视觉缺陷检测、预测性维护、调度监控这一类工业 HMI 场景，同一时刻要在同一屏内承载多种异构视图------AI 实时推理结果、设备运行曲线、报警日志、生产参数并存。随着 AI 推理从云端下沉到产线边缘，这些视图的信息密度与刷新频率同时上升，传统单一窗口的 Qt 布局在工位现场越来越多地暴露出承载力不足的问题。
当模型精度不再是瓶颈，HMI 能否在同一屏内组织好这些信息------开始成为一线工位效率的决定性因素。
多视图冲突，是工业 HMI 的"屏幕崩塌"
工业 HMI 的多视图困境集中体现在三个层面：
- 优先级冲突：报警事件与检测图像争夺视觉焦点，二者叠加在同一区域互相遮挡。
- 空间冲突：实时趋势曲线与设备参数面板需要同时可见，窗口拥挤。
- 状态冲突：分析窗口点开一次即遮挡其他视图，操作员只能反复开关。
基于原生 Qt 的实现方案（QDockWidget + QSplitter）能堆叠窗口，但在 布局持久化、跨屏浮动、IDE 级停靠体验、视觉一致性 这四件事上，难达工业级要求。
QtitanDocking：让每一类信息各得其所
QtitanDocking 的工程价值，是把 Visual Studio 级别的多视图协同能力直接搬到 Qt 桌面端。
以锂电缺陷检测工位为例：检测热力图需要大屏独占、设备振动曲线需要持续可见、报警日志需要快速翻查。三类视图的需求各不相同------QtitanDocking让它们可以同时满足：
- 检测热力图 可进入 Document 模式独占主窗口，便于工程师聚焦分析。
- 实时趋势曲线 可隐藏到屏幕边缘，需要时滑出，不占主视野。
- 报警与日志 可与参数面板叠加在同一区域，分类切换互不干扰。
工程师调整好的布局可以一键保存到 XML 文件，下次启动自动还原------班组长、调度员、运维人员三套布局方案可同时保存并快速切换。
更关键的是，QtitanDocking 跨 Windows / Linux / macOS 三平台 32/64 位，且提供完整的 PySide2 / PySide6 Python 绑定，与基于 Python 的 AI 推理工程可直接集成，无需在 C++ 与 Python 之间做工程层面的二次封装。
QtitanChart：把推理结果变成"看得见的过程"
仅有可停靠的容器还不够。AI 推理的中间结果------置信度变化、特征分布、缺陷趋势------需要实时图表承接，否则数据从模型输出后仍以文本形式呈现，操作员无法直观感知模型行为。
QtitanChart 是 Developer Machines 同系列的商业图表组件，专为高频实时渲染设计。视觉缺陷检测工位的关键指标------置信度、缺陷方位、特征走势------可以毫秒级刷新呈现，单组件可承载百万级数据点持续更新而不掉帧。
在视觉缺陷检测工位的具体用法：
- 置信度曲线：每一帧检测结果的模型置信度实时刷新，工程师一眼看出模型在哪些样本上犹豫。
- 缺陷方位分布：以极坐标图展示一段时间内的缺陷分布，便于工艺人员定位系统性缺陷来源。
- 特征趋势对比：新旧模型在同一窗口下对比特征走势，回归测试一目了然。
坐标轴、配色、图例均支持深度定制，可通过 XML 文件集中配置外观，明暗模式切换与品牌改版无需改动业务代码。
把二者组合起来：让工位一次看全
QtitanDocking 负责"装得下"------把多种异构信息在同一屏内组织好；QtitanChart 负责"看得见"------把 AI 推理的中间结果实时呈现。
二者的组合，让操作员在同一屏内即可完成 发现 → 定位 → 记录 的全流程：
工程师不再需要切换多个窗口或屏幕来拼凑信息------Edge AI 的全部输出，可以一次性、同步地呈现在工位视野内。
让工程师回到工位，而不是盯屏幕
Edge AI 把推理能力带到了产线边缘，也把更多视图压到了工控屏上。工厂需要的不是更大的屏幕，而是让每一类信息各得其所的容器 + 让数据持续流动的图表 。
QtitanDocking + QtitanChart 是 Developer Machines 给 Qt 桌面端的工业级组合。前者解决"装得下"，后者解决"看得见"。