除”的定义
Soil disturbance reduction 70–80%	未经核实的供应商主张	独立测量和基线
Pesticide reduction about 75%	定义/来源不充分	具体物质、面积、有效性和影响
灌溉节水/节肥 30%	没有与之对应的作物/地点/时期/来源	原始研究和完整平衡
产量提高 20–25%	归因于一项并不能证实该说法的来源	原始结果和比较
水产养殖成本 30%	综述 \[SRC010\] 并不支持该说法	原始成本研究
光谱 99.85%	综述未说明其来源	原始研究、任务和风险
粮食品质 96%	没有对应来源	数据、类别和测试
收获机 22 小时/天	未经核实的运行描述	可用率、停机时间和背景记录
400 种作物/10,000 个品种/数百万个数据点	缺乏版本控制的供应商数字	注明日期的文件、定义和核验
“仅为传统成本的一小部分”	没有分母、货币或背景	总拥有成本和比较
“全球首个”	优先性主张无法判定	市场调查、定义和日期
数百万公顷	没有定义/独立来源	注明日期的报告、方法和面积

处于隔离状态的方法学主张

关于本书系统审查了 150 多个来源的说法：不存在完整的检索与筛选记录。
关于本研究实施了混合三角互证的说法：这是一项未来方案。
关于语言文件构成独立证据的说法：译文不构成来源的额外实例。
关于大量引用证明某项主张质量的说法：真正需要的是主张层面的对应匹配。

关于 Aladdin 的条件性陈述

以下历史性陈述应结合日期为 2026年8月22日的源工件 Koot-EL-Kuloob-2.1.39 \[IMP01\]–\[IMP09\] 来理解。无论是后续针对 AgroGenie 的开发包 \[IMP13\]，还是于 9月22日生成的官方分发包 \[IMP14\]，都不会追溯性改写该工件的状态。每一层都有其各自的日期、指纹、测试类型和推断边界。

所有服务均已上线并获准投入生产环境：未获确立。
十七张卡片始终处于激活状态：这取决于具体功能、授权和适配器。
含有二十二个项目的桌面目录等同于二十二个可直接使用的工作空间：这与源材料自身的分类相矛盾。
十种语言已通过人工审查和运营审查：未获确立。
AgroGenie 在每次安装中都处于激活状态：两个网关默认均为关闭。
AgroGenie 在这一历史工件中通过了其随附测试：未获确立 —— 缺少两个必需的缓存文件，测试因此中止。这一判断并不延伸到当前开发包；根据 \[IMP13\]，当前开发包已通过其本地测试。
Humanizer 是稳定的核心层：其链接是有条件的，且该类并未被包含在内。
手机应用已完整，且所有 AI 功能均可离线运行：这与已实现的契约本身相矛盾。
手机端的双向同步可正常运行：该契约声明其不受支持，且支付路径返回“Not Implemented”状态。
手机客户端已随包提供，或可在应用商店获取：该软件包中不存在其可执行痕迹。
桌面端已完成生产签名或已准备好上架商店：未经核实。
年度价格已公布并在使用中：仅为提议材料。
该发布版本整体上适合发布：就绪日志记录为 INCOMPLETE / NO-GO。
农业回答的质量已经确立：不存在独立评估。
官方软件包能够证明所有功能均已启用并处于在线运行状态：未获证立；\[IMP14\] 仅证明了分发工件、契约以及规定的测试，并不能证明 WordPress 已在线运行、标志位状态、供应商连通性、界面验收、本地化完整性或田间影响。
十个语言包的存在能够证明已完成全面的专业本地化：未获证立，而且 \[IMP14\] 在规定测试中记录了缺失的可见消息；仅有文本完整性同样不能证明农业术语的正确性或本地实际可用性。

反过来，处于隔离状态的否定性表述也同样不得作出，因为证据反驳了这些说法：

“云端路径根本从未进行过在线测试”：这与软件包中记录的对会话、检索和引文路径所做的本地在线验证证据相矛盾。
“手机端不过是一个项目或候选发布版本”：这与一个已按契约、路由、签名和会话机制实现的服务器网关相矛盾。
“桌面端没有构建出来”：这与日期为 2026年8月21日的成功部署、打包和测试签署相矛盾。
“AgroGenie 是一棵孤立的树”：这与其同前端以及会话路径的链接关系相矛盾。

隔离在两个方向上都起作用：超出其证据范围的主张会被隔离，超出其证据范围的否认也同样会被隔离。

重新开放决定

当某项主张涉及影响、安全性或可转移性时，不能仅凭 AI 摘要、二手摘录或供应商页面就重新开放该主张。这类材料可以引向来源，但不能替代来源。审查者填写：

主张标识符：确切表述：主要来源：发现内容的位置：语境与场景：它是否与所声明的系统相匹配？该证据所涵盖的材料、地点、季节、用户、语言、单位和服务：它不涵盖且不得据此外推的语境：是否存在冲突？允许的表述：禁止的表述：参考文献与日期：

随后，复核人员会在一次变更中同步更新主张登记册、统计信息、状态、章节和参考文献，以免其价值脱离其边界。如果新来源是后来的成果物，就会新增一个带日期的层次，而不会抹去对较早版本作出的历史判断。

附录 K：跨章节综合

1\. 从数据到责任

不同的应用揭示出同一种模式。一个决策始于一项具有所属者、单位和时间的观察；随后，它被转化为特征、模型、输出和行动。每一次转换都可能改变其含义。发生损害时，责任不能在采集它的人、构建它的人、操作它的人与批准它的人之间丢失。

正因如此，溯源是一条从文件或传感器一直延续到答案的连续链条。如果工作人员修改了建议，修改理由就会被记录；如果模型发生变化，就能知道哪些决策受到了影响；如果实验室更正了诊断，相关案例就可以更新。正是这种结构，使“学习”成为制度层面的学习，而不只是单纯的重新训练。

2\. 一般决策闭环

以下闭环结构适用于灌溉、病害、畜牧业和供应链，但其取值、阈值和决策权并不能在不同语境之间直接移植：

针对特定商品、地点、季节和决策窗口，界定一个案例或问题。
收集最低限度且足够的数据。
核查质量与溯源。
生成概率估计或备选方案。
应用本地规则、决策权、安全要求以及已知的回退方案。
由人作出决策，或作出受约束的自动化决策。
实施并监测。
测量结果并进行比较。
学习并更新，或停止。

这一闭环可以在通风场景中以秒为单位运行，也可以在作物生长周期中跨越一个季节，但其逻辑始终不变。每一次都必须明确语言、单位、设备、连接方式，以及有权使该闭环退出运行或将其停止的授权方。如果结果无法测量，相关主张就必须限定为监测或协同功能。

3\. 四类失效

知识性失效：模型不知道，或来源已经过时。补救措施：拒绝作答、提供来源，以及更新。技术失效：设备、连接或软件发生故障。补救措施：检测、冗余、后备方案，以及恢复。运营失效：输出已经到达，但未被采取相应行动，或到达得太晚。补救措施：工作流程设计、责任明确，以及支持。制度失效：激励相互冲突、某项权利缺失，或依赖单一提供方。补救措施：治理、合同、多元化，以及退出机制。

失效也可能是跨越上述各类的本地化失效：本地名称被匹配到了错误的品种，单位被误解，警告在翻译中失去了力度，或某项服务未能在决策窗口内覆盖该地区。其补救措施不只是重新训练，还包括纠正含义、路径、人的决策权和本地支持。

许多项目只处理第一类问题，把其余问题留在那里，然后把失败归因于“农民未采纳”。

4\. 准确性与有用性的区别

准确性是模型指标，而有用性则是在所有闭环完成之后，用户结果发生的变化。大致可以表示如下：

决策有用性 \= 预测质量 × 交付及时性 × 可执行性 × 合规性 × 结果价值 − 系统成本与风险

这不是最终计算；它表明，任何一个因子只要接近于零，都会降低有用性。因此，如果瓶颈在于维护、官方来源或支付能力，就不应改进模型。

5\. 已命名案例的共同结构

书中的案例分为六类证据类别：

初步研究，如 Yield-XAI、玉米 CNN、CropGPT 和杂草 ConvNet；
综述，如关于水产养殖和光谱分析的综述；
模拟与计算实验，如供应链智能体和冷却；
草案，如 PoultryFI；
产品与项目，如 FarmerChat、GAIA、Carbon Robotics 和 Harvest List；
代码库与工程报告，如 Aladdin 的各组件。

这些层级并不是一条绝对的质量阶梯；每一类都确立了不同的内容。错误在于让一种替代另一种。

6\. 共同的区域模式

各地区的优先事项各不相同，而一个地区也不能被简化为一张地图或一个国家名称。即便如此，仍然会反复出现三个层次：

通用基础：天气、土壤和市场数据；连通性；标准；农业推广。
行业服务：灌溉、病害、物流或金融。
治理：决策权、权利、安全与评价。

在缺少第一层的情况下投资第二层，只会产生碎片化解决方案；缺少第三层，则会带来风险和锁定效应。通用基础也绝不能沦为监视或排斥的工具。

7\. 水、能源与数据

一种三方权衡反复出现。测量水资源需要设备、连通性和能源；控制可能节省一种资源，却增加另一种资源的消耗；而数据本身也需要基础设施。因此，决策应当在清晰的系统边界内作出。在海湾地区，制冷可能是决定性因素；在连接间歇性的地区，本地计算可能更关键；而在小农户经营中，共享服务可能更合适。

8\. 劳动力与决策权

自动化并不会移除人；它会重新分配可见性、行动与责任。如果决策被隐藏在系统内部，工人就可能承担一种结果的后果，而他们却无法理解这种结果。因此，被指定的人必须具备：

足够的知识；
干预的时间；
真实的决策权；
获取源头信息的渠道；
如果他们拒绝时的后备方案；
对合理异议不受惩罚的保护。

机构也需要培养这些新技能，并为这项工作提供资金。

9\. 将可退出性作为成熟度的检验

把设备、数据和历史绑定在单一供应商身上的系统，可能容易上手，却难以退出。对导出、迁移和退出进行测试，会迫使设计朝着标准和来源可追溯性的方向改进，并在危机发生前暴露依赖关系。这也是真诚性的检验：“你的数据属于你”是否真能付诸实践？

10\. 将本地知识视为活态资产

算法从重复出现的数据中学习，而本地知识则可能承载罕见案例和长期记忆。对它既不应视为不可质疑的真理，也不应视为噪声。应当在具备语境、来源和同意的前提下把它记录下来，对其进行检验，并保持对多元性的开放。名称上的差异，可能意味着品种、生育阶段或做法上的差异。

11\. 为什么大数字看起来有吸引力？

单一百分比很容易营销；一条链条却很难解释清楚。但一个数字可能会从一项研究迁移到一个产品，从一个指标迁移为一个结果，又从一个实验室迁移到一整片大陆。本书所作的审视记录并不敌视测量；它要求看到分母、语境和来源。一个虽小但有据可查的数值，比一个没有可追溯路径的高百分比更有用。

12\. 负责任系统的一个实用定义

一个负责任的农业系统应当做到：

针对一个已知的决策；
使用合法且相关的数据；
保留本地名称、语言、单位、含义和决策权；
与基线进行比较；
呈现不确定性；
不予建议并上报处理；
安全失效；
在决策窗口期内具备服务、维护以及可行的替代方案；
保留转移与退出的权利；
衡量结果、差异和资源；
按照证据决定是继续学习还是停止。
说明哪些地方尚未经过测试，并且在未经验证的情况下，不将某一结果外推到其原有情境之外。

按照这一定义，责任并不是创新的约束，而是区分一种已本地化、可修复、可被质疑且允许退出的工具，与一个临时展示样板的标准。

附录 L：图表制作说明

目的

图像并非为了装饰而添加。每一幅图都必须解释一种难以在段落中传达清楚的关系，并且必须具备标题、数据来源和替代文本。下述拟议图件可在正文获批后制作，但这并不赋予设计人员添加任何未由正文确立的数字、因果关系或运行条件的权利。使用地图、单位、日历或实体名称时，其命名、边界、方向和适当单位应与出版语境保持一致，同时保留原始参照清晰可见。

图 1 —— 复合压力网络

类型：因果图。节点：气候、水、土壤、病害、劳动力、能源、价格、供应链、可及性。要点：压力在资源、决策与结果之间传导；人工智能是观察与协同的一层，而不是解决方案的独立成因。警告：没有来源，不要标注百分比或量级。

图 2 —— 决策链

类型：流程图。阶段：观察 → 质量 → 语境 → 模型 → 不确定性 → 人的决策权 → 行动 → 结果 → 学习。失效点：标出每一个转换环节。用途：第 1–5 章和第 30 章。

图 3 —— 多重证据金字塔

类型：矩阵，而非线性金字塔。横轴：问题类型（法律、性能、某项功能是否存在、影响）。纵轴：官方来源、原始文献、综述、运营、供应商、情景。信息要点：最高等级的来源会因问题而异。

图 4 —— 观察的溯源

类型：数据血缘关系。内容：文件/传感器 → 原始 → 归一化 → 已验证 → 特征 → 模型 → 答案，并附带标识符和版本。替代文本：说明从决策追溯到测量的能力。

图 5 —— 空间监测与核验

类型：空间闭环。内容：卫星 → 变化 → 检查点 → 解读 → 行动 → 后续影像。要点：指标并不等于诊断。

图 6 —— 受治理约束的农业 RAG

类型：带关口的流程。内容：问题与语境、风险分类、来源索引、国家/日期/主管机构筛选、生成、核查、回答/拒绝作答。警示：不要把模型名称当作来源呈现。

图 7 —— 植物病害决策

类型：三层结构。内容：目视检查、诊断/确认、IPM/官方干预。信息：机器不会在缺乏数据和相应决策权的情况下跨越这些层级。

图 8 —— 机器人作业链

类型：时间线。内容：检测、定位、规划、执行、验证。指标：每个阶段下方各自显示其对应指标，最终结果则单独展示。

图 9 —— 水、能源与产量三角

类型：权衡三角。内容：在未监测另外两个角的情况下，不要只改进其中一个角；总消耗量标注在三角形周围。用途：灌溉、温室和可持续性。

图 10 —— 劳动力转型

类型：前后对照图。内容：人工任务 → 监测/干预/维护；并附带技能、培训和风险。信息：是任务转型，而不只是岗位消失。

图 11 —— 级联失效

类型：网络。内容：身份／云／电力／冷却／库存／市场，以及传播箭头。教学要点：集中式优化可能会增加共享依赖。

图 12 —— 数据权利

类型：合同周期。内容：收集、使用、共享、保留、导出、转换、删除、退出。信息：“所有权”是一个宽泛术语；权利体现在具体操作之中。

图 13 —— 成熟度阶梯

类型：层级。层级：想法、实验、试点、候选、生产运行、影响。对每一个层级：所需的证据，以及它不能证明什么。

图 14 —— Aladdin 总体架构与证据状态

类型：架构流程图，上方叠加两个带日期的证据层，而不是单一统一的运营状态图。内容：消费者 → 受治理服务 → 编排器 → 政策/提供方注册表 → 适配器 → 网关/托管身份 → 已批准目标。 8月22日层：显示历史来源追踪 \[IMP01\]–\[IMP09\] 已经确立了什么，包括对特定路径进行的有限本地实时验证，以及仍未作出的发布决定。 9月22日层：显示官方分发包 \[IMP14\] 对分发工件完整性、合同与组件的存在以及规定检查结果确立了什么，同时也显示了在完整性、语言、交互式图书和测试方面的约束；它不继承那些未在其上重新运行的运营结果。阅读规则：箭头表示“这是声明的架构路径”，而不是“这现在对每一位用户都能运行”。图层颜色或箭头的完整程度，并不意味着功能标志已激活、提供方已连接、接口已验收、建议有效，或本地化已完整完成。警告：不要显示密钥、地址、内部资源名称或威胁细节。

图 15 —— 研究三角互证

类型：三条相交的轴。轴：来源（官方/一手/实地），方法（定量/运营/定性），时间（之前/期间/之后/冲击发生时）。中心：一个有据可辩护的主张，而不是“绝对真理”。

绘制规范

阿拉伯语从右向左书写，标题应简洁。
作物、动物和本地地名予以保留；其变体形式应关联到标准术语，而不是被抹去。
边界、行政名称、历法、单位和坐标轴方向，均应与具备相应能力的当地主管机构一同复核。
使用色觉缺陷人群也能区分的颜色。
不要仅用绿色来表示成功。
图件在以黑白方式打印时仍应清晰可读。
每个缩写都应在标题或图例中给出定义。
每个数字都应附有其来源、时间范围和单位。
替代文本应解释结论，而不只是描述外观。
替代文本应提供本地化版本，保留其中的警示、否定以及可迁移性的边界，而不是给出缩短的直译。
可编辑的源版本和出版版本都应保留。

源图件的验收关口

它只回答一个问题。
它与正文一致，且不引入任何无文档依据的主张。
它具有来源、许可和指纹。
已通过科学、语言和无障碍审查。
已通过针对名称、单位、边界、方向和预期结论的本地化审查。
不使用失衡的视觉比较。
不把单个案例变成平均值，也不把预测变成事实。

附录 M：田间决策情景

这些情景均为人为构拟；它们不是对真实农场的报告，也不是现成的实施方案。其目的是展示如何将本书的原则转化为决策，且不包含剂量或特定地点的建议。不得仅因某个情景描述看似相似就直接套用；它必须在本地检查并获得有管辖权的主管机构批准后重新构建。

情景本地化卡 —— 使用的前提条件

在将下述任何情景转化为试验或行动之前，团队要记录以下内容：

所涉农业材料、其所处阶段及其本地名称；
地点、生产系统、季节和决策窗口期；
用户及其角色、决策权、语言和单位；
设备、电力、连通性，以及发生中断时工作如何继续；
机构、专业或监管参照，以及批准与升级处置路径；
技术人员、备件、服务，以及实际可用的替代方案；
需要衡量的结果、基线、错误或延误的后果，以及由谁承担。

如果这些字段中有任何一项仍然重要却又未知，那么该情景就仍然只是讨论工具，而不是操作指令。软件可以整理这些字段、揭示冲突并比较备选方案，但它不能凭空创造并不存在的决策权、阈值、服务或替代方案。

情景 1 —— 地图显示“缺水”，阀门却另有说法

一名农场工程师收到一张热力图，显示田块边缘存在胁迫。如果直接把这张图转化为灌溉指令，就可能在一个受水并不均匀的分区增加供水。正确的路径是先将影像日期与天气情况进行比对，然后检查流量计和压力。读数显示，阀门已经收到开启指令，但流量低于平时。

一名工人在三个点位进行检查，发现存在部分堵塞。他修复了管线，测量了分布情况，然后获取了一张后续影像。卫星并没有诊断出堵塞；它只是缩小了搜索范围。系统的价值应分别按发现时间、用水量以及避免的损害来衡量，并与修复管网本身的效果区分开来。要是当时既没有流量计也没有工人，这张地图就只是一个不完整的信号。

情景 2 —— 一张病害图像与高置信度

一位农民将一张叶片图像上传到某个应用程序，模型以高置信度将其归入某一类别。在提出处理建议之前，系统会询问作物种类、生育阶段、位置以及症状的扩散情况，并要求提供植株和田块的图像。第二张图像与该类别相冲突，因此系统转为“未确定”，并建议保留样本并联系农业推广人员。

农业推广人员发现，这一症状与田块部分区域的盐渍化有关，而不是与模型所归类的那个致病因子有关。该案例被记录为一次错误，相关图像也会被复核。要是该应用程序当时推荐了某种农药，成本，甚至可能造成的危害，都会增加。数值置信度并不是决策权；避免出错的是不予建议路径的质量。

情景 3 —— 一个并不完美的田块中的除草机器人

该机器人在行距规整、杂草较小的条件下完成了演示并取得成功。而在客户的农场里，存在作物残体、作物生长重叠以及较大的杂草。购买之前，团队先在能够代表杂草密度和遮挡情况的条带上进行试验。团队测量的是检出、动作、损伤、时间和人工干预，而不是某一个单一的视觉指标。

结果显示，该系统在行间小型杂草上的表现良好，而在靠近作物处则需要工人介入。团队没有否定这一系统，也没有宣称其具备完全自主能力，而是设计了一种混合式服务，并调整了作业时机。成本计算时纳入了运输、清洁和维护。农民保留作业地图以及导出该地图的权利。

情景 4 —— 发生中断时的温室

控制器预测温度将会上升，并开始打开通风口，随后云服务提供商发生停机。一个本地单元继续监测关键限值并运行风机，同时发出独立告警。界面显示高级优化已停止，当前处于安全模式。操作人员可以通过本地控制面板进行干预。

事故发生后，人们发现，登录远程面板本身还依赖身份服务。于是设计被修改为：紧急授权不再依赖同一个端点，并进行了恢复演练。这表明，韧性并不只是有一台发电机；它还意味着依赖关系的分离，以及人的决策权可被行使。

情景 5 —— 家禽舍中的一则警报

一个多传感器系统检测到某一区域活动减少并出现异常声音。它并不对疾病作出诊断，而是显示温度趋势、空气质量和传感器状态，并引导工人前去检查。工人发现一个通风口卡住了，且禽只出现了热应激表现。工人按照禽舍规程进行干预；如果这些迹象持续存在，则呼叫兽医。

系统记录到，这则警报早于问题发生，但在完成测量之前，并不会将任何生产或动物福利方面的改善归因于该系统。分析还表明，为防止静默失效，第二个传感器是必要的。这种失效模式被加入测试。

情景 6 —— 产量预测与储存决策

该工具在收获前六周给出的是产量区间，而不是单一数值。合作社将不同情景与储存能力和运输合同进行比较。它没有新建储存设施；由于不确定性较大，它预订了灵活容量。收获后，它比较预测误差，发现偏差是由训练数据之外的一块新田导致的。

随后，该工具针对这类田块缩小了预测区间，团队又收集了另一个季节的数据。收益在于灵活规划，而不在于宣称对产量有精确了解。他们还将该项决策的价值与服务成本进行了核算。

情景 7 —— 市场平台与贷款

一个平台提供了一名买家、一个价格和一笔投入品贷款。用户发现，买家的排序受到商业合作关系影响，而接受贷款会使生产记录可被用于其他评估。在一个受治理的系统中，这类披露会在作出决策之前出现；不与融资绑定的报价可以单独排序；可以拒绝二次使用；还可以请求对信用评估进行人工复核。

结果的衡量依据是净价格、付款时间和贷款条款，而不是点击量。农民在离开时也可以导出交易记录和信誉信息。这样一来，数字市场就从一个封闭的入口变成了一项可以比较的服务。

情景 8 —— 退出某个供应商

一家农场在价格上涨后决定更换平台。它请求导出数据，却收到了一份 PDF，其中既没有原始传感器数值，也没有列定义。退出测试揭示，“数据所有权”并不等于数据可携带性。在签订新合同之前，它要求提供有文档说明的 CSV/JSON、稳定标识符、转换日志，以及一段过渡支持期。

在迁移全部数据之前，它先测试将一个样本导入独立存储库。在过渡期间，设备保留基本功能；核验完成后，相关密钥被撤销。退出成本被计入 TCO。这样，这项权利就变成了一套经过测试的程序。

情景 9 —— 冷链中的冲击

一条主干道封闭，因此优化器提出了一条更长的替代路线。它并非只依据行程时间作出选择；它还会计算制冷能力、燃料、驾驶员的时间窗口以及产品状态。它根据各批次的敏感性进行分配，并保留决策日志。与此同时，一家跟踪服务提供商发生故障，因此本地标识符和延后同步机制继续运行。

到达后，衡量的是温度和质量，而不只是时间。结果发现，燃料库存比算法本身更薄弱。该结果被纳入风险图谱，并增加了一家替代供应商。

情景 10 —— 本地知识与模型发生冲突

一个作物适宜性模型推荐了一种作物，但农民拒绝了，因为山谷某一部分的季节性风会造成一个在粗尺度气候数据中并未显现的问题。团队没有把这种拒绝归类为抵触，而是记录了相关描述和位置，安装传感器，并进行比较。结果确认，这种模式在某些地点存在，而在另一些地点并未出现。

系统增加了一个带有来源和置信度的本地层，并保留了社区所使用的术语。平台并不挪用这项知识；参与者同意其使用，并显示署名。地图之所以得到改进，正是因为它接受了一种与初始词汇表不一致的差异。

情景 11 —— 译者改动了一条警告

一段安全说明被转入一种新语言时，“未经核实不得使用”这一表述被缩短成了语气较弱的形式。一项并行测试发现，用户把它理解成了一条建议。该语言版本中的这一功能因此被暂停，目录得到更正，并且该案例被加入回归测试套件。

仅仅存在一个翻译文件并不够；核验覆盖的是含义和行动。版本也被记录下来，以防旧措辞从翻译记忆库中或从尚未更新的应用中再次出现。

情景 12 —— 不投资在什么时候算是成功？

一个合作社想购买一架无人机和一个平台。基线显示，最大的损失是由运输延误和缺乏合适周转箱造成的，而且在这条链条修复之前，数据不会改变任何决策。于是，该合作社资助了包装改进和收集调度改进，并将传感工作推迟一个季节。

根据本地测量，损失有所下降，随后它再重新评估是否有此需要。这并不是拒绝技术；而是优先选择最薄弱的环节。如果出现当前记录无法解决的空间性问题，数字化项目仍然是一个候选方案。

情景总结

这些综合案例表明，价值产生于边界之处：在图像与检查之间，在预测与决策之间，在指令与行动之间，在公司与用户之间，以及在连接与中断之间。最好的设计，不是隐藏这些边界的设计，而是记录这些边界，并把验证、人的决策权和备选方案放在这些点上的设计。每一种结果始终都受其材料、地点、季节、用户、语言、单位、机构和服务所约束；如果其中任何一项发生变化，需要验证的问题也会随之变化，而该情景并不会因此成为一种可移植的现成方案。

附录 N：实施证据登记册——IMP01–IMP14

为什么要把登记册与参考文献分开？

在较早版本的草稿中，前九项证据带有 SRC 标识符，并被计入本书的参考文献之中。这在方法上造成了混淆，而本版已予以纠正。随后又有五份较晚形成的内部产物被直接加入本登记册；它们完全没有进入参考文献列表，也没有改变该列表的总数。

按照学术出版惯例，参考文献必须是读者能够独立获取并核验的文献。私有代码仓库中的一个文件路径不符合这一标准：读者没有访问权限，没有人保证该路径会一直存在，也没有第三方能够重新审查它。将这类内容列入参考文献表，会赋予它并不具备的权威性，并以无法核验的材料虚增参考文献数量。

国际公认的软件引用标准——尤其是发表在 PeerJ Computer Science 上的 FORCE11 原则——要求任何软件引用都具备四项条件：机器可解析的唯一标识符、超出软件自身生命周期的持久性、可访问性，以及版本特异性。

下列冻结工件只满足第四项：其版本由声明的版本号和 SHA-256 哈希加以明确，这确实改进了文档记录，使任何持有该软件包的人都能够复现审查。其余三项均不满足：没有机器可解析的标识符，没有持久性保证，也不可访问。后续工件在哈希和日期上的明确程度各不相同，但同样都缺乏访问性和持久性标识符。四项中缺失三项，足以将其排除，因为可访问性是不可替代的条件：读者无法打开的内容，读者就无法加以批评；对版本的精确描述也不会因此把它变成参考文献。

因此，这些工件不被列入参考文献表：较早的证据已从其中移除，而较晚的工件从一开始就以 IMP 标识符记录（即 Implementation Evidence：实施工件）。由此得出的以下规定具有约束力：

它们不计入本书的参考文献。本书参考文献数量为一百三十五条，且全部为外部且可访问的来源。
它们不能支持关于农业性能、影响或总体质量的主张。它们的最大范围，仅限于证明某一由工件、环境和日期所明确界定的结构或内部实施结果。
不得在本书之外将它们作为科学来源引用。

此外，还增加了一项独立的本地化限制：证明某个组件、合同或语言测试的存在，并不能证明该系统适用于任何特定作物、动物、地区、季节、用户、语言、单位、设备或机构。这种适用性需要在预期情境中对理解、行动、服务和结果进行测试，不能从代码或软件包中推断出来。

可访问性声明

本书读者无法访问下列十四项证据条目中的任何一项。这是一项明确声明，而非道歉：在证据记录封存时，这些工件属于私有，且没有已发布的公共持久标识符，也没有公开存档副本。明确写出其名称、指纹和日期，能够使持有这些材料的人进行可复现的审查；但这并不意味着读者可以获得它们，也不意味着它们独立于资助方而存在。

任何希望核实的人只有一条路径：通过已公布的联系方式，向资助方请求进行独立审查。资助方拒绝提供访问权限，并不能证明该主张为真，也不能证明其为假；该主张仍然未经外部核实，而这正是对其最准确的描述。

冻结工件的身份 —— IMP01–IMP09

所有条目均关联至：Aladdin Agri AI（软件平台，私有代码库）。作者/开发者：Dr Alaa al-Din Ali。

字段	值
工件	aladdin-pertanian-agri-ai-Koot-EL-Kuloob-2.1.39-desktop-p0-p1-source-2026-08-22.zip
工件日期	2026年8月22日
SHA-256	7B0CE4E1699E72958272821EA2A9083E2DC5EAB39069D395325B4AA6EE2BEC29
插件头	Koot-EL-Kuloob-2.1.39
数据库架构	4.2.4
最低 PHP 版本	8.1
包类型	源代码 —— 不包含移动端和桌面应用程序的可执行文件或安装包
合规审查日期	2026年9月4日
标记	在内部以版本和指纹进行标记
公开的持久标识符	无 —— 没有 DOI，也没有公开归档副本
访问状态	私有 —— 读者无法访问

已声明的文档性更正：在较早版本中，本段将该工件描述为“未标记”，这一描述并不准确：该工件带有版本和识别指纹。正确的描述是，它已在内部标记且未发表。此更正并不提高其证据权重——以下这一点保持不变：读者无法访问它，它也不适合作为参考来源。

登记表

标识符	已检视组件	它仅能证明什么	它不能证明什么
IMP01	AiBridgeOrchestrator.php	代码中存在一个会评估策略、进行路由、执行并记录日志的编排组件	它会在每一次安装中运行，或产生农业效果
IMP02	ProviderGovernance.php	代码中存在路由策略、提供方注册表和熔断器	该策略会在运行时应用于每一次请求
IMP03	GovernedExecutionService.php	存在一个受治理的执行接口，而该接口本身并不解析提供方	所有调用实际上都经过它，且不存在后门路径
IMP04	class-livingcardprovider.php	代码注册表中定义了十七张以全名标识的卡片	其中任何一张都已启用，或会对每一位用户运行
IMP05	FrontOffice/Localization/i18n \\+ class-frontofficegate.php	存在十种语言目录和三个角色名称	它经过了人工语言审核，或不同语言下的路径在运营上等效
IMP06	includes/integrations/agrogenie	存在一个与前端和对话路径相连的集成，具有分阶段模式，且有两个默认关闭的门控	它已被激活、服务可用，或本软件包已完成验收（见下文的完成约束）
IMP07	软件包内的移动端网关契约与路由	存在一个已实现的服务器网关：契约 1.14.1、57 条唯一路由（59 个 method/path 注册）、请求签名、会话派生、配对、心跳、发布策略，以及声明不支持双向同步	存在已安装的客户端、应用商店可用性、每一个后端依赖项的就绪状态，或真实的用户体验
IMP08	Desktop Application tree \\+ 2026 年 8 月 21 日和 22 日的报告	8 月 21 日成功完成本地测试构建、打包和签名（发布版 1.1.0），随后 8 月 22 日进行了通过静态测试的 P0/P1 治理变更	在 P0/P1 变更之后所有运行时门控均已关闭，或已完成生产签名，或已进行商店分发，或二十二项目录是一组就绪工作区
IMP09	Chat V2 就绪度日志 \\+ 检索与引用日志 \\+ 主权测试	代码中存在契约与测试，并对会话、流式传输、检索和引用路径进行了本地实时验证；同时记录了发布决定为 INCOMPLETE / NO-GO，且发布安全门和其软件包门均处于开启状态	任何农业回答的质量，或发布是否被接受，或在阅读时外部链路是否可用

冻结工件之后对实施证据的更新 —— IMP10–IMP14

IMP10–IMP12 于 2026年9月16日加入审查登记表，随后 IMP13 于 9月18日加入，而 IMP14 则是在 2026年10月10日审查官方分发软件包后加入\\。加入日期并不替代原始材料的日期，也不会把后来的工件并入 8月22日的工件。其目的是保留时间顺序：第一次审查当时所知的内容保持原样，而后来出现并供审查的内容则置于单独一层。特别是，IMP13 不会改写 IMP06 的状态，也不会消除其约束；IMP14 也不会仅仅因为两个软件包带有相同的版本号，就改写 IMP01–IMP09。

标识符	工件与版本身份	已验证指纹	它仅能证明什么	它不能证明什么
IMP10	项目记忆档案；468,089 字节；103 个条目，其中 102 个为 Markdown 文件；于 2026年9月16日审查	SHA-256: 35E26CCD967B5B2B19900DE101D3618D4CD08A98A42B1BEFB012C96246F7D363	存在一份内部历史记录，记录了故障、纠正措施和失效模式，Chapter 33 的相关叙述即据此构建	每一项故障至今仍然存在，或当前源代码中的每一项修复都已完成，或任何性能或农业效果
IMP11	Habiba Mobile 3.2.3 (12214) 构建的最终工程审计报告及其证据说明，日期为 2026年8月19日；于 9月16日纳入审查	报告：23DFFAF2CBE18BD7A68C30C1193CD2FDAF752C0BB5E6129C988D381852A04455；证据说明：409F49AFA5C6E178144363C326FF2405D3F3F0D7415E92040D1D4F7AC83FAD5B	具体的本地审计发现：工件完整性、静态测试、Android 执行和本地配对，以及被阻断的服务和一项安装故障；以及其文本决定 RELEASE\\_BLOCKED	与生产环境的连接，或应用商店是否接受，或每一项后端服务的就绪度，或将该结果推广到另一构建，或某种农业效果
IMP12	日期为 2026年6月8日的 Humanizer v2.0 计划，以及日期为 6月15日的配套源代码包；于 9月16日进入审查	计划：C6C1EA8434138556070CB39D9972C8F73FFA55A83BA7CD11C506D84902485DE5；源代码包：F7DA1A703D690F8249DE705488C32EEC9671D75B4A0E8641FC30F08E219EDE81	存在针对多语言风格转换风险的设计、缺陷审查和拟议测试；且该计划声明，在其编制时，集成代码尚未编写	Humanizer 在平台内的实现，或其对每一种语言和文本的安全性，或其进入生产路径，或其对某项农业结果的改善
IMP13	由 Aladdin AgroGenie v4.2 开发的软件包；100 个文件；1,423,275 字节；已审查，并于 2026年9月18日使用 PHP 8.5.6 运行其测试	有序文件清单的 SHA-256：7BC521E18884BD15CF534D68842B82927AED867BE7BEB3FC644885F4F5E8D460	存在受治理的农业研究结构、测试中对十种语言的支持，以及与已批准来源、AiBridge 和 Chat V2 的关联；104 个原型查询、149 项隔离运行时检查、196 个第九阶段门控检查和 33 项边界防护检查均成功且无失败；以及该软件包中未再出现历史上的测试中止问题	在 WordPress 或真实数据库中的实时运行，或与 AiBridge 提供方的实时连接，或浏览器或 100k/1m 负载测试，或在每个安装中的激活，或田间准确性或农业效果
IMP14	官方分发包 `Koot-EL-Kuloob-2.1.39.zip`；生成于 2026年9月22日；65,023,351 字节；2,402 个条目；于 2026年10月10日审查	软件包的 SHA-256：A86FD7A56DE5FDFF7CF13C60727A83A872FBBE861044DB43592A9135A84E38DA；以及发布清单的哈希：46E91AF93C910029F99DC791A0CF2979F0441C71356586A5EE31824178FF4E8D	四个发布面的对应关系、ZIP 路径的完整性、其条目的唯一性，以及所需运行时文件的存在；存在 AiBridge 和 Chat V2 契约、界面、农业模块、翻译以及可选的交互式图书；并且选定的静态测试和隔离测试成功；它还确立了下文列出的具体否定性发现	WordPress 的实时执行，或标志和数据库的状态，或任何外部提供方连接，或界面与部署验收，或翻译与本地化的完整性，或某项农业建议的正确性，或田间效果

IMP13 清单指纹的构建方式是：先按相对路径排序，对每个文件计算 SHA-256，然后对采用 HASH␠␠PATH 格式汇总的文本计算 SHA-256；行分隔符为 LF，且末尾无换行。为便于选择性审计，核心文件的指纹为：README.md \\= 7E1709462278087E58DF1E7C6D56E53F1294D7BB81A637A224D487FEA8455109；根审计报告 \\= 1C74F68310A3AA63B88730E83EDAAD36433EE667CBD95800087E14A95C4E1B11；原型测试 \\= 2144D7F735199ADE3B178C965F954C1BD5A197D28AD38DB1586B0DF198D0CB51；运行时测试 \\= 831DFCBECD0AFB74E3D2D9614EFBD04D6F8C634663F7650DF2D028090462C4B3；第九阶段门控 \\= D928EC23E58E677E2108F27A7DA1A011EE52D38D9E7C6FA2CAF9317393AC0A3B；以及边界防护 \\= 826AF1ED8E0E1C3B928859EBB89C5D0350CFA40F8E609AB95564F5E656025931。

本次更新不会创建新的桌面条目；其日期为8月21日的状态文件已包含在 IMP08 中。后续任何条目也不会仅因 lessons 文件复用了旧证据，就以另一名称重复旧证据。之所以创建 IMP13，是因为当前的 AgroGenie 软件包、其文件身份以及其测试运行，构成了一个新的带时间戳的工件，而不是对 IMP06 的重新命名。之所以创建 IMP14，是因为 9月22日生成的官方分发包，与日期为 8月22日的历史源码包是彼此独立的工件，尽管二者携带相同的版本号。

官方分发包中记录的约束 —— IMP14

约束	已核实结果	推断边界
内部完整性链	外部 ZIP 指纹与发布清单一致，但四个关键文件样本带有 `CRLF`，而封存指纹对应的是 `LF` 版本。经行尾规范化后，样本匹配；而完整性监控器对原始字节使用 `hash_file`	完整性门控可能会将官方软件包判定为已修改并关闭该路径；这是一个打包与封存约束，并不能证明整个插件失效
随包提供的 AiBridge 集	它运行了 137 个测试文件和 2,349 条断言，并记录了 77 个失败。部分失败与缺失的加密扩展、期待运行时包中已排除工具和报告的测试文件，或一个虚拟主机有关；记录中还包含上述指纹冲突	这些失败未被汇总为质量百分比，也并非全部归因于代码，而且内部完整性链也未被描述为毫无保留地可接受
可见语言	独立测试成功分离了语言、模式和渠道，但 `visible-ui-language-remediation-regression.php` 测试未能在阿拉伯语、土耳其语、印度尼西亚语和简体中文中找到全部七十六条消息	十个语言包的存在并不能证明可见文本的完整性、农业本地化的正确性，或方向性与运行对等性
交互式图书	十三项中有十项合同测试和隔离测试成功，而编辑、规划和发布门控失败，原因是英文源指纹发生了变化，以及第四章与预期顺序不匹配	模块和合同确实存在，并且以关闭状态安全失败，但手稿并不会仅仅因为它们存在就变成已发布、已验收或正确

被检验的是提取出的软件包本身，而不是可变的工作树。工作树中的一些关键引导文件在指纹上与该软件包一致，但这并不能证明工作树其余部分也一致，也不能因此将其变成一个新的分发工件。未加载 WordPress，未检验其实际数据库和标志位，未在浏览器中或用户设备上对界面进行验收测试，也未开展任何独立的农业或语言学审查。

冻结工件中记录的完成约束 —— IMP01–IMP09

之所以在此记录它们，是因为它们关系到该软件包本身，既不能将其泛化到整个平台，也不能将其删除：

约束	描述	对该主张的影响
历史软件包中的两个 AgroGenie 缓存文件	附带的搜索测试调用了 engine/src/Cache/ 下的 AladdinAgroGenieCacheService 和 AladdinAgroGenieEvidenceFingerprintCache 文件，而 8月22日软件包中不存在该文件夹；测试在执行其检查之前就已停止	这使得 IMP06 中的 AgroGenie 不能被表述为已经过运营验证；但这并不否定代码中描述的集成，而且该约束不延续到 IMP13，在那里这种停止未再次发生
隔离测试安装程序	P0/P1 报告记录了一份测试安装程序在指纹和大小上的不匹配，因此它被排除在交付之外	这是一个通过隔离解决的发布完整性约束；现予以注明，不应将其解读为产品故障
检验期间的环境失败	由于缺少 PHP 扩展（sodium、openssl、mbstring），一些测试在检验环境中停止	这是环境失败，不是软件包缺陷；不得将其记录为缺陷，也不得省略，因为它解释了为何没有得到运营结果

将这些证据提升为参考文献所需的条件

这种提升是可能的，而且其条件已知。要使本登记册中的任何条目进入参考文献列表，必须完整满足以下四项原则：

条件	当前状态	所需行动
唯一标识符	对任何条目均未满足	在公开科研存储库中存入带标签的发布版本，并由该存储库分配 DOI（例如 CERN 提供的服务 Zenodo）
持久性	未满足	即使存储库发生变化或消失，该标识符也必须仍可解析
可访问性	未满足	提供一个公开落地页，展示元数据并链接到该工件
版本识别	对冻结工件已满足，而对后续工件则通过发布版本、日期和指纹实现了部分满足	为每个条目添加一个 CITATION.cff 文件和一份标准化的工件说明

因此，冻结工件满足了版本识别这一条件，后续工件也具有可匹配的指纹；但没有任何条目同时满足可访问性、持久标识符和持久性。因此，它们都未被提升为参考文献。

在这些条件得到满足之前，本书第九部分仍将是一个完全没有外部证据的部分。这是整部作品中最薄弱的一点，因此在此以毫无含糊余地的语言予以声明，因为把它隐藏在平静的科学措辞背后，比这种薄弱本身更糟。

本附录如何影响对本书的阅读

任何阅读第三十章、第三十一章、第三十二章和第三十三章的人，都必须明白，自己读到的是一份已声明其来源的工程描述，而不是科学结果，也不是本地化证明。这些章节描述的是未经独立方审查的材料中的架构和实施经验，而且其主张也仅止于此。

任何寻求对资助方实体平台的农业价值或本地适用性作出判断的人，都不会在本书中找到这样的判断，因为作出该判断所需的证据——本地化田间试验、关于使用、理解与服务的研究，以及独立评估——并不存在。这里声明的是其缺失，而非对其加以掩饰。

附录 C：截至 2026年8月31日农业人工智能软件与系统参考指南

商业产品、已部署平台、处于运行中的机构与政府系统、开发项目以及可运行开源工具的注明日期的登记册

引言：从实验室到田间

人工智能并不是通过单一入口进入农业的。它是通过成像进入的：当手机开始能够识别叶片上的斑点；通过传感器进入的：当土壤开始每小时发送一次其湿度读数；通过卫星进入的：当田块能够从数百公里高空被读取；还通过语言进入的：当农民能够用自己的方言发问，而不是使用教科书术语。每一个入口都催生了工具：其中一些成为可以购买并运行的产品，一些仍停留在研究论文中，还有一些在一轮融资之后便关闭了。

正是这种多样性，使得“有哪些软件可用？”这个问题比看上去更难。互联网上流传的清单，常常把名称与产品混为一谈，把营销页面与实际运行的服务混为一谈，把研究论文与运行中的系统混为一谈。本指南试图围绕一个问题建立一种更严谨的替代方案：到截止日期为止，究竟有哪些软件与系统得到了实际实施且其存在可以被核实，它们背后是谁，执行什么农业任务，以及关于它们的证据是什么。

确认存在，是本指南的功能；确认本地适用性，则不是。已经存在并已部署的软件，未必在某一特定国家可获得，也未必支持所需的语言、术语、单位、设备、连接条件、支付方式、机构、维护安排或替代方案。因此，阅读时必须区分软件的存在、其可获得状态、对其评估的证据，以及它对特定本地情境的适用性。最后这一项，绝不能根据开发者的国籍、语言数量或采用范围的广度来推断。

1\. 纳入单位：被实施的软件，而不是描述它的出版物

这是统领整个附录的规则，也正是它将本附录与本书此前的所有内容区分开来：

一篇科学论文可以证明某个系统曾被评估，但论文不是系统。综述可以描绘一个领域，但综述不是软件。模拟可以检验一个想法，但模拟不是运行中的系统。架构框架可以组织思考，但在存在可识别的实施之前，它还不是软件。

在本书的上一版中，附录混合了四十七个异质条目：商业产品与同行评审研究并列，平台与领域综述并列，运营系统与架构概念、仿真以及身份尚未得到确认的名称并列。本版已对此作出纠正。先前那个数字并不是软件程序的计数；它是混合卡片的计数，而且已不再作为衡量指标。

学术材料并未删除——而是被移到了其正确位置：研究移入各自章节及受控参考文献列表，综述移入“领域映射来源”，仿真按其作为仿真的恰当描述归类，身份尚未确认的名称移入负责人登记册。区别在于，它们不再被计作软件。

2\. 范围边界——阅读任何条目前请先阅读

范围边界：本指南旨在呈现一份广泛、经核验、注明日期的登记册，收录截至 2026 年 8 月 31 日其公开存在可被核实的、在农业中实施人工智能的软件与系统。它并非完整的全球清单，也不声称如此。某个名称未被收录，并不意味着它当时不存在；收录任何软件，也不意味着对其有效性、安全性、运营就绪度或对特定农业情境的适用性作出背书或证明。

必须说明三点注意事项：

第一，本指南是广泛且经核验的，而非穷尽无遗。主登记册中的每个条目都有官方来源或公开的一手来源；这使其可以接受审查，但并不意味着该登记册囊括了当时全球存在的一切。

第二，某一应用家族的条目密度并不能衡量其全球活跃程度。某一领域中的条目数量反映的是本指南的覆盖情况，而不是市场规模或在该领域运营的公司数量。

第三，某个空白类别并不意味着失败。当某一领域未列出任何条目时，其含义是本版未能在该领域确立符合条件的软件程序——而不是该领域为空。为了避免空白而用一项研究或一个概念去填补位置，比空白本身是更大的错误。

3\. 七项纳入条件

除非全部七项条件均已满足，而非仅满足其中部分条件，否则任何条目都不得纳入主登记册：

\#	条件	在实践中的含义
1	可识别的正式名称	“利用物联网进行智慧灌溉”不是名称；Climate FieldView 才是名称
2	明确的责任主体	公司、政府、高校、研究所、组织，或开放仓库的维护者
3	实际实施	某个系统已被构建、发布、公开推出、运行、分发，或向公众开放。仅在论文中描述的一种方法并不足够
4	具体的农业任务	农业、畜牧业、渔业、林业、食品、金融、咨询服务或监管
5	官方或一手来源	官方产品页面、文档、应用商店条目、公共仓库，或机构出版页面。英文来源足以在本登记册中确立其存在，但不足以确立其本地可获得性、可理解性、支持条件或适用性
6	截止要求	在 2026年8月31日或之前存在的证据
7	可判定的状态	活跃、商业化、机构发布、有限可用、运营中的试点、可运行的开源、已停止，或已被收购

4\. 什么不计作软件 —— 排除清单

无论其科学价值如何，以下内容均不计作软件，也不纳入总数：同行评审论文；学位论文；文献综述或领域综述；数据集；基准；没有已实施应用的模型架构；概念框架；一般性技术类别；一般性应用场景；没有运行中系统的模拟；拟议设计；未命名的机器人或原型；责任主体尚未明确的名称；没有具体智慧农业产品的公司名称；既未指明产品也未指明功能的营销话术；在更大平台内部被当作独立产品计数、但实际上既缺乏独立身份也缺乏独立分发的内部功能；以及仅使用常规自动化、而无已记录人工智能功能的农业系统。

5\. 平台与组件规则 —— 为防止重复计数

平台只计数一次。其内部模块和服务应列入该平台的卡片内，或列入相关的能力表中，而不作为单独卡片。只有在某个组件被证明具有独立的产品身份、独立的分发方式，并且在母平台之外也有使用时，才将其单独计数。

名称变更、收购、合并和终止，均通过内部关系字段进行跟踪 —— component-in、renamed-to、acquired-by、merged-into —— 以避免同一产品以两个名称重复出现。

6\. 截止规则

如果软件和系统的公开公告、出版发表、可获得性或运营情况能够在不晚于 2026年8月31日得到核实，则予以纳入。在该日期之后访问的来源，只能用于核实其此前已经存在，或核实该产品在该日期时的状态；不得用于补入在此后才出现的产品。此类使用会被明确标注为回溯性来源。

7\. 搜索与核实协议

可接受的发现与核实来源包括：公司和产品的官方网站、官方文档、移动应用商店、公共软件仓库、政府、大学、研究机构以及国际组织和发展组织的页面，以及项目报告和机构出版物。商业目录、新闻报道和市场报告只能用于提出候选对象，单独不足以作为纳入依据：候选对象在被接受之前，必须落实到官方来源或一手来源。

语言规则 —— 直白说明如下：搜索与核实主要以英语进行，因为绝大多数符合条件的软件都具有英文页面、文档集、商店条目、仓库或机构说明。当某个符合条件的软件不存在官方英文来源时，则使用其原文语言的官方来源，并予以说明。本指南并不声称进行过多语种调查，而这也不是其有效性的条件。早期版本中出现的相反表述已被删除。

该规则仅涉及在一份带日期的全球登记册中确立软件的存在。相比之下，本地使用决策则需要用实际用户的语言来审查界面、术语、警示、单位、书写方向、语音、支持、合同、培训和申诉路径。英语并不因此成为被默认的操作语言，而缺乏多语种核实也不应被当作在未审查语言中不存在此类软件的证据。

发现的限度：发现工作是广泛的，而非穷尽性的。不得仅仅为了避免某个应用类别留空，就用一个搜索条目、概念或框架去填充它。

8\. 应用类别图谱

代码	应用类别	本版覆盖状态
AT01	农场管理、规划与决策支持系统	已覆盖
AT02	农业咨询服务、智能助手、对话与知识检索	已覆盖
AT03	遥感、卫星与地理空间智能	已覆盖
AT04	农业天气、气候、预警与风险管理	已覆盖
AT05	土壤、地点选择、特征制图与作物适宜性	在农场管理平台中覆盖
AT06	作物监测，以及生长、产量与成熟度预测	已覆盖
AT07	灌溉、水管理、漏水检测与抽水控制	已声明为空白——本版未确认符合条件的软件
AT08	施肥、养分、可变施肥与环境管理	在农场管理平台中已覆盖
AT09	作物病害、虫害、杂草及综合管理	已覆盖
AT10	机器人、自主拖拉机、无人机，以及喷施与靶向作业	已覆盖
AT11	植物育种、基因组学、表型组学，以及种子与苗圃	已覆盖
AT12	温室、垂直农业与室内农业	已声明为空白
AT13	畜牧业、精准饲喂、健康、福利与繁殖	已覆盖——牛与奶业
AT14	水产养殖和渔业	已覆盖
AT15	森林、农林复合经营和牧场	部分覆盖 —— 在一个发展项目中
AT16	蜜蜂和传粉者	已覆盖
AT17	收获、采后处理、分级、质量和食品安全	已声明为缺口
AT18	市场、金融、保险、物流和可追溯性	已覆盖 —— 农业保险
AT19	碳、生物多样性、能源、废弃物和循环经济	已声明为缺口
AT20	政府监督、合规、农业检疫和生物安全	已覆盖 —— 渔业监督
AT21	综合多功能农业平台	已覆盖

这是二十一类，而不是二十类；早期版本中写作“二十类”的措辞错误现已更正，尽管表格包含 AT01–AT21。

如何解读这些缺口：本版中有四类没有符合条件的卡片——灌溉和水管理、温室和垂直农业、收获和食品安全，以及碳与可持续性。在大多数情况下，原因是此前列在这些类别下的是一般性技术类别、综述或尚未解决的名称，而不是软件，因此在本次更正中被删除。这并不意味着这些领域在全球范围内没有工具；这意味着在本版中，没有确认任何满足七项条件的软件属于这些领域，而它们将是下一版的优先事项。

9\. 本指南的四个维度 —— 而不是单一等级

上一版使用单一刻度（E1–E6），把不同事项混在了一起：系统是否存在、其运营状态、科学同行评审、评估者独立性以及农业影响。该刻度现已废止，因为把这些维度合并成一个数字，总会掩盖其中之一。取而代之的是四个相互独立的字段：

维度	取值
实施证据	官方产品页面 · 官方文档 · 应用商店条目 · 公开代码仓库 · 机构出版物页面 · 已审查的非公开来源痕迹
截至截止日期的可获得性状态	商业上仍在活跃 · 机构已发布 · 有限可获得 · 运营试点 · 可运行的开源项目 · 已停止 · 已被收购
评价独立性	无已发表评价 · 技术评价 · 田间评价 · 独立于开发者的评价
影响边界	无影响主张 · 仅有供应商主张 · 有限研究 · 有独立支持的结果

本表中最重要的区分是：同行评议研究是一种证据来源，而不是一种项目类型，也不会自动证明评价具有独立性。研究作者可能就是系统自身的开发者；同行评议会约束研究方法，但不会创造独立性。

核心规则：一个程序的存在并不能证明其正在运行；正在运行并不能证明其已具备生产就绪度；而生产就绪度也不能证明其产生了农业影响。

10\. 主登记册 —— 已实施的程序与系统

阅读方式：每个条目都包含一个 AIP 标识符（Implemented Program 的简称）、一个责任主体、一项具体农业功能、一个交付渠道、截至截止日期的可获得性状态、一个官方来源、任何独立评价的状态，以及一项明确的限制。本登记册中没有任何条目在缺少明确责任主体和公开官方来源的情况下被收录——但有一个明确标注的例外：资助实体条目。

这些条目被刻意重新编号并赋予新的标识符，以确保任何对混合 AIA 的旧引用都不会沿用到经核验的项目条目中。

来自官方来源的最新一次公开核验日期：2026年9月4日。已于 2026年9月18日对 Farmer.Chat 和 GAIA 的来源进行了定向更新，但这并不意味着登记册中的所有条目都在该日接受了复核。若某个官方来源出现在截止日期之后，则仅将其用于核实其在此之前已存在，并标注为回溯性来源。

AT01 —— 农场管理、规划与决策支持

标识符	项目	责任实体	农业功能	渠道	截止时状态	官方来源	独立评价	限制
AIP001	Climate FieldView	Climate LLC — Bayer Group（美国）	一体化数字农业平台：田块地图、可变播种处方、绩效分析和农机连接	Web \+ 手机 \+ 与农机集成的 Drive 单元	商业化运营中	climate.com	未找到独立评价	“+5 bushels/acre”这一数值属于供应商声明，并非独立结果；地理覆盖范围和兼容性取决于设备条件
AIP002	Cropin Cloud	Cropin Technology Solutions（印度）	用于跨多个田块开展农业生产管理、分析和建模的云平台	Web \+ 手机 \+ APIs	商业化运营中	cropin.com	未找到独立评价	关于“全球第一”的说法，以及模型、作物和覆盖面积数量，因缺少注明日期的文件和独立定义，已被隔离处理
AIP003	Connecterra	Connecterra B.V.（荷兰）	面向奶牛场的分析与决策支持：整合系统数据、生成运营摘要，并跟踪决策产生的影响	Web \+ 集成 \+ 数据接口	商业化运营中	connecterra.ai	未找到独立评价	所展示的用户证言属于供应商声明；不能替代影响衡量

AT02 —— 咨询服务、智能助手与知识检索

标识符	项目	责任实体	农业功能	渠道	截止时状态	官方来源	独立评价	限制
AIP004	PlantVillage AI	PlantVillage — Pennsylvania State University（美国）	将多个模型、工具和第三方数据——如天气预报和土壤数据——结合起来，用于回答更具体农业问题的咨询助手	Web	有限可用——明确说明处于 beta 测试中	plantvillage.psu.edu \+ llm.plantvillageplus.coop	尚无针对该助手本身的已发表评价	同一实体表示其正在“评估多个模型在准确性、相关性和成本方面的表现”；因此不得将其描述为成熟服务
AIP005	PlantVillage Nuru	PlantVillage —— Pennsylvania State University，与联合国粮食及农业组织合作	在低网络连通条件下通过手机进行作物病害诊断，作为非洲一项田间咨询项目的一部分	手机	机构已发布	plantvillage.psu.edu	关于该系统存在科学文献；本次审计未能确定评估者的独立性	官方文档描述了项目化部署；但未提供可在不同国家和作物之间转移适用的一般准确性指标
AIP006	Farmer.Chat	Digital Green（发展组织）	与农业推广服务相连接的多语言、多模态对话式咨询助手	手机 \+ 网页	机构已发布	\[SRC039\]–\[SRC041\]	由产品团队之外的一个实体与 Digital Green 合作，在肯尼亚 450 名农民样本中开展了用户评估 \[SRC042\]	该研究允许在其样本范围内描述使用情况、信任和自我报告的行动；但不能证明一般性的农业准确性，也不能证明对产量或收入的因果影响

AT03 —— 遥感与地理空间智能

标识符	项目	责任实体	农业功能	渠道	截止时状态	官方来源	独立评估	限制
AIP007	NASA Harvest	NASA Harvest Consortium —— University of Maryland 和 National Aeronautics and Space Administration（美国）	通过整合地球观测数据和机器学习，监测全球农业生产并评估粮食安全，以支持政策、保险和早期预警决策	分析平台 \+ 开放数据与模型 \+ 机构报告	机构已发布	nasaharvest.org	已发表大量科研成果；该联盟本身属于研究实体，因此这不计作对其性能的外部评估	其产出是政策和统计评估，而不是面向单个农场的决策工具；并未将特定田块的产量影响归因于它

AT04 —— 农业天气、气候与早期预警

标识符	项目	责任实体	农业功能	渠道	截止时状态	官方来源	独立评估	限制
AIP008	AClimate	Bioversity International and CIAT Alliance —— 隶属 CGIAR 体系	季节性和次季节性农业气候预测平台，提供气候情景、作物模拟和咨询简报生成器，以支持播种和收获决策	Web \+ 简报生成器	已在多个国家由机构发布	aclimate.org	本次审计未能确证存在独立评价	官方来源为西班牙语，未找到等效的官方英文页面；其覆盖范围仅限于该平台已部署的国家，且其自身也如此说明

AT09 —— 作物病害、虫害与杂草

在 AT02 中提到的条目 AIP005（PlantVillage Nuru）同样属于这一类，因此此处不再重复，以避免重复计数。

更正说明：上一版在这一类下列出了四项同行评审研究、一项架构概念以及两个尚未解决的名称，并将其计为项目。现均已移除：研究已移至各章及参考文献中的相应科学位置，概念已移至其作为概念的说明处，两个名称已移至未解决负责人登记册。

AT10 —— 机器人与自主机械

标识符	项目	责任实体	农业功能	渠道	截止时状态	官方来源	独立评估	限制
AIP009	LaserWeeder G2	Carbon Robotics（美国）	通过植株级视觉瞄准进行激光除草，使用基于大型农业图像库训练的视觉模型	牵引式机器，带嵌入式系统 \+ 客户云端	商业活跃	carbonrobotics.com/laserweeder-g2	未找到已发表的独立评价	所有已发布数字均为供应商声明：最高可降低 80% 成本、提高产量、减少化学品使用，以及农民数量和国家数量。网站发布的农民证言不构成独立影响证据
AIP010	Carbon Autonomy	Carbon Robotics（美国）	安装于现有拖拉机的自主套件，带远程操作员监督，并可切换为手动控制	拖拉机嵌入式系统	商业活跃	carbonrobotics.com/carbon-autonomy	未找到已发表的独立评价	这并非完全自主：官方文档本身提到需要远程人工监督，并在必要时进行干预；兼容性也仅限于特定拖拉机型号

AT11 —— 植物育种与表型组学

标识符	项目	责任实体	农业功能	渠道	截止时状态	官方来源	独立评估	限制
AIP011	Hiphen —— 田间表型组学系统	Hiphen（法国）	通过图像分析在不同阶段自动测量植物性状，以支持育种项目以及品种和处理测试；通过卫星、无人机、田间车辆和手持设备实现	分析服务 \+ 数据平台 \+ 田间设备	商业运营中	hiphen-plant.com	已声明与 UMT CAPTE 单元存在研究合作关系并有联合发表成果——这是合作，不是评估独立性	该服务面向研究与育种项目及公司，而非单个农民；未将任何商业产量影响归因于它

AT13 —— 畜牧业

AT01 中提到的条目 AIP003（Connecterra）服务于奶业部门，此处不再重复。

更正说明：在上一版中，这一类包含了一份研究草稿和两个尚未解决的名称。三者均已移除：草稿移回其科学归属位置，两个名称移至未解决负责人登记册。

AT14 —— 水产养殖与渔业

标识符	项目	责任主体	农业功能	渠道	截止时状态	官方来源	独立评估	限制
AIP012	Aquabyte	Aquabyte AS（挪威）	利用水下计算机视觉估算生物量和体重，自动统计海虱，监测鱼群福利和行为，并在鱼类养殖网箱中预测食欲和管理投喂	水下摄像头 \+ 云平台 \+ 用户门户	商业运营中	aquabyte.ai	已声明与 Mowi Ireland 及爱尔兰 BIM 机构开展试验——这是与第三方进行的运营试验，且未发现独立发表的结果	“more than 800 systems”和“1.3 million images daily”这两个数据属于供应商声明；其核心范围是三文鱼，而非一般意义上的水产养殖
AIP013	Observe Technologies	Observe Technologies（英国）	汇聚现有鱼场数据流——视觉、传感器和声学——并生成投喂和异常警报，而不替代网箱设备	运行于现有硬件之上的软件	商业运营中	observe.tech	无已发表评估	官方网站内容简略，未提供详细技术文档或客户名单；商业成熟度有证据支持，但部署规模未知

AT15 —— 森林与放牧地

标识符	项目	责任主体	农业功能	渠道	截止时状态	官方来源	独立评估	限制
AIP014	PlantVillage —— 牧民与草场支持	PlantVillage —— Pennsylvania State University，与 FEWS NET 和联合国合作	通过提前预报引导牧民前往植被和水源所在地，并将其与兽医联系起来，以支持草场中的气候适应	田间项目中的数字咨询服务	机构已发布	plantvillage.psu.edu/food	本次审计中未发现已完成的独立评估	它是更广泛的 PlantVillage 项目中的一个组成部分，而非单独营销的产品；之所以列于此处，是因为其农业功能不同且有官方记录

AT16 —— 蜜蜂与传粉者

标识符	项目	责任主体	农业功能	渠道	截止时状态	官方来源	独立评估	限制
AIP015	BeeHero —— Precision Pollination and Pollination Insight Platform	BeeHero（美国、以色列和澳大利亚）	使用蜂箱内和田间传感器测量蜂群强度及蜜蜂访花情况，将原本基于信任购买的授粉服务转变为可测量的服务	传感器 \+ 分析平台	商业活跃	beehero.io	未发现已发表的独立评估	所展示的英亩数、蜂箱数和数据点数量均为供应商声明；在没有研究的情况下，不得将坐果率提高归因于该服务
AIP016	Beewise BeeHome	Beewise（美国和以色列）	一种结合计算机视觉和机器人技术的自动化蜂箱，用于监测蜂群并自动介入其照护，而不是等待养蜂人上门查看	田间硬件单元 \+ 远程控制	商业活跃	beewise.ag	未发现已发表的独立评估	“蜂群损失减少 70%”这一数字是明确的供应商声明；所展示的奖项是行业认可，而非性能评估

AT17 —— 收获、采后处理与食品安全

明确缺口。上一版在此处列出了六个条目：四个身份无法确认的研究型机器人模型或案例、一个领域综述，以及一类通用系统——它们都不是满足七项条件的项目。现均已删除，而本版尚未确定替代项。将这一部分留空，比用并非项目的内容将其填满更真实。

AT18 —— 市场、金融与保险

标识符	项目	责任主体	农业功能	渠道	截止时状态	官方来源	独立评估	限制
AIP017	Pula — 数据驱动型农业保险	Pula GmbH（瑞士，在非洲和亚洲开展业务）	面向小农户、基于区域产量指数和农业数据服务的农业保险，同时提供牲畜保险和森林砍伐法规合规服务	保险服务 \+ 数据平台 \+ 政府合作	在十二个国家开展商业运营，并有机构文件记录	pula-advisors.com	本次审计中无已完成的独立评估	“超过21 million农民”这一数字属于供应商声明；获取服务是通过政府和机构合作，而不是直接向农民销售

AT19 —— 碳与可持续性

已声明的缺口。此前此处的三个条目中，一个是另一平台（Cropin）中的工具，并非独立产品；另外两个名称的责任实体仍未明确。三者均已删除；其中第一个已并入条目 AIP002。

AT20 —— 监督、合规与生物安全

标识符	项目	责任实体	农业功能	渠道	截至截止时的状态	官方来源	独立评估	限制
AIP018	Global Fishing Watch Map	Global Fishing Watch（由 Oceana、SkyTruth 和 Google 创立的非营利组织）	通过结合卫星图像、船舶跟踪数据和机器学习，监测全球渔船活动，以支持打击非法捕捞的执法和渔业管理	公开交互式地图 \+ 开放数据和接口	处于活跃状态并公开可用	globalfishingwatch.org/map	与科学机构合作发布了开放数据和分析；还已公开发表与国家主管部门合作的执法案例	它服务于监督与治理，而不是鱼场管理；并且它依赖可能被故意关闭的跟踪信号——这是此类监测已知的限制

AT21 —— 综合多功能平台

标识符	项目	责任实体	农业功能	渠道	截至截止时的状态	来源	独立评估	限制
AIP019	Aladdin Agri AI	Aladdin Agri AI —— 本书的赞助实体	一个受治理的农业人工智能环境，覆盖多个渠道和语言，涵盖从土地选择到采后处理的季节周期，并具有中央人工智能治理层、知识检索、翻译和可行性研究功能	Web \+ mobile server gateway \+ desktop application	有限可用；成熟度因渠道而异	经审计的非公开源记录——无公开来源	无独立评估	见下文披露与能力说明

平台能力 —— 计为其中的组成组件，而非独立项目：

组件	平台内功能	为何不计为独立项目
AiBridge	对人工智能请求进行路由、应用策略并记录活动的中央治理层	在平台之外没有独立的产品身份或分发形式
Chat V2	带来源引注的对话与检索路径	通过治理层运行的内部服务
AgroGenie	与界面及对话相连接、由目录中介的农业搜索	其两个网关默认关闭，且既不在平台外分发，也不在平台外使用
Mobile Gateway	具有契约、路由、签名和会话功能的移动服务器网关	它是服务器网关，而不是分发式客户端应用程序
Desktop	用于 Windows 的桌面应用程序	没有生产级代码签名，也没有应用商店分发

上一版将 AgroGenie 作为与平台并列的单独条目计入，这里的修正是：消除该重复计数，平台只计一次。

关于 AIP019 的强制披露：本书的赞助实体就是本条目的对象，对其他对象所适用的同一标准，在此也同样适用，既不放宽，也不收紧：

历史来源层已界定：2026年8月22日日期的 bundle Koot-EL-Kuloob-2.1.39，其 SHA-256 指纹在附录 N 中声明，并构成 \[IMP01\]–\[IMP09\] 的范围。
官方分发层是分开的：于 2026年9月22日生成、并于 10月10日检视的 bundle Koot-EL-Kuloob-2.1.39.zip，其大小和指纹在 \[IMP14\] 中声明。它确立了哪些内容通过了分发完整性检查，以及指明文件、契约和检查项的存在情况；它并不改写 8月的发现。
执行证据属于已标示的例外：这是登记表中唯一一个不是基于公开来源、而是基于经内部检视的私人来源记录的条目。这不得被计作公开或独立证据。之所以纳入，是在这一明确标签下纳入，而不是因任何特殊通融。
来源存在并不意味着正在运行：条目数量或路由数量也不意味着所有服务都处于活跃状态。
服务器网关并不是客户端应用程序：这是所指明的八月记录中的发现，未经单独审查，不得将其推及另一个 bundle 或渠道。
本地测试并不是生产分发：8月记录中所记载的有限本地实时验证，并不能证明公众接受，而且 \[IMP14\] 未实时运行 WordPress，也未核验标记、数据库、提供方、浏览器或界面验收情况。
语言文件并不是本地化认证：目录文件的存在或一次孤立检查的成功，并不能证明可见文本的完整性、术语、单位和警告的正确性，或用户的理解与行动能力，而且 \[IMP14\] 记录了语言测试的明确限制。
不给予优先排序：本条目既未获得比其他条目更好的位置，也未获得比其他条目更好的描述，并且未对其作出任何优越性主张，因为不存在同质的独立比较。
没有独立的农业影响：没有田间试验，也没有使用研究。

关于可比性的说明：本登记册中的其他条目都有读者可以打开的公开来源；本条目没有。因此，尽管它拥有最为详细的内部文档，但与排在它之前的所有条目相比，它更难接受外部验证。细节并不能弥补可获得性的不足。

11. 描述性统计摘要

在这些数字之前先说明一点：以下内容描述的是本登记册，而不是全球格局。任何类别中的卡片数量，也都不得被转化为对其活跃程度、规模或工具质量的判断。

指标	数值
主登记册中具有实际实施的项目与系统	19
已定义的应用类别	21
至少有一张卡片的类别	12
被标记为已声明缺口的类别	4
由列在另一类别下的卡片覆盖的类别	5
具有官方或公共一级来源的卡片	19 个中的 18 个
没有公共来源的卡片（标记例外：赞助实体）	1
具有独立于开发者的评估的卡片	零
具有得到独立支持的农业影响结果的卡片	零

按实体类型分布：九家商业公司、四个大学或机构项目、两个发展项目、一个非营利组织、赞助平台，以及一个联合机构项目——总计十九个。

按可获得状态分布：十一个仍处于商业运营状态，五个由机构公开发布，两个可用范围有限，一个被宣布处于试点测试阶段。

对这些数字有三种解读——仅限于这个名录本身：

第一，这个数字从四十七降到了十九，而这是改进，不是退步。上一版数字把论文、综述、模拟、概念和来源不明的名称与产品并列统计在内。当前数字只统计项目。一个更小但真实的名录，胜过一个更大但混杂的名录。

第二，十九张卡片中有十八张附有读者可以打开查看的公共来源。上一版在四十七张卡片中，有三十六张没有直接来源引文。这就是目录与草稿之间在实践上的区别。

第三——也是最重要的一点——在这次审计中，没有发现这十九个项目中任何一个具有独立于其开发者的已发表评价。这是在说明这个名录及其所检视来源的边界，而不是对整个世界作出判断；可能存在本研究未能触及的独立评价。但这已经足以提醒购买者：你在产品页面上读到的那些数字——成本降低、产量增加以及蜂群损失减少——在这里的每一张卡片上，都属于供应商声称，而不是独立测得的结果。两者之间的差别，就是承诺与证据之间的差别。

12\. 哪些内容移出了主登记册，以及移往何处

这份附属登记册记录了哪些内容因更正而从主登记册中移出，但它们并未从本书中删除。此处说明了每一类内容的去向，以免任何读者误以为科学材料被删去了：

移出的内容	数量	移往何处	移出的原因
经同行评议的科学研究和预印本	9	正文中的相关章节、经核验的参考文献列表，以及附录 A 中的案例研究登记册	论文不是一个项目；它为一种方法或一个结果提供证据，而不是为一个正在运行的系统提供证据
领域综述	2	相关章节中的“界定该领域的来源”	综述描绘的是一个领域，而不是一个项目
仿真与计算实验	2	在各自相应的位置被表述为仿真与计算实验	仿真检验的是一种想法，而不是一个已发布的系统
一般性技术类别	6	附录 H，作为技术趋势列出	“基于物联网的智慧灌溉”不是一个项目的名称
概念与架构框架	2	被表述为架构概念	框架用于组织思路，在有具体实现之前，它还不是软件
无法确定开发实体的名称	12	附录 H 中未解决条目的登记册	没有责任主体，也没有官方来源；这两项都是强制条件
并入其母平台的一个组件	1	AIP019 卡片内	为防止重复计数
更广泛产品中的一个工具	1	AIP002 卡片内	并非单独分发的产品

总计有三十五项不再按项目计数，但仍以其实际性质保留在本书中。

将一条记录从“未解决”移入主登记册中的卡片，规则如下：七项条件必须全部完全满足——名称、实体、实际实施情况、农业功能、官方来源、符合时间边界，以及可判定的状态。如果来源只证实某项功能的存在，则其影响仍为“未知”。如果一级来源与供应商的描述相矛盾，则应呈现该冲突；在没有说明理由的情况下，不偏向任何一方。

13\. 缺口矩阵

维度	本版观察到的缺口
应用类别	有四个类别没有符合条件的卡片：灌溉与水管理 AT07；温室与垂直农业 AT12；收获与食品安全 AT17；碳与可持续性 AT19
评估的独立性	在本次审计中，未发现针对这十九个项目中任何一个的已发表独立评估
影响	登记表中呈现的所有定量数据均为供应商声明；没有任何一项是得到独立支持的结果
地区	对北美和西欧的覆盖较强；对东亚、东欧、中亚和中东的覆盖较弱
实体类型	国家政府项目和可操作的开源工具代表性不足
时间状态	未对已停止运营或被收购的产品进行系统追踪；因此，本版不包含关于已停止运营产品的章节
语言	核验主要以英语进行，且有一张卡片（AIP008）的官方来源为西班牙语。既未开展也不要求进行多语种调查
本地适用性	本版未记录按国家对农业语言、单位、设备、连接性、支付、服务、维护、人的决策权和后备方案进行的系统核验；因此，收录不得被视为本地推荐

对于研究者而言，这个矩阵是附录中最有用的部分：其中每一行都是一个现成的研究问题，也是对下一版本的提案。

14\. 非背书声明

在本目录中列出任何项目，均不构成对其的背书，也不构成其有效性、安全性、准确性、运营就绪度，或对任何特定农业情境适用性的证明。反之，某个项目未被列出，也不构成其不存在或质量差的证据。表格内的排序是客观排序，不带有任何优先意味。本附录不提供采购或投资建议。

在作出任何采购决策之前，请参阅附录 T 中的工作簿：先界定问题，再选择工具；明确需要支持的决策、所需证据，以及发生错误时的责任归属。

15\. 配套数字登记册与更正机制

纸质书籍从其性质上说，是某一时点的快照，而外部环境会发生变化：页面会变更，公司会被收购，产品会停止运营。因此，本目录分两个层级发布：

层级	内容
书中	纳入单元、七项条件、排除清单、平台与组件规则、证据的四个维度、主登记册、缺口矩阵，以及截止提醒
配套数字登记册	可搜索、可筛选的版本、变更历史、每个官方来源的归档链接、2026 年 8 月之后的更新、身份更正和产品状态案例、CSV 下载，以及书中的稳定链接

数字登记册中的授权字段包括：标识符、标准名称、实体类型、上级标识符及关系、开发者、国家、应用类别、农业任务、目标用户、交付渠道、首次公开证据日期、截止时状态、实施证据、评估的独立性、影响边界、官方来源、独立来源、最后核验日期、局限性、利益冲突，以及归档链接。另设但不凭猜测填充的独立字段还包括：操作语言、术语、单位、设备、连接条件、地理覆盖范围、支持、维护、替代方案，以及本地监管机构。

发布后的更正机制如下：每一项更正都记录其日期、原因和来源，旧版本不会以丢失审计追踪的方式被抹除——它将被保留、归档并标注。任何被列出项目的所有者，都可以通过提供注明日期的官方来源，请求更正其数据；此类请求仅在事实更正的边界内执行，且不会因商业异议而接受删除条目或提升证据等级。

16\. 从项目回到那些使用它们的人

表格中的十九个名称，并不能讲完整个故事。这里的每一张卡片背后，都站着一个没有出现在登记册中的人：一位决定何时灌溉、灌多少水的农民，一位驱车数小时去检查蜂箱的养蜂人，一位寻找水源和饲草的牧民，一位站在分拣线上的工人，一位等待来电的兽医，以及一位试图查明是谁在何地捕获了什么的检查官员。

而一个为这些人中的某一类人服务的项目，其衡量标准并不在于模型数量或数据规模，而在于一个更简单的问题：信息是否及时送达了那个要承担其后果的人，是否使用了那个人自己的术语和计量单位，那个人是否能够理解这些信息，并据此采取行动或提出异议；而当系统失效时，是否有支持，也是否有替代方案？这正是一个关于“存在”的全球登记册无论分类多么精确都无法衡量的。

因此，应当按照它本来的性质来阅读这份附录：它是一张关于已经构建了什么的地图，而不是对什么真正带来了益处的判断。后一种判断需要一种在本领域中迄今仍严重不足的东西——独立评估，而且这种评估应当直接询问农民，而不是去看产品页面。

总结

本书始于决策，也回归决策

本书的起点，是水、土壤、作物、动物、劳动力和市场所承受的压力，而不是想为人工智能寻找一个新的用武之地。在依次讨论了图像、传感器、记录、机器、农业推广、金融和供应链之后，结论又回到了最初的问题：哪一项农业决策需要支持，谁将承担其后果，以及要想及时作出这项决策，什么样的证据才算充分？

对于这个问题，并不存在单一的技术答案。所需要的，可能是更好的测量、更清晰的记录、一条常规操作规则、工人、承运人和仓库之间的协同，或者是在购买模型之前先把网络修好。人工智能的价值，可能会在信号与备选方案大量增加、以至于无法在决策窗口期内依靠人工完成分析时显现出来；但它不会把观察变成诊断，不会把预测变成结果，也不会把建议变成执行的权力。

因此，本书区分测量、信息、决策、行动与结果。将它们混为一谈，会让模型准确性看起来像是产量得到了保全，会让某个组件的存在本身看起来像是在运行，或让数字化记录看起来像是产生了影响。把它们区分开来，才能看清收益在哪里，过错在哪里，以及由谁复核、谁授权、谁叫停。

本地化是有效性的前提

专业本地化并不是界面翻译，也不是把一个国家的示例替换成另一个国家的示例。它是在农业实质、地点、季节和时间窗口中界定该决策，并将其与用户、该用户的权限、语言、术语、单位、设备和连接条件相联系，然后再与机构、参照依据、服务、维护、替代方案和测量结果相联系。只要任何影响行动或其后果的要素发生变化，先前的证据仍然是有用的知识，但它就变成了一个需要本地验证的假设。

这并不意味着放弃普遍科学或共同标准。来源可追溯性、测量、安全、权利和可审计性，都是不会因地点不同而改变的标准。会变化的是它们的实施方式：阈值、名称、单位、授权机构、服务路径，以及用户理解、行动和提出异议的能力。一个负责任的系统会保留这些差异，而不是以标准化之名将其抹去。

地方知识既不是绝对无误的真理，也不是应当被清理掉的噪声。它应归属于其持有者，在其语言和语境中被保留，接受检验，而其持有者保有纠正和拒绝的权利。命名上的差异可能揭示品种、生育阶段或做法上的真实差异；因此，规范化始于关联，而不是替换。

并非所有数字化都是人工智能

收集发票、记录运行时长、计算消耗量、应用既定限值，以及保存副本、日期和有效期，都是普通软件能够完成的重要功能。把它们归功于人工智能，并不会增加它们的价值；有时反而会掩盖真正需要的是一条清晰规则、一份规范记录，或一位责任明确的负责人。

人工智能的有用性体现在一些特定环节：关联大量模式、在不确定性条件下估计一个范围、为复核对案例进行排序、检测异常或冲突、比较情景，以及检索适合该问题的来源。即便在这里，限制仍然是必要的：它不会编造缺失值，不会把供应商承诺变成可获得的服务，不会把某一语境中的阈值搬到另一语境中，不会批准自己的建议，也不会绕过一道安全闸门或一项人的权利。

当数据不足，或问题超出范围时，拒绝作答是一种专业结果。一个系统如果能清楚说明自己不知道什么，将问题上报给有能力的负责方处理，并留下可供检查的记录，就比一个用自信答案填补空白的系统更有用。

经济学意味着持续下去的能力

只有当工作完成、结果显现之后，最终成本和实际收益才会明朗。因此，本书不会要求农场在季前给出一个确定数字；它要求的是一个基线、一个可更新的估算，以及把已知与假定区分开来，然后再用实际支付了什么、哪里失败了，以及实际保住了多少数量、质量与价值，来完成这项比较。

购买、租赁、签约获取还是共享，这一决定始终是服务决策，而不只是价格决策。最便宜的机器如果在过了适收期之后才到场，就毫无用处；而如果缺少操作员、技术人员或零部件，拥有所有权也不能保证连续作业。可维修性、在中断期间依靠人工或本地方式运作的能力，以及导出、迁移和退出的权利，都是可行性的一部分，而不是购买之后才考虑的次要事项。

一个农场无法安全退出的系统，无论多么容易进入，都算不上成熟。只有当数据所有权持有人能够理解将导出什么、在另一套系统中恢复这些数据、纠正错误，并在不丧失关键功能的情况下终止合同，数据所有权才会成为一项实际权利。

人掌握实质权力，而非仅仅形式上的签字权

屏幕上出现一个人，并不能保护一个既不给这个人时间、信息、决策权，也不给替代方案的系统。凡是被要求接受自己并不理解的输出的人，都不是复核者；凡是因提出异议而受惩罚的人，都没有决策权；凡是在云端失效时无法运行关键功能的人，都不属于业务连续性方案的一部分。

正因如此，本书对角色作了分配：谁负责收集，谁负责解释，谁负责复核，谁负责授权，谁负责执行，谁负责叫停，谁负责调查事件。小农场中有些角色可以合并，但责任不会因此消失；责任必须被明确指认，而且升级路径和缺位情况下的程序必须清楚。

自动化与其说是消除了工作，不如说是重新分配了工作。随之而来的是监测、维护、干预、数据清洗和告警复核。负责任的衡量不会满足于工时减少；它会追问：谁学会了新任务，谁的负担加重了，谁失去了收入或决策权，谁得到了收益，以及在转型期间有哪些保护措施可用。

证据不会独自传播

一个有用的数字本身就是一个完整句子：是谁测量了什么，基于什么材料和数据，在什么地点和季节，用什么单位和分母，与什么进行比较，在什么版本和条件下，不确定性如何，以及输出之后发生了什么。如果这些要素缺失，这个数字并不会自动变成错误的，但它支持某项主张并被带到其他场景中使用的力量，就会失去一部分。

正因如此，附录将研究、项目和主张分别保留在不同等级中。一个项目的存在，并不能证明它已经运行；运行，并不能证明其发布版本已被接受；发布版本被接受，并不能证明其适合本地；而适合本地，也不能证明其产生了农业或经济影响。同样，一项经同行评议的研究，可能在其自身情境中确立了某个结果，却仍然不是一个产品；而一个产品页面，可能证明某项功能的存在，却仍然不是独立评估。

如果失败是在具体语境中被记录下来的，它也具有知识功能。一次误报、一名工人的反对、一个未能送达的部件、一处削弱了警告效果的翻译，或一个在另一个季节未能复现的结果，都不是令人尴尬的边角余料；它们是重新界定系统边界、并防止错误再次发生的数据。

Aladdin 案例研究证明了什么，又没有证明什么

Aladdin 研究提供的是一个多模块平台的工程材料。该平台试图通过中央治理，将人工智能的使用与供应商分离开来，并把农业决策与记录、来源和不同渠道连接起来。但这些材料必须结合其时间层次来阅读，而不能只看发布名称。

日期为 2026年8月22日的审计追踪，涉及 \[IMP01\]–\[IMP09\] 中记录的特定历史性发现：特定结构、合同、路径和测试的存在，以及对某些对话和检索路径所做的有限本地在线验证；而在该追踪中，发布验收状态仍然未定。\[IMP13\] 涉及后来的 AgroGenie 开发包和孤立测试，这些并不能证明 WordPress 在线运行，也不能证明田间影响。

至于官方分发包 Koot-EL-Kuloob-2.1.39.zip，它生成于 9月22日，并于 2026年10月10日受检，构成一个独立层 \[IMP14\]。它的指纹、归档路径的完整性，以及其记录中所指明的运行时文件、合同、组件和测试结果的存在，确立了其中实际包含的内容；同时也揭示了完整性封存、可见消息、交互式图书关口以及 AiBridge 测试套件方面的约束。它并不能证明 WordPress 在线运行，不能证明标志位和数据库的状态，不能证明提供方连通性、界面验收情况、翻译与本地化的完整性、某项农业建议的正确性，或田间影响。

后一个分发包不会追溯性地改写前一个追踪记录，而前一个追踪记录也不会赋予那些未在官方分发包上重复得到的运行时结果。更重要的是，全部十四项证据都属于内部且私有；读者无法查验它们，而且它们也没有公开的持久标识符。因此，它们适合用来说明在其限度之内审查了什么，但并不会因此变成独立评审、科学参考文献或农业价值证明。

这种对“哪些已经确立、哪些尚未确立”的区分，既不是贬低这项工作，也不是拔高这项工作。它是使资助方研究能够接受批评的条件，并防止工程细节变成关于运行、本地化或影响的承诺。

下一条路径由关口构成，而非固定时间表

一个项目之所以走向成熟，并不是因为几个月过去了，也不是因为预算已经花完。它是在按与风险相称的标准完成一个证据关口后才向前推进：先是对问题、本地基线和权利的本地界定；然后是可逆试验；再然后是外部验证与有条件移交；接着是在一个生产周期和具有代表性的冲击条件下进行监测；最后再根据结果决定继续、调整或退出。

研究工作也是如此。一个好的问题会界定决策、材料、地点、季节、用户、比较对象、结果、决策权归属以及可转移性的边界。常规软件负责保存方案、版本、权限和原始数据。人工智能或许可以帮助提取变量、发现缺少单位的数值，或将事件归组以供复核，但它不会选择成功标准，不会裁定因果关系、公平性或可转移性，不会掩盖负面结果，也不会批准发表它自己的工作。

停止的权利是方法的一部分。在开始之前，就应明确谁有权叫停，何种伤害、不平等或徒劳会触发这一行动，如何保护数据、农业材料和参与者，以及如何保留负面结果。沉没成本不会取消这项权利。

结语

智慧农业不会只有一种形态。它可以是一个在本地运行的简单设备，可以是由合作社运营的共享服务，可以是使用有据可查检索的顾问，可以是执行特定任务的机器，也可以是连接多个环节的平台。在某些地方，最好的决定可能是先修复现有流程，并暂缓数字化投资。

衡量标准不在于展示了多少“智能”，而在于由此成为可能的决策质量：它是否是在其具体语境中被界定的？它是否及时到达，并以那些将承担其影响的人能够理解的方式表达出来？它是否基于边界已知的证据？人的决策权与责任是否依然清晰？关键功能是否在中断期间持续运行？是否能够进行修复、提出异议、导出和退出？以及，结果如何、收益与损害如何分配，是否都得到了衡量，并在此之后让系统要么学习、要么停止？

如果系统能够用可供审查的本地证据回答这些问题，它并不会因此变得绝无错误，而只是具备了开展负责任、可逆试验的资格。如果做不到，那么无论模型数量有多少、界面覆盖多广，或“智慧”一词被反复使用多少次，都无法弥补这一缺陷。农业的未来需要的，不是一台声称无所不知的机器，而是懂得自身边界、保留地方意义，并使决策过程保持可理解、可审查且可修正的制度与工具。