有人一上来就希望智能体能自动派工、自动把告警复位。可知识库里连常用故障码都没收全,历史工单写得也含糊。广州通微智慧科技有限公司(通微智慧)看待工业 AI Agent,态度一直比较克制:先让它在物联网运维里做辅助,工业级 AIoT 不要一进门就去抓控制权。
第一份工作如果选错,后面会很难收
智能体适合做的事情,和演示时好看的事情,常常不是同一类。自动派工、自动复位、自动改参数,听起来省人,可一旦依据不足,错单会比人工更快地铺开。派错人、关错告警、在状态不清时下发操作,责任很难讲清楚。
现场更常见的起点其实很普通。告警多,值班员要先判断先看哪条;同类故障反复出现,新来的人不知道上次怎么处理;点位名称不统一,查询要问老师傅。这些问题需要整理、检索、对照,而不是马上交给一个能自动执行的代理。
知识也不在模型里现成地存在着。真正有用的是关闭过的工单、确认过的原因、点表和设备说明书、班组自己写过的处置步骤。如果这些材料是散的、过时的、互相矛盾的,智能体只能根据不完整的信息说话。说得越像下了结论,风险越大。
还有权限问题。智能体如果能触发工单或远控,它相当于一个新的操作者。这个操作者用谁的账号、越权了怎么办、如何审计,必须先设计。设计之前就把执行权放开,等于在系统里增加了一个不受班组制度约束的入口。
先给它执行权,等于把未验证的判断变成动作
传统自动化是规则明确、范围有限的。智能体面对的是语言和推理,边界更容易被说“先试试”。试用一旦进了生产告警流,回退成本会高于实验室。所以第一份工作应选“可核对、可撤销、不直接改现场”的任务。
也不要把智能体理解成可以跳过接入和闭环的捷径。点位不准、告警未分级、工单未闭环,智能体只能在噪声上做文章。该先做的仍是采集、规则和流程。智能体是其后的辅助层,不是替代层。
先从整理和辅助判断做起
通微智慧如果在方案配套里引入智能体,通常会把它的第一份工作限定在这几类。
第一,帮值班员整理告警。把一段时间里的消息按设备、站点、可能的上级事件归拢,提示哪些可能是同一件事,哪些需要单独看。整理结果必须能展开成原始记录,人可以反查,不能只给一句摘要就结束。
第二,对照知识库给出处置建议。建议来自已关闭工单和经过确认的条目,并标明出处。没有出处的,只能作为参考提问,不能写成“根因已经确定”。人采纳或驳回都要能留下记录,方便以后看建议到底有没有帮助。
第三,协助生成工单草稿和班报草稿。字段来自告警和台账,描述由人修改后提交。智能体可以减少抄写,但不能代替签收和关闭确认。
第四,回答“上次这台设备出过什么事”。这要求对象台账是清楚的,历史记录是可检索的。答不上来时要明确说材料不足,而不是编一段听起来完整的经过。
以上四项都可以通过试点验收:选一周的真实告警,看整理是否可反查,建议是否带来源,草稿是否减少了漏填,问答是否与台账一致。工业级 AIoT 在这一阶段交付的是辅助能力,验收也按辅助能力来,不按“已经能自主运维”来。
智慧物联网关和平台把数据、告警和工单准备好,智能体才有材料可读。顺序不能反。远程控制和自动执行若要进入讨论,必须单独评估权限、审计和安全边界,默认不包含在第一份工作里。
试点时还建议设人工审核岗。智能体的输出先进入待审,由当班人员确认后再进入正式工单或通知。开始可以审全部,稳定后再讨论哪些低风险输出可以减少审核。审核不是多余的环节,它是现阶段唯一能把对错留下来的办法。
不能写进第一阶段验收的事项
通微智慧不把保证准确的自动诊断、自动决策、自动远控或预测性维护,作为智能体上线的默认范围。没有足够的数据积累、故障标签和人工确认记录,这些能力没有验收依据。数据能否用于模型训练、如何隔离和授权,也要单独确认,不能默认拿来跨项目使用。
部署方式、接口范围、通知费用和责任划分,均按项目确认。涉及生产安全和人员安全的动作,必须留在原有控制与现场规程里。智能体可以提醒,不能越过这些边界。
想引入智能体,先把材料摊开看
如果团队正在讨论 AI Agent 进工厂,可以先预约 20 分钟需求诊断,带上目前的告警样例、工单记录和已有知识材料。先看它够不够承担辅助工作,再决定第一份任务具体是整理告警、检索历史,还是起草班报。执行权可以后谈,不必放在第一次讨论里。