Multi-Agent Industrial Intelligence

重新定义工业智能

私域多智能体工业智能平台

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。

端侧智能体领航

Edge-Side Agent Pilot

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

多智能体协同编排

Multi-Agent Orchestration

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

安全护栏与权限治理

Safety Guardrails & Governance

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

多源知识协同

Multi-Source Knowledge Collaboration

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 智慧决策中台

Agentic AI Decision Hub

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
数据出厂——端侧执行,隐私无忧
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用——不是能不能跑 demo,而是能不能在真实企业环境中安全、稳定、持续地创造价值。

端侧 Agent

Edge Agent

Tool 执行Skill 工作流本地存储

编排引擎

Orchestration

DAG 分解角色协商检查点

云端网关

Cloud Gateway

模型网关认证鉴权配额计费

数据层

Data Layer

PostgreSQLpgvectorRedis
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。

技术栈: Python · Node.js · React · PostgreSQL · Redis · Docker · Kubernetes · gRPC · LLM
应用场景
智能制造

港机设备制造:多智能体驾驶舱

挑战:一家全球领先的港口机械制造商拥有数千台在役设备分布在全球各港口。设备状态监控依赖人工巡检,故障响应平均需要4小时,备件库存积压严重。
方案:部署由设备监控 Agent、维保调度 Agent 和供应链 Agent 组成的协作网络。设备 Agent 通过 IoT 传感器实时感知每台港机的振动、温度和负载数据;维保 Agent 基于退化模型预测故障窗口;供应链 Agent 提前 48 小时调配备件至最近仓库。三个 Agent 通过 DAG 编排协同工作,自动完成从预警到备件调度的全链路决策。
典型部署效果:故障响应时间从 4 小时缩短至 35 分钟,备件库存成本降低 28%,设备综合效率(OEE)提升 12 个百分点。
港机设备制造:多智能体驾驶舱
智慧物流

内河港口:AI 堆场管理中台

挑战:一个年吞吐量超200万标箱的内河港口,堆场利用率长期不足65%。人工编排的堆存策略无法应对突发船期变更,经常出现翻箱率高、集卡等待时间长的问题。
方案:堆场规划 Agent 分析历史装卸模式和船期预测,生成最优堆存方案;调度 Agent 实时协调龙门吊和集卡的作业路径;异常处理 Agent 在船期变更时 30 秒内重新计算全场布局。知识库持续积累堆场运营规则,每一次调度决策都在优化下一次。
典型部署效果:堆场利用率从 65% 提升至 82%,翻箱率降低 41%,集卡平均等待时间缩短至 8 分钟。
内河港口:AI 堆场管理中台 1
内河港口:AI 堆场管理中台 2
内河港口:AI 堆场管理中台 3
内河港口:AI 堆场管理中台 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团队每天处理超过50万次咨询,其中60%是重复性问题。传统规则引擎的风控系统对新型欺诈模式的识别滞后平均3天。
方案:客服 Agent 理解多轮对话意图,精准匹配业务知识库;风控 Agent 基于交易图谱和行为模型实时评分;合规 Agent 确保每次 AI 决策都有完整的审计链路和可解释性报告。安全护栏确保敏感数据脱敏,所有决策可追溯、可审计。
典型部署效果:智能客服覆盖 78% 的咨询量,客户满意度提升 15 个百分点;新型欺诈识别时间从 3 天缩短至实时,误报率降低 34%。
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:企业研发团队在创新过程中缺乏系统化方法论支撑,创新路径依赖个人经验,新产品开发周期长、创新成功率低。
方案:将九维析元创新方法论数字化——九个分析维度(空间、环境、结构、功能、机理、物质、动力、时序、人机关系)与九种变换法则构成完整的创新分析框架。创新分析 Agent 辅助快速定位创新突破口,知识库积累行业创新案例和专利图谱,每一次分析都在丰富平台的创新知识资产。
典型部署效果:产品创新周期平均缩短 40%,创新方案的专利转化率提升至 68%,已服务超过 200 家制造企业。
系统化创新:九维析元方法平台
理论基础

不只是工具,更是方法论

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
4
核心课程
23
精品视频
进入课程平台