← Build 实验室
BUILD测试中
MES / MOM · Factory Control
黑灯工厂 Agent 控制
用自然语言控制 5 条产线，并在不把执行权限交给 LLM 的前提下完成一次引导式生产异常恢复。
要回答的问题自然语言和受限 AI 建议，能否成为有用的工业控制入口，同时不把工厂状态的直接执行权交给 LLM？
可运行演示AI 增强现有工作Hybrid · AI + 确定性逻辑人工批准
工业语境与系统边界
场景实验 · MES / MOM
AI 与规则、Solver 或代码协作
集成边界：工厂控制仿真并使用内部 Supabase 状态；未连接 PLC、SCADA 或 MES。
正在读取 Supabase 工厂会话…
证据深度
验证这个结论。
限制必须保持可见；实现细节可以深入查看，但不能阻塞 Demo 主流程。验证 2026-10-21 · 构建 6e89290 · 未测 2 项 / 阻塞 3 项展开全量记录
- 未测8 条路由 × 3 视口（1440×900 / 720×900 / 390×844）的横向溢出、Tab 焦点 outline、#evidence 深链、正文对比度抽样（仅记录数值，阈值未定）
- 未测对比度阈值判定：首轮只记录实测数值，WCAG 阈值待真实分布确认
- 阻塞读屏（screen reader）
原因：当前无读屏执行环境
- 阻塞原生 200% 浏览器缩放
原因：headless 视口不能替代原生缩放，需人工验证
- 阻塞视觉构图接受
原因：需人眼评审；当前会话无视觉模型能力
- 这是工厂控制仿真，不是 PLC、SCADA 或 MES 集成。
- 手动控制有意限制为启停操作。
- 场景生产指标来自确定性仿真规则，不是真实工厂绩效数据，也不是模型生成的 KPI。
- 当免费模型运行时不可用时，AI 意图识别和建议会回退到受限确定性逻辑；界面会明确展示实际走的是哪条路径。
实现方式
一个聚焦的工业 AI 实验：5 条模拟产线、每线 4 个工位、自然语言启停、引导式质量故障恢复、受限 AI 建议、确定性执行逻辑、人工审批，以及由 Supabase 持久化的会话状态。5 条产线 × 每线 4 个工位。手动指令会被转换成一个小型 JSON 动作协议。3 号线质量故障场景允许 Agent 在预批准恢复方案中选择建议，确定性规则负责计算生产影响。人类批准后，控制引擎才更新生产状态并持久化到 Supabase。
可复用模式
这一模式可复用于任何需要把自然语言或 AI 建议放在受限确定性操作 API 之上的场景，并对高影响状态变更保留明确人工审批。
证据与来源
- Demo交互式控制与异常恢复 Demo
工厂状态与场景状态实时保存在 Supabase 中；所有控制动作执行前都会经过校验。
- 架构受限控制架构
工厂信号 / 自然语言 → AI 建议 / 意图 → 人工或确定性保护 → Supabase 状态。
- 源码