山地初至拾取交给多模态智能体：FA-Agent看图判断，看不清的拾取宁可删掉
核心概要
山地地震资料的初至常偏弱、断续，并被强直达波和噪声掩盖，基于能量的拾取器会跳到后至波或噪声上，深度学习拾取器换一个新工区往往还要重新训练。FA-Agent把多模态大模型、确定性处理工具和记录处理经验的技能文件组合成可扩展框架：智能体先通览整张道集圈出可疑区，再放大逐段判断保留、改正还是删除初至。在初至已知、噪声取自山地实测的半合成道集上，它对清晰可见的初至拾取准确，对不可见的初至选择删除而不是误拾后至波。
深度剖析
初至拾取被拆成两件事：工具给出候选初至，多模态大模型像处理员一样看道集图像，逐窗口决定这条拾取该保留、改正还是删除。 此前的自动拾取器主要预测到达时间，一条困难区的拾取是否可信，通常留到质量控制与人工检查阶段才判断；深度学习拾取器换到采集条件、波形和噪声不同的新工区，往往需要该工区的标注数据做重训练或微调。 在初至已知、噪声取自山地实测道集的半合成道集上，智能体在初至清晰处准确拾取，在初至不可见、无法判断处删除拾取，而不是拾到后至波上。
智能体先看不带拾取曲线的整张道集，识别最早的相干波前及其分支，再叠上初始拾取、标出两者不一致或波前不确定的少数窗口。 初始拾取由包络能量比与AIC起跳评分合成，并加横向连续性约束把各道拾取连起来；在山地资料中这条连续性约束会把曲线带到更强的后至波上，或穿过没有可见初至的区段。 每个窗口先不带拾取、再带拾取地放大查看，并保留足够相邻道以显示局部趋势；智能体把窗口分段，对每段决定保留、用可见波前上的锚点改正，或删除，最后在整张道集上复查段与段接缝处的跳变。
处理经验写在技能文件里而不是模型权重里，专家复核过的道集会被自动写入技能库，智能体因此随使用积累案例。 经验以可复用的指令和参考案例形式加载，专家复核标准与已复核样例可以在不改动模型权重的情况下补充和修订。 技能是在山地实测资料上、与一位多年处理山地地震数据的物探专家讨论中形成的；智能体处理了1000张随机抽样的道集，其中0813、0831和0001三张不在案例库内，0813与0831属于最困难的A类。
启示与展望
已展示的范围是：初至已知、噪声取自山地实测道集的半合成测试，以及一个三维山地工区中1000张随机抽样道集里的三张野外实例（0813、0831、0001），其中两张属于最困难的A类。读者对象是从事陆上地震资料处理与初至层析的工程师和研究人员；野外数据保密不可公开，框架完整代码与测试示例数据计划在论文初审后公开。
野外资料的真实初至未知，专家对弱初至或被掩盖初至的拾取本身带有主观性，因此客观对照只能来自半合成道集。单张道集的改正耗时约30–90秒（本地AMD CPU单核），且随难度变化；商用大模型主要因图像输入消耗令牌而增加成本，保密数据外发也可能不被接受。