链接 · 协作 · 数据驱动的智慧决策与工业领航

核心能力

五大核心能力, 驱动工业智能落地

不是又一个 AI 聊天工具——而是一个端云协同、安全可控、持续进化的工业智能平台。

Edge-Side Agent Pilot

端侧智能体领航

Agent 在本地执行一切——工具调用、代码运行、文件操作、Skill 工作流。数据不出厂,决策在边缘。120+ 内置 Skills 覆盖文档生成、数据分析、代码执行。端侧独立运行,云端仅提供模型网关与同步。

SES-8f2a-c7d1
|qwen3.5-plus
2,525 tok|00:34.7s

Active Tools

web_search1.2s340t
read_file0.4s128t
execute_sql2.8s512t
analyze_data3.1s894t
vector_search0.9s206t
run_code1.7s445t
write_report--
invoke_skill:docx--
Analyze Q3 equipment OEE data and generate a trend report with anomaly detection.
Found 3 production lines with OEE below threshold. Summary:
LineOEEAvailStatus
CNC-A387.2%94.1%
SMT-B162.4%78.3%
PKG-C271.8%85.6%
> df.groupby('line_id').agg(oee=('oee', 'mean'))
> anomalies = detect_zscore(df, threshold=2.5)
generating report... 67%
Type a message...
23 tools · 4 skills · ctx: 12.4K tok
Multi-Agent Orchestration

多智能体协同编排

Orchestrator 将复杂任务自动分解为 DAG 工作流,4 种专业角色(Reader · Writer · Producer · Researcher)并行协作。Plan Mode 画布可视化编排,检查点审核,人机协同决策。不是串行调用,是真正的拓扑并行。

ORCHESTRATOR·Plan Mode
4 agents2 running1 checkpoint
Task Decompose1.2s · 340tReader-α2.4s · 812tReader-β3.1s · 945tAnalyzer4.7s · 1204tWriter2.1s · 678tPAUSEProducer1.8s · 502tReviewer--Output--

Execution Log

14:32:07Task decomposed into 5 subtasks
14:32:09Reader-α started: equipment_logs
14:32:09Reader-β started: maintenance_db
14:32:12Reader-α complete: 812 tokens
14:32:14Writer paused at CHECKPOINT
14:32:15Analyzer processing: anomaly scan
Total: 4,481 tokens
Safety Guardrails & Governance

安全护栏与权限治理

三级角色互斥(superadmin · team_admin · member),工具层强制执行权限边界。敏感操作需审批链路,每次 AI 决策都有完整审计追踪。策略可测试、可复用,覆盖 RBAC、数据脱敏、操作升级、行级字段控制。

GOVERNANCE CENTER
3 roles12 policies847 events

Policy Matrix

RoleData AccessTool ExecuteApproveDeployAudit
superadmin
team_admin
operator
?
?
viewer
Policy Version: v2.4.1Last updated: 2026-03-22

Active Sessions

ZW
Zhang Wei10.0.4.112
execute_sql · 2m ago
LH
Li Hua10.0.4.87
read_file · 14m ago
CY
Chen Yu192.168.1.43
login · 1h ago

Audit Trail

14:32:07zhang.weiExecuted tool: analyze_dataprod/oee-pipeline
14:28:15li.huaRead filereports/q3-summary.pdf
14:21:03adminUpdated policy: tool_executerole:operator
14:15:44chen.yuLogin from new IP192.168.1.43
14:08:22adminRevoked deploy accessuser:wang.li
13:55:01systemAuto-rotated API keysvc:model-gateway
Multi-Source Knowledge Collaboration

多源知识协同

团队知识库接入数据库、API、文件、企业文档等异构数据源。pgvector 向量检索 + 业务术语解析引擎,Agent 能够理解「良品率」「翻箱率」等行业术语并精确映射到数据结构。知识资产跨项目积累复用,语义版本化管理。

KNOWLEDGE ENGINE
6 sources24.3K vectors99.1% recall

Connected Sources

D
Equipment DB
14.2K rows
A
MES Gateway
847 endpoints
F
CAD Archive
2.3 GB
D
SOP Library
312 docs
D
Quality DB
8.7K rows
schema drift detected
A
ERP Sync
1.4K records

Semantic Search

设备综合效率 OEE
Equipment OEE Calculation StandardSOP Library
96%

...Overall Equipment Effectiveness (OEE) = Availability x Performance x Quality. Target threshold for CNC line: 85%...

Q3 Production Line PerformanceEquipment DB
91%

...CNC-A3 achieved 87.2% OEE in September, exceeding baseline by 2.2 points compared to previous quarter...

Maintenance Impact on OEEMES Gateway
84%

...unplanned downtime events correlated with 12% OEE drop across SMT lines during weeks 28-31...

Term Resolution

Business TermSchema MappingConf.
良品率quality.yield_rate98.2%
翻箱率yard.rehandle_ratio94.7%
OEEequipment.oee_score99.1%
Agentic AI Decision Hub

Agentic AI 智慧决策中台

Agent 不只是问答工具,是持续运行的决策伙伴。定时任务(Cron Agent)基于真实数据自动巡检、预警、报告生成。项目管理 Agent 跟踪任务进度、协调团队资源。从被动响应到主动决策——基于真实业务数据的 Agentic 工作流驱动团队协作与智慧运营。

DECISION HUB
Cron Agent·3 active schedules

Metrics

7Active Alerts
12Running Tasks
5Reports Today
2.3sAvg Response

Task Board

Queued3
Fetch sensor logs
Reader-α
Sync ERP data
Collector
Generate alerts
Monitor
Running4
Analyze OEE trend
Analyzer
Draft shift report
Writer
Quality audit
Inspector
Update dashboard
Producer
Done3
Morning briefing
Writer
Equipment check
Monitor
Inventory sync
Collector

Cron Schedules

OEE Daily Reportsuccess
0 6 * * *
next: 2026-03-24 06:00
Anomaly Scansuccess
*/15 * * * *
next: 14:45:00
Shift Handofffailed
0 8,16,0 * * *
next: 16:00:00
Last sync: 14:32:07|Next cycle: 14:35:00|Uptime: 99.7%
0
数据本地留存,端侧执行零泄漏
0
决策响应提速——从人工排查到 Agent 秒级研判
0
Agent 自主巡检——不休息、不遗漏、不带情绪
工业就绪能力

九维能力矩阵, 定义工业 AI 的交付标准

我们用九个维度衡量一个工业智能系统是否真正可交付: 让工业智能体在真实的企业环境中安全、稳定、持续地创造价值。

端边云协同架构

Edge-Cloud Synergy

端侧执行、边缘计算、云端协同——数据不出厂,决策在边缘。支持私有化部署、混合云、公有云三种模式,按需灵活切换。

多模型智能路由

Multi-Model Routing

私域微调模型、定制专属模型、公有大模型——分场景智能选择,按调用量分级计价。一个平台接入所有模型能力。

多种部署方式

Flexible Deployment

全私有化本地部署、混合云弹性扩展、SaaS 即开即用——适配从严格合规的金融机构到快速迭代的创新团队。

D1

工业数据接入

插件化连接器框架,支持数据库 · API · 文件 · IoT 流数据。Schema 漂移自动检测,数据源健康度实时诊断。

D2

业务语义解析

业务术语 → 数据结构精确映射。支持别名、缩写、歧义消解。语义资产跨项目版本化积累,纠错闭环持续优化。

D3

安全与权限治理

RBAC + 审批链 + 行级字段控制。策略可测试、可复用,覆盖数据脱敏、操作升级和异常拒绝。

D4

可观测与审计

全链路执行追踪:工具调用 · 规划决策 · 策略触发 · 答案溯源。支持回放、根因隔离和企业审计合规。

D5

可靠性与容错

标准化容错模式:超时降级 · 部分结果策略 · 噪声数据过滤 · 长上下文稳定检索。故障可预测、可观测。

D6

越用越准的数据飞轮

系统在每一次使用中自我学习——借助场景反馈和业务覆盖不断提升理解精度。工业术语越用越准,决策建议越用越贴合实际。不是静态工具,是持续进化的智能伙伴。

D7

真实场景验证

每项能力都经过真实工业场景的严格检验——不是实验室 demo,而是在生产级噪声、数据缺失、跨系统歧义等复杂条件下反复验证。您看到的每一个功能,都已经在严苛环境中证明了自己。

D8

经验即资产,项目越多越快

第一个项目积累的行业知识、对接经验和业务规则,自动沉淀为平台能力。第二个同类项目开箱即用,部署周期大幅缩短。做得越多,平台越聪明——您的每一次投入都在积累长期价值。

D9

全程陪伴式服务

从需求对接、私有化部署、团队培训到持续运维——全生命周期专业服务。系统支持平滑升级与远程诊断,让您专注业务而非运维。售前方案咨询、售后 SLA 响应,确保每一步都有人兜底。

应用场景
智能制造

港机设备制造:多智能体驾驶舱

挑战:一家港机设备制造企业有大量门机、岸桥和场桥在不同港口长期运行,设备数据分散在 PLC、传感器和维保工单中。现场排障高度依赖资深工程师经验,常见问题是故障定位慢、重复性故障难复盘、备件准备不是过多就是不及时。
方案:设备监控 Agent 持续汇聚振动、温度、电流和作业负载等实时信号,识别异常趋势;维保诊断 Agent 结合历史故障记录、维修手册和工单经验,给出更接近现场语境的根因判断与处置建议;供应链 Agent 根据设备型号、区域库存和服务半径提前准备关键备件。三个 Agent 协同后,现场从发现异常到形成维保方案不再依赖单点专家经验。
典型部署效果:平均故障响应时间从 4 小时缩短至 40 分钟,重复性故障处置效率提升 31%,关键备件库存占压下降 26%,设备综合效率稳步提升。
港机设备制造:多智能体驾驶舱
智慧物流

长江港口:AI 散杂货运营中台

挑战:一个年吞吐量超千万吨的内河散杂货码头,煤炭、矿石等货种并行作业,长期面临转运衔接不顺、库存周转慢、堆存周期过长的问题。人工调度难以及时统筹船舶到港、场内倒运与出港发运,常导致压港、压货和场地占用率居高不下。
方案:运营调度 Agent 统筹船舶到港计划、卸货节奏与场内转运资源,动态生成更优作业排程;库存优化 Agent 持续分析货种流向、库区占用和货龄结构,优化堆存布局与出库优先级;异常协同 Agent 在船期变化或下游提货波动时快速重排运输与堆存方案。知识库持续沉淀不同货种的作业规则和周转经验,让每一次调度都能优化下一次运营决策。
典型部署效果:货物平均周转效率提升 36%,堆存周期缩短 29%,库区占用率下降 18%,码头整体作业协同效率显著提升。
长江港口:AI 散杂货运营中台 1
长江港口:AI 散杂货运营中台 2
长江港口:AI 散杂货运营中台 3
长江港口:AI 散杂货运营中台 4
金融科技

大型商业银行:AI 大模型风控与服务

挑战:一家大型商业银行的客服知识分散在产品手册、制度文件和 FAQ 中,信用卡、贷款、对公结算等业务口径更新频繁。客服坐席需要在高并发咨询中快速给出准确答复,风控团队则要同时面对新型欺诈手法变化快、人工复核压力大的现实问题。
方案:客服 Agent 基于最新制度与产品知识做多轮检索和答案生成,优先给出符合业务口径的回复草案;风控 Agent 联合交易行为、设备特征和账户关联关系进行实时风险评分;合规 Agent 对关键回复、风险拦截和模型判断保留审计链路,确保敏感信息处理和决策依据可追溯。
典型部署效果:高频咨询自助解决率提升至 74%,人工坐席平均处理时长缩短 22%,风险复核效率提升 39%,异常交易识别更及时且误报率显著下降。
大型商业银行:AI 大模型风控与服务
创新研发

系统化创新:九维析元方法平台

挑战:很多制造企业在新产品和工艺创新上并不缺想法,真正缺的是可复用的方法和可沉淀的分析过程。研发讨论往往依赖少数骨干经验,方案评估缺少统一框架,专利、案例和实验记录又分散在不同团队,导致好思路难沉淀、复盘成本高。
方案:平台将九维析元方法论转成可执行的分析流程,把空间、环境、结构、功能、机理、物质、动力、时序、人机关系九个维度嵌入到创新任务中。创新分析 Agent 引导团队逐步拆解问题、定位突破口;知识 Agent 关联历史案例、专利线索和行业经验;评估 Agent 从可行性、实施成本和落地风险三个维度辅助筛选方案,让创新活动从灵感驱动转向系统化推进。
典型部署效果:方案论证准备时间平均缩短 35%,可进入立项评审的有效方案数量提升 32%,研发知识复用率明显提高,创新过程更可追踪、更可复盘。
系统化创新:九维析元方法平台
理论基础

30年学术积淀, 驱动 AI 创新引擎

源宜智能的技术底座不仅仅是代码和算法。冯立杰教授团队历经30余年研究创立的元易创新方法论,为我们的产品提供了独特的理论框架。这套方法论已经在学术界发表数十篇核心论文,在工业界帮助超过200家企业完成系统化创新。我们将这套方法论凝练为4门核心课程、23个精品视频,面向所有希望提升创新能力的团队开放。

这套方法论不仅是课程内容,更是我们 Agent 系统的创新分析引擎——AI 辅助快速定位创新突破口,将30年学术积累转化为即时可用的分析能力。

九维析元
空间 · 环境 · 结构 · 功能 · 机理 · 物质 · 动力 · 时序 · 人机关系
九法变换
分解 · 组合 · 优化 · 替换 · 动态化 · 自服务 · 友好化 · 柔性化 · 智能化
7
核心章节
41
精品课时
进入课程平台