从异常工单到质量闭环：制造企业 AI 协同平台的设计与实现

Zara_a42026-08-25 10:04

写在前面

制造现场最难解决的问题，通常不是"有没有一个大模型"，而是异常发生以后，信息能不能被准确记录，工程师能不能快速找到依据，措施能不能被验证，最终责任和结论能不能追溯。

例如 A 线出现电机端盖扭矩异常，质量人员需要同时关注产线、设备、产品批次、影响数量、检验标准、历史异常、临时遏制措施、根因、纠正措施和验证结果。如果这些信息分散在表格、群聊和不同系统里，工程师只能依靠经验反复查找，管理者也很难判断哪些异常最值得优先处理。

我做的这个项目，就是围绕制造企业质量异常处理设计的一套智能运营协同平台。它以异常工单为核心对象，把管理员端的质量运营、工程师端的现场闭环、知识库与 RAG、Agent 任务编排、人工审批和审计记录连接起来。

平台中的 AI 负责检索、归纳、统计、候选组织和报告草稿生成，但不替代质量责任人做最终决定。关闭工单、放行、报废、责任认定和设备参数变更等高风险动作，必须经过业务规则和人工确认。

一、项目定位：AI 辅助质量工程，而不是自动控制生产

这个项目的目标可以概括为：

text 复制代码 
现场异常
  -> 创建质量工单
  -> 绑定产线、设备、产品和批次上下文
  -> 检索授权知识与相似历史
  -> 生成处置候选和根因分析线索
  -> 工程师确认措施与验证计划
  -> 8D/CAPA 闭环
  -> 人工确认关闭
  -> 审计与经验沉淀

平台主要面向两类用户。

管理员端解决的是制造质量管理问题：查看异常分布、严重等级、SLA 风险、设备和供应商风险，进行工单分派和质量任务编排。

工程师端解决的是质量工程闭环问题：接收工单、完成隔离和处置、查看与当前工单相关的证据、补充现场根因、制定纠正措施和验证计划，并通过 8D 推进结案。

这种划分很重要。设备、产线和批次直接作为工单分析上下文，质量知识库聚焦设备手册、检验标准、工艺文件和历史案例。所有能力最终都要回到工单、措施、验证和审计记录上。

二、整体技术架构

项目采用前后端分离的结构：前端使用 Vue 3、TypeScript 和 Vite，后端使用 FastAPI，业务逻辑集中在领域服务层，AI 能力通过 Provider、RAG 服务和 Agent 图进行编排。
#mermaid-svg-Iz5h2I77pk8GxKF5{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-Iz5h2I77pk8GxKF5 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-Iz5h2I77pk8GxKF5 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-Iz5h2I77pk8GxKF5 .error-icon{fill:#552222;}#mermaid-svg-Iz5h2I77pk8GxKF5 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-Iz5h2I77pk8GxKF5 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-Iz5h2I77pk8GxKF5 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-Iz5h2I77pk8GxKF5 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-Iz5h2I77pk8GxKF5 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-Iz5h2I77pk8GxKF5 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-Iz5h2I77pk8GxKF5 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-Iz5h2I77pk8GxKF5 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-Iz5h2I77pk8GxKF5 .marker.cross{stroke:#333333;}#mermaid-svg-Iz5h2I77pk8GxKF5 svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-Iz5h2I77pk8GxKF5 p{margin:0;}#mermaid-svg-Iz5h2I77pk8GxKF5 .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-Iz5h2I77pk8GxKF5 .cluster-label text{fill:#333;}#mermaid-svg-Iz5h2I77pk8GxKF5 .cluster-label span{color:#333;}#mermaid-svg-Iz5h2I77pk8GxKF5 .cluster-label span p{background-color:transparent;}#mermaid-svg-Iz5h2I77pk8GxKF5 .label text,#mermaid-svg-Iz5h2I77pk8GxKF5 span{fill:#333;color:#333;}#mermaid-svg-Iz5h2I77pk8GxKF5 .node rect,#mermaid-svg-Iz5h2I77pk8GxKF5 .node circle,#mermaid-svg-Iz5h2I77pk8GxKF5 .node ellipse,#mermaid-svg-Iz5h2I77pk8GxKF5 .node polygon,#mermaid-svg-Iz5h2I77pk8GxKF5 .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-Iz5h2I77pk8GxKF5 .rough-node .label text,#mermaid-svg-Iz5h2I77pk8GxKF5 .node .label text,#mermaid-svg-Iz5h2I77pk8GxKF5 .image-shape .label,#mermaid-svg-Iz5h2I77pk8GxKF5 .icon-shape .label{text-anchor:middle;}#mermaid-svg-Iz5h2I77pk8GxKF5 .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-Iz5h2I77pk8GxKF5 .rough-node .label,#mermaid-svg-Iz5h2I77pk8GxKF5 .node .label,#mermaid-svg-Iz5h2I77pk8GxKF5 .image-shape .label,#mermaid-svg-Iz5h2I77pk8GxKF5 .icon-shape .label{text-align:center;}#mermaid-svg-Iz5h2I77pk8GxKF5 .node.clickable{cursor:pointer;}#mermaid-svg-Iz5h2I77pk8GxKF5 .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-Iz5h2I77pk8GxKF5 .arrowheadPath{fill:#333333;}#mermaid-svg-Iz5h2I77pk8GxKF5 .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-Iz5h2I77pk8GxKF5 .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-Iz5h2I77pk8GxKF5 .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Iz5h2I77pk8GxKF5 .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-Iz5h2I77pk8GxKF5 .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Iz5h2I77pk8GxKF5 .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-Iz5h2I77pk8GxKF5 .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-Iz5h2I77pk8GxKF5 .cluster text{fill:#333;}#mermaid-svg-Iz5h2I77pk8GxKF5 .cluster span{color:#333;}#mermaid-svg-Iz5h2I77pk8GxKF5 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-Iz5h2I77pk8GxKF5 .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-Iz5h2I77pk8GxKF5 rect.text{fill:none;stroke-width:0;}#mermaid-svg-Iz5h2I77pk8GxKF5 .icon-shape,#mermaid-svg-Iz5h2I77pk8GxKF5 .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Iz5h2I77pk8GxKF5 .icon-shape p,#mermaid-svg-Iz5h2I77pk8GxKF5 .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-Iz5h2I77pk8GxKF5 .icon-shape .label rect,#mermaid-svg-Iz5h2I77pk8GxKF5 .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Iz5h2I77pk8GxKF5 .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-Iz5h2I77pk8GxKF5 .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-Iz5h2I77pk8GxKF5 :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} Vue 3 + TypeScript 管理台
FastAPI API / SSE
JWT / RBAC / 租户隔离
领域服务层
工单与质量闭环
知识库与文档服务
RAG 检索与引用生成
Agent 服务
LangGraph 五节点工作流
白名单工具 / 只读 subAgents
审计、用量与模型治理
Chroma / Milvus / JSON 回退
SQLite / PostgreSQL 检查点
MemoryStore + Repository Records
SQLite / PostgreSQL

代码职责大致如下：

层级 主要职责
前端 角色化工作台、工单处理、知识库、RAG、Agent 任务和运维展示
API 层 登录、权限校验、请求参数、文件上传、SSE 和业务路由
领域服务 工单状态机、处置、根因、8D、知识库、任务、审计和持久化
AI 能力层 LLM、Embedding、Reranker、RAG Chain、Agent Graph 和 subAgents
基础设施层 Repository、向量库、对象存储、队列、检查点和降级适配器

一个核心设计原则是：前端不能直接改关键状态，模型也不能直接操作 PLC、MES、ERP 或任意业务数据库。AI 返回的是建议和草稿，真正的业务写入必须经过服务层的权限和状态机校验。

三、以 A 线扭矩异常看完整业务链路

假设现场发现 A 线电机端盖扭矩偏低，质量工程师在"我的异常工单"中创建工单，录入异常描述、设备、产线、批次、影响数量和严重等级，并上传现场记录。

管理员可以在异常工单中心看到这条工单的 SLA、影响范围和当前处理人，根据人员在岗状态和工作负载进行分派。工单随后进入工程师工作台，工程师先完成隔离和现场确认。

在工单的智能处置入口，系统把当前异常描述、设备、产线和批次作为检索上下文，查找已发布的质量手册、工艺文件、设备维护资料和相似历史案例。返回结果不会只是一段模型文本，而是包含文档、版本、页码、片段和相似度的证据。

工程师可以从候选措施中选择适合当前现场的方案，也可以在固定候选之外补充新的现场措施。系统要求进一步填写验证计划，例如复测扭矩、确认夹具基准、完成首件检查或观察连续批次结果。

根因分析同样不是一个写死的鱼骨图选项集合。设备、物料、方法、测量等类别用于组织候选和验证顺序，真正的根因可以来自当前检索证据、相似历史，也可以由工程师直接新增。确认根因后，平台同步保存临时措施、纠正措施、验证计划、确认人和确认时间，并追加工单事件与审计记录。

最后进入 8D/CAPA。D1 到 D8 分别对应团队、问题描述、遏制、根因、纠正措施、验证、预防和关闭。没有验证结果，工单不能被简单地当成已解决。这样，AI 的价值落在工程过程里，而不是停留在页面上生成一句"建议检查设备"。

四、RAG：先找可靠证据，再组织可执行回答

这个项目的 RAG 不是开放域聊天，而是面向制造质量场景的受控检索。它要回答的是：当前工单对应的标准怎么要求？相似问题过去怎么处理？工程师下一步应该验证什么？

4.1 第一步：受控召回与排序

RAG 请求进入后，服务层首先校验用户是否拥有 RAG_QUERY 权限，并注入当前租户、部门和知识库范围。文档必须处于已发布状态，并且不能过期或超出用户可见范围。

之后系统会对问题做制造术语改写，例如把"点检"扩展为巡检、预防性维护、校准和设备检查等相关表达，再调用 Embedding Provider 生成向量。知识库服务同时计算向量相似度和关键词近似分数，形成混合召回结果，再使用 Reranker 筛选少量高相关证据。

可以把这一步理解成：

text 复制代码 
用户问题
  -> 权限与租户过滤
  -> 查询改写
  -> 向量召回
  -> 关键词混合评分
  -> Rerank
  -> 文档、版本、页码、片段和相似度

4.2 第二步：基于引用生成答案

召回结果会进入 LangChainRagChain。链路把证据编号、文档名称、页码和文本片段组织成上下文，并通过 Prompt 约束模型：只能基于授权证据回答，结论要引用证据，处置建议要带复核和放行条件，证据不足时明确说明缺口。

如果没有命中有效资料，系统返回"当前授权知识库未找到依据，无法确认该问题"，不会让模型自由编造生产结论。如果模型返回内容没有有效证据编号，服务层还会使用引用片段生成可追溯的降级回答。

这套设计解决了制造质量场景里两个很现实的问题：第一，模型不能因为"听起来合理"就给出未经授权的操作建议；第二，工程师可以回到原始文档核对答案，而不是只能相信模型。

五、Agent：用 LangGraph 组织跨工单任务

RAG 解决的是"根据证据回答当前问题"，Agent 解决的是"把多个查询、统计、检索、专家分析和报告生成步骤组织起来"。例如管理员可以创建一个任务：

text 复制代码 
统计近 30 天 A 产线的质量工单，找出高频异常，结合质量资料生成周报草稿。

Agent 不会直接把这句话交给模型让模型自由调用工具，而是经过结构化计划、白名单校验和状态图执行。

当前 LangGraph 工作流是五个节点：
#mermaid-svg-kWsCXNW8Bow0O7lY{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-kWsCXNW8Bow0O7lY .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-kWsCXNW8Bow0O7lY .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-kWsCXNW8Bow0O7lY .error-icon{fill:#552222;}#mermaid-svg-kWsCXNW8Bow0O7lY .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-kWsCXNW8Bow0O7lY .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-kWsCXNW8Bow0O7lY .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-kWsCXNW8Bow0O7lY .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-kWsCXNW8Bow0O7lY .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-kWsCXNW8Bow0O7lY .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-kWsCXNW8Bow0O7lY .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-kWsCXNW8Bow0O7lY .marker{fill:#333333;stroke:#333333;}#mermaid-svg-kWsCXNW8Bow0O7lY .marker.cross{stroke:#333333;}#mermaid-svg-kWsCXNW8Bow0O7lY svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-kWsCXNW8Bow0O7lY p{margin:0;}#mermaid-svg-kWsCXNW8Bow0O7lY .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-kWsCXNW8Bow0O7lY .cluster-label text{fill:#333;}#mermaid-svg-kWsCXNW8Bow0O7lY .cluster-label span{color:#333;}#mermaid-svg-kWsCXNW8Bow0O7lY .cluster-label span p{background-color:transparent;}#mermaid-svg-kWsCXNW8Bow0O7lY .label text,#mermaid-svg-kWsCXNW8Bow0O7lY span{fill:#333;color:#333;}#mermaid-svg-kWsCXNW8Bow0O7lY .node rect,#mermaid-svg-kWsCXNW8Bow0O7lY .node circle,#mermaid-svg-kWsCXNW8Bow0O7lY .node ellipse,#mermaid-svg-kWsCXNW8Bow0O7lY .node polygon,#mermaid-svg-kWsCXNW8Bow0O7lY .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-kWsCXNW8Bow0O7lY .rough-node .label text,#mermaid-svg-kWsCXNW8Bow0O7lY .node .label text,#mermaid-svg-kWsCXNW8Bow0O7lY .image-shape .label,#mermaid-svg-kWsCXNW8Bow0O7lY .icon-shape .label{text-anchor:middle;}#mermaid-svg-kWsCXNW8Bow0O7lY .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-kWsCXNW8Bow0O7lY .rough-node .label,#mermaid-svg-kWsCXNW8Bow0O7lY .node .label,#mermaid-svg-kWsCXNW8Bow0O7lY .image-shape .label,#mermaid-svg-kWsCXNW8Bow0O7lY .icon-shape .label{text-align:center;}#mermaid-svg-kWsCXNW8Bow0O7lY .node.clickable{cursor:pointer;}#mermaid-svg-kWsCXNW8Bow0O7lY .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-kWsCXNW8Bow0O7lY .arrowheadPath{fill:#333333;}#mermaid-svg-kWsCXNW8Bow0O7lY .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-kWsCXNW8Bow0O7lY .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-kWsCXNW8Bow0O7lY .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-kWsCXNW8Bow0O7lY .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-kWsCXNW8Bow0O7lY .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-kWsCXNW8Bow0O7lY .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-kWsCXNW8Bow0O7lY .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-kWsCXNW8Bow0O7lY .cluster text{fill:#333;}#mermaid-svg-kWsCXNW8Bow0O7lY .cluster span{color:#333;}#mermaid-svg-kWsCXNW8Bow0O7lY div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-kWsCXNW8Bow0O7lY .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-kWsCXNW8Bow0O7lY rect.text{fill:none;stroke-width:0;}#mermaid-svg-kWsCXNW8Bow0O7lY .icon-shape,#mermaid-svg-kWsCXNW8Bow0O7lY .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-kWsCXNW8Bow0O7lY .icon-shape p,#mermaid-svg-kWsCXNW8Bow0O7lY .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-kWsCXNW8Bow0O7lY .icon-shape .label rect,#mermaid-svg-kWsCXNW8Bow0O7lY .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-kWsCXNW8Bow0O7lY .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-kWsCXNW8Bow0O7lY .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-kWsCXNW8Bow0O7lY :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 暂停
通过
是
否
开始
prepare 初始化或恢复
plan_task 生成并校验计划
approval_gate 风险门禁
finalize 收敛状态
execute_step 执行一步
是否还有步骤
结束

5.1 prepare：初始化执行上下文

这个节点负责初始化或恢复 AgentState，包括任务状态、当前步骤、步骤索引和已执行数量。任务使用 thread_id 作为检查点线程，失败或暂停后可以读取之前保存的状态。

5.2 plan_task：生成并校验计划

计划可以来自确定性规则，也可以由结构化模型输出生成。模型只能从服务端定义的工具白名单中选择，例如：

  • query_work_orders
  • calculate_statistics
  • search_knowledge
  • read_attachment
  • retrieve_long_term_memory
  • delegate_*_specialist
  • generate_report

服务层还会对计划做工具名校验、去重、最大步骤限制，并确保最终能够生成报告。模型不能规划 SQL、PLC 操作或任意业务写入。

5.3 approval_gate：把 HITL 放进图内

只要 Prompt 涉及关闭、写入、放行、报废、责任认定或参数变更，图内审批门禁就会把任务置为 paused，并进入 finalize 保存状态。前端展示待审批任务，审批人可以通过或驳回。

审批通过后，服务层保留原来的 thread_id 和审批结果，重新运行工作流。图从已有检查点继续，审批驳回则任务变成失败并记录审批意见。

需要注意，HITL 不等于给 AI 开放写权限。审批只是允许任务继续，工单最终关闭、8D 阶段通过和设备参数变更仍然要通过对应业务接口和状态规则。

5.4 execute_step：一次只执行一个步骤

每次执行只取计划中的一个步骤，调用服务层提供的回调。服务层负责真正的工具执行、租户过滤、ToolCall 记录、幂等键、证据追加和业务检查点。

当前监督 Agent 下有四个只读专家：质量、设备、供应商和报告。它们可以分别检索标准、关联设备履历、汇总供应商整改或整理报告，但不会直接修改工单、供应商、设备和生产设备。

5.5 finalize：统一收敛结果

工作流结束后，finalize 会统一处理 succeeded、paused、failed 和 cancelled 状态。服务层再根据结果保存报告草稿、模型用量、审计、业务检查点，并在有有效报告时写入长期记忆。

六、短期记忆、长期记忆与可恢复执行

短期记忆服务当前任务，主要由 AgentState、任务事件、ToolCall 和 LangGraph checkpoint 组成。它保存：

  • 用户问题和消息。
  • 已校验计划与当前步骤。
  • 工具调用和检索证据。
  • 报告草稿。
  • 审批状态和错误信息。

它的价值不是"记住用户喜欢什么"，而是让一个任务在暂停、失败、重试或 worker 重启后能够继续执行，并且前端可以展示完整时间线。

长期记忆服务跨任务复用。已完成的 Agent 报告或人工沉淀的经验会保存租户、用户、Agent 类型、来源、置信度、标签和过期时间，并写入独立的长期记忆向量集合。检索时再次做租户、范围、Agent 类型、状态和有效期过滤。

这两类记忆不能混在一起：当前任务的临时草稿不应该直接成为正式质量知识，向量索引也不应该取代工单和审计主数据。

七、数据存储：业务事实、检索索引和工作流状态分离

项目把数据大致分为三层。

7.1 业务事实

工单、分派、根因、8D、审计、用户、工具调用和长期记忆等对象由领域服务维护，并通过 MemoryStore 和 Repository Records 进行统一持久化。部署时可以使用 SQLite 或 PostgreSQL，Docker Compose 默认以 PostgreSQL 和 JSONB Repository Records 为主要持久化方式。

7.2 检索数据

知识文档原文和解析后的切片分开管理。切片会生成 Embedding，进入 Chroma、Milvus 或 JSON 回退向量存储；长期记忆使用独立集合。向量库可以重建，不应该影响工单主记录和审计事实。

7.3 工作流状态

LangGraph 的检查点由 MemorySaver 或数据库 Checkpointer 保存。数据库模式下会保存线程、版本、父检查点和 pending writes，支持按 thread_id 读取最近状态。业务侧的 AgentTask.checkpoints 负责展示和审计摘要，LangGraph 检查点负责图引擎恢复，两者职责不同。

八、可靠性与安全设计

这个项目里，AI 相关功能最重要的技术点不是"调用模型"，而是控制模型的边界。

第一是多租户隔离。权限、部门、知识库发布状态和有效期在服务层过滤，不能只依赖前端传参。

第二是只读 Agent。工具白名单和业务服务共同限制模型能力，Agent 不拥有任意 SQL、PLC、MES、ERP 写权限。

第三是工具幂等。每个 ToolCall 根据任务、工具和输入生成 SHA-256 幂等键，重试时不会重复插入相同调用。

第四是模型适配器。LLM、Embedding、Reranker 和 OCR 都通过 Provider 抽象接入，真实模型不可用时可以使用 MockProvider 或本地回退路径，便于无 GPU、无外网环境演示。

第五是可观测性。任务状态、步骤、ToolCall、证据、报告、审批、用量和审计都可以在前端或运维接口查看，模型输出不是一个无法解释的黑盒结果。

九、这个项目真正解决了什么问题

从业务角度看，平台把"异常发现、工程处置、根因确认、措施验证和结案审计"串成了一条链。

从 AI 角度看，RAG 提供有权限边界的证据，Agent 负责跨对象任务拆解，subAgents 提供只读领域分析，HITL 负责把高风险结论交回人确认。

从工程角度看，系统把业务事实、向量索引和工作流状态分开存储，并提供模型、向量库、对象存储和队列的适配器与回退实现。

因此，这个平台的核心不是在页面上展示几个 AI 按钮，而是让 AI 进入质量工程流程以后，仍然能够被追溯、被暂停、被恢复、被验证和被审计。

十、当前实现边界与后续演进

当前项目已经实现的是可运行的制造质量 MVP：工单闭环、知识库、RAG、动态处置与 RCA 候选、8D/CAPA、Agent 五节点工作流、HITL、长期记忆、检查点和角色化前端。

项目内置的是带有行业语义的种子和测试数据，不应描述成合作工厂的真实生产数据。MES、ERP、PLC 和真实设备接口需要在完成现场适配与联调后再接入。

后续可以沿着几个方向演进：

  1. 使用 LangGraph interrupt 进一步增强人工审批和恢复租约。
  2. 接入真实制造数据后，补充工单、设备、批次和工艺指标的在线同步。
  3. 建立更系统的 RAG 评测集，监控引用准确率、拒答准确率和首 Token 延迟。
  4. 将当前的关键词近似检索逐步替换或补充为 BM25、Elasticsearch 等生产级全文检索。
  5. 在验证数据充分后，再评估更细粒度的工具参数权限和模型化工具调用。

结语

制造企业的 AI 平台最终要接受现场流程的检验：建议能不能对应当前设备和批次，根因能不能被验证，措施能不能留下责任记录，工单能不能按规则关闭。

这个项目的设计取舍是让 AI 做它擅长的事情：检索、归纳、统计、组织候选和生成草稿；让工程师继续做必须由人负责的事情：确认现场事实、选择措施、验证根因、批准结论和关闭工单。

只有把模型能力嵌入真实业务闭环，RAG、Agent、LangGraph 和 HITL 才不只是技术名词，而能真正成为制造质量系统的一部分。

相关推荐
尤水就下1 小时前
聊聊 Prompt 是怎么一路进化到 Harness 的
前端·人工智能·ai编程
小白的成长路程1 小时前
移动版藏内容，AI爬虫直接跳过
人工智能·爬虫
赛逸会展s1 小时前
2027北京AI健康科技与智慧医疗展6月举办：全周期对接体系保障高转化率
大数据·人工智能·科技
武子康1 小时前
机器人接入 AI 连续语音后，端云架构要改什么？
人工智能·llm·agent
MacroZheng1 小时前
程序员看文档神器，装上它，看Spring官方文档就一目了然了！
java·人工智能·后端
水獭比特1 小时前
Pydantic AI 2.33.0 遇上 Anthropic SDK 1.0：别让 httpx2 在运行时才暴雷
人工智能·python
要有锋芒_不要疯忙1 小时前
Agent知识（二）----Prompt Engineer发展与未来
人工智能·agent
智购科技自动售货机工厂1 小时前
2026自动售货机电机驱动芯片选型：从L298N到DRV8870的工程实践~YH
大数据·开发语言·数据库·人工智能·单片机·嵌入式硬件·scikit-learn
海盗12341 小时前
微软技术周报 · 2026-08-24——本周微软在 AI 模型与 Copilot 体验上加速大一统
人工智能·microsoft·copilot
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02GitHub 镜像站点03微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新042026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？05历年考研数学一、数学二、数学三真题试卷及答案PDF06Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费07AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路082026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片09VSCode+CodeX扩展，无法启动10如何新建文件夹？ 电脑新建文件夹的4种方法