AI Agent平台选型,核心不是比谁家的模型参数大,而是看这个平台能不能把“感知-决策-执行”这条链路在你的业务系统里跑通。换句话说,选型的第一判断标准是集成能力与执行可靠性,模型能力排在第二位。一个连不上你现有MES、SCADA或ERP的Agent平台,再聪明也只是个聊天窗口。
一、AI Agent平台到底解决什么问题
传统自动化脚本和RPA处理的是规则明确、路径固定的任务,比如定时抓数据、按模板填单据。一旦遇到需要判断的情况——来料批次有差异、设备报警原因不明、工单优先级冲突——脚本就卡住了。AI Agent平台要解决的就是这类“有规则但不完全规则”的中间地带:它能调用工具、读取多源信息、做多步推理,然后给出动作建议或直接触发执行。
和纯大模型对话产品的区别在于,Agent平台强调工具调用与任务闭环。你问一个聊天机器人“这台贴片机为什么抛料率高”,它给你一段通用分析;Agent平台则应该去拉取该设备的报警日志、吸嘴使用次数、供料器校准记录,交叉比对后给出“3号吸嘴磨损超限,建议更换并复检供料器高度”这样的可执行结论。前者是知识问答,后者是任务执行。
二、Agent平台的关键能力看哪几个维度
第一个维度是工具与协议对接能力。工业现场的数据源五花八门:PLC走Modbus或OPC-UA,MES走RESTful API,老旧设备可能只有串口或数据库直连。平台是否内置这些连接器、是否支持自定义工具注册,直接决定落地周期。选型时重点确认它对OPC-UA和MQTT的原生支持程度,以及能否在不写代码的情况下配置API调用。
第二个维度是任务编排与推理链可控性。好的Agent平台不是让模型自由发挥,而是提供可观测的推理步骤。你需要能看到它调用了哪些工具、按什么顺序、每步输出是什么。部分平台支持“人在回路”审批节点,这对工业场景很关键——让Agent提建议、人来确认,比让它直接改产线参数稳妥得多。
第三个维度是知识库与私有数据融合。制造业的知识大量存在于SOP文档、设备手册、历史维修记录里,格式包括PDF、Excel、甚至手写工单扫描件。平台对文档解析的准确率、对表格和图纸的处理能力,比模型跑分更影响实际体验。可以要求厂商用你提供的设备手册做一次现场解析测试,看它能否准确回答“该型号伺服电机的过载保护阈值是多少”这类细节问题。
第四个维度是执行安全与权限隔离。Agent一旦能调工具,就存在误操作风险。平台是否支持按角色限定可调用的工具集、是否记录完整操作审计日志、是否有沙箱环境做预演,这些在选型清单里权重不应低于模型能力。
三、制造业里哪些工序适合先试Agent
假设一家电子厂做SMT产线,换线频繁、抛料率波动大。Agent平台可以先用在“抛料异常归因”这个环节:它定时读取贴片机的抛料统计,当某 feeder 抛料率超过阈值时,自动拉取该供料器的校准记录、吸嘴使用时长、最近一次保养时间,输出归因排序建议。这个场景节拍稳定、数据接口相对标准,适合作为切入点。
再假设一家汽配企业做注塑车间,设备品牌杂、报警代码不统一。Agent平台可以对接各品牌注塑机的OPC-UA接口,把不同格式的报警文本归一化,再结合模具保养记录和工艺参数历史,判断某次报警是模具问题还是工艺漂移。这类场景的难点在协议适配,选型时要重点考察平台对多品牌设备数据采集的现成支持。
另一个方向是质量追溯与8D报告辅助。当客诉发生时,Agent自动汇总批次生产数据、检验记录、来料批次信息,生成8D报告初稿。这不需要实时控制,容错空间大,适合对Agent能力还在观望阶段的团队。
四、选型落地时的几个高频追问
集成对接方式怎么选。优先确认平台是否支持你现有系统的认证方式(OAuth、API Key、LDAP),以及有没有预置的MES/ERP连接模板。如果厂商说“什么都能连但需要定制开发”,落地周期通常按月起算,要有心理准备。
部署硬件有什么要求。纯云端SaaS模式对本地硬件要求低,但数据出厂可能受限;私有化部署需要确认推理卡型号和显存需求,7B到14B参数量的模型做工具调用推理,单卡显存建议不低于24GB。如果要做多Agent并行,硬件预算要相应上浮。
实施周期大概多长。一个单一场景的Agent(比如设备报警归因)从对接数据到上线试运行,通常四到八周;跨三个以上系统的复杂流程编排,三个月起步。周期主要耗在数据接口打通和权限审批上,模型调优反而占比较小。
常见误区是拿Agent当万能问答用。如果需求本质是“查文档”,用检索增强生成就够了,不必上Agent平台。Agent的价值在“多步动作”,单步查询场景上Agent是过度设计。
成本构成怎么看。除了平台授权费,要算上数据接口改造、知识库整理、场景调优的人力投入,以及后续的推理算力消耗。按调用次数计费的平台,在任务频次高的场景下成本会快速累积,选型时要按预估调用量做三年测算。
五、适配判断:什么场景该上,什么场景再等等
适合上的场景:任务涉及三个以上数据源交叉判断、有明确的动作输出(生成工单、发报警、调参数建议)、容错空间允许人工复核。设备报警归因、来料异常初判、售后工单分派、SOP合规检查,这几类可以先试。
不适合硬上的场景:产线实时控制闭环(节拍在毫秒级、要求确定性响应的,走传统PLC和运动控制更稳)、强反光或高变型件的视觉检测(需先评估成像条件,Agent解决不了成像问题)、数据接口完全封闭的老旧设备群(先做数据采集改造再谈Agent)。另外,如果连基础MES数据都还不完整,建议先把数据底座补齐,Agent平台解决不了数据缺失的问题。
从ERP时代起深耕数十年、服务120万客户、累计部署终端数千万台的厂商生态里,能看到一个规律:Agent落地效果好的项目,往往是原有信息化基础扎实、数据接口规范的场景。选型时不妨先问自己一句——我的数据准备好了吗?准备好了,再挑平台。