AI Agent平台选型,核心看三件事:能不能对接你现有的业务系统、能不能把权限和数据边界管住、能不能在真实工序节拍下稳定跑完任务闭环。离开这三条去比参数或看演示,很容易选到一个"演示很惊艳、上线就趴窝"的平台。
一、AI Agent平台到底解决什么问题
很多工厂对AI的期待还停留在"问答"层面——查个设备手册、翻译一份SOP。AI Agent平台要解决的是另一层问题:让模型从"会说"变成"会做"。它把大模型的推理能力与工具调用、流程编排、知识检索、权限控制组合起来,形成一个能感知任务、拆解步骤、调用系统、校验结果并回写数据的执行单元。
和传统RPA的区别值得说清楚。RPA按预设脚本点击界面,界面一改就断;AI Agent平台通常具备意图理解与动态规划能力,面对非结构化输入(一封客户邮件、一张手写工单、一段设备报警文本)可以自行判断下一步动作。但这不是说Agent可以取代RPA——高频、规则固定、要求毫秒级确定的动作,仍然交给RPA或PLC更稳妥。合理的架构往往是Agent做"判断与调度",RPA和业务系统接口做"执行"。
二、技术原理与关键能力看哪几项
从技术构成看,一个可落地的AI Agent平台一般包含四层:模型接入层(支持多家大模型并可切换)、编排层(任务规划、多Agent协同、人工审批节点)、工具层(API、数据库、MES/SCADA/OPC-UA接口、文档解析)、治理层(权限、审计、日志、数据脱敏)。
评估时建议盯住几个可验证的点。工具调用的成功率与超时重试机制,别只看Demo里的顺利路径;对OPC-UA、Modbus、MQTT这类工业协议的支持是原生还是靠中间件转接;知识库检索是否支持增量更新和版本回溯,产线工艺文件改版频繁,检索结果必须能对应到有效版本;是否提供人工介入节点,涉及停线、报废、放行这类动作时,Agent不能自己拍板;审计日志能否还原"谁在什么时候让Agent做了什么"。另外,涉及质量判定的场景可参考IPC-A-610这类验收标准作为规则底座,涉及静电敏感工位的任务要符合IEC 61340的防护要求,这些标准写进Agent的校验规则里,比让模型自由发挥可靠得多。
三、制造业里的典型应用场景
假设一家电子厂,SMT换线频繁,工程变更单靠邮件和Excel传递,经常出现贴片程序与BOM版本不一致。这类场景适合用Agent做变更影响分析:读取ECN内容,比对受影响的料号、工单和在制品,输出待确认清单交工艺工程师审核,再触发MES的工单冻结。注意边界——Agent只做比对和提示,冻结动作仍由人确认。
再看一家汽配企业,供应商来料检验报告格式五花八门,有PDF、有扫描件、有Excel。Agent可以承担报告解析与关键尺寸提取,按抽检规则初判是否超差,把可疑项推给质检员复判。这里的技术指标要落到具体:字符识别准确率、关键字段抽取的召回率、单份报告处理耗时,都要在选型阶段用你自己的样本测,别用厂商准备的干净数据集。
还有设备运维场景。某机加工车间希望把报警信息与历史维修记录关联,Agent接收SCADA推送的报警码,检索同类故障的历史处置方案,生成排查建议并附上备件信息推送给班组。这类应用的关键不在模型多强,而在历史维修记录的结构化程度——记录本身残缺,Agent给出的建议也难靠谱。
四、选型与落地的高频追问
集成对接怎么算合格。至少要确认三件事:有没有标准API和Webhook、对现有MES/ERP是读还是可写、写操作有没有事务与回滚机制。只读集成风险低但价值有限,可写集成必须配审批流。
部署方式怎么选。公有云API调用上线快、模型迭代跟得上,但数据出厂的合规评估要先做完;私有化部署数据可控,代价是硬件投入和模型更新滞后。折中方案是混合部署——敏感数据留在本地做检索与脱敏,推理调用走专有实例。硬件上,若做本地向量检索与轻量模型推理,一般需要独立的GPU节点和足够的向量库存储,具体配置按并发量和知识库规模测算,别照搬厂商的推荐清单。
实施周期与成本构成。业内的普遍情况是,单场景试点从环境搭建到稳定运行通常在数周到数月之间,跨系统、多工序的推广周期明显拉长。成本不只是模型调用费,还包括工具接口开发、知识库整理、规则校验配置、以及上线后的持续调优人力——后面这几项往往被低估。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,在系统对接经验上通常更厚,但经验不能替代对你自身系统现状的评估。
常见误区有两个。一是把Agent当万能入口,什么都想让它做,结果每个场景都做不深;二是忽视数据治理,指望模型自动消化脏数据。知识库不整理、主数据不统一,Agent的输出质量一定不稳定。
五、适合与不适合的边界
适合的场景:任务有明确输入输出、跨系统但步骤可描述、允许人工复核兜底、对响应时延要求不苛刻(秒级到分钟级)。比如变更影响分析、来料报告解析、设备报警关联建议、售后工单分派。
不适合的场景:要求毫秒级确定性的闭环控制(这类交给PLC和实时控制器);强反光、高变型件的视觉判定,需额外评估成像方案与样本覆盖度;涉及安全联锁的动作;以及输入极度不规范、连人工都难以达成一致判断的工序——Agent不会比人更聪明,它只是更快。
选型的最后一条建议:让候选平台在你的真实数据上跑一轮,用你自己的样本、自己的系统接口、自己的异常情况。演示环境里的表现,参考价值有限。