LightMES-Agent

真实系统实操录屏 · 1 分钟端到端闭环

车间中控台 + 飞书 CLI 双端协同全景演示

真实录屏：涵盖飞书 12 张核心业务表底座、中控台异常归因与损失显化、流水线工序瓶颈感知、飞书机器人一键派发富交互 Card V2、工人口述智能报工与应急协同生效。

REAL END-TO-END DEMO · LIGHTMES & FEISHU CLI 协同实录 (62s) ● LIVE RECORDING

节点点播：

00:00 - 00:15

① 飞书 12 张多维表格底座

工单表、在库清单、出入库流水、工序流转与机台工况等真实存证。

00:15 - 00:35

② 生产总览与经济损失显化

OP20 粗车崩刀归因 Banner，直连 22:00 截炉风险，显化 ¥35,000 违约敞口。

00:35 - 00:45

③ 五道工序流水线负荷感知

OP10~OP50 泳道实时掌握在制件积压瓶颈与机台停滞工时。

00:45 - 00:50

④ 飞书 CLI 现场派发 Card V2

中控台点击派工，飞书 CLI 无头管线秒级向现场叉车师傅推送富交互任务卡片。

00:50 - 00:58

⑤ 一线工人口述智能报工

工人口语“搞了200个崩了2把刀...”，上下文逆向解析合格 195/废 3 并锁定计件工薪。

00:58 - 01:02

⑥ 突发异常应急协同闭环

分批转序移库抢炉，多维表格自动回写，挽回损失 ¥35,000，实现业务闭环。

01 / 困境与破局点

为什么做这个，现有的解决方案？

鲁南地区聚集了大量专注于农机配件与农业机械制造的小机加厂，其中大多数是 20~30 人的小微企业。这些工厂承接农机零部件订单，却普遍仍靠纸质工单、车间白板与口头汇报管理生产——数据延迟统计模糊。面对农忙季节性强、交期卡得紧的插单与工序排期，管理者随时面临交货违约与管理模糊。

01 / 传统 MES / ERP

动辄数十万，小微企业赌不起也用不起

传统工业软件专为百人以上大厂设计，部署需 3~6 个月，花费数十万，且需要机床硬连线联网与专职 IT 运维。20~30 人的小厂利润微薄，经济账完全算不过来。

传统实施周期 3 ~ 6 个月 · 门槛极高

02 / 移动表单 / 数字化统计工具

把纸质单搬上手机，忽略车间物理摩擦

工人在车间做工时环境复杂，脱下手套在噪音和粉尘中逐项输入工单号、机台号、批次号根本不现实。缺乏实时调度与推演能力，只是制造了更多录入负担。

表单统计抗拒 单据积压 · 班后甚至次日补报

03 / 破局点

飞书开箱即用 + 豆包大模型 MCP 协同

工人保留原有用通讯APP发语音的习惯，口语输入即可；豆包 Agent 通过 MCP 协议解析并注入排班上下文；多维表格作为可靠存证，实现零硬件改造落地。

系统上线耗时 1 ~ 2 周 · 快速验证闭环

思考：为什么当下行业大火的 FDE 模式在此处不适用？

CRITICAL REFLECTION

1. 经济账完全算不过来

FDE本质是“高端技术咨询 + 驻场重度定制”，单项目交付成本动辄数十万上百万，只适合 IT 预算充裕的大型企业。在 20 人的小作坊里，小微工厂主根本无力承担其高昂的人力与定制溢价。

2. “团队一撤，系统就瘫”

重度定制的 FDE 方案依赖专人维护复杂的云端编排。小微机加厂没有专职运维岗位，一旦外部工程师撤离，哪怕遇到微小的业务变更或接口抖动，整套流程极易废弃。

3. 忽视“末梢感知”

FDE 往往偏好在云端堆叠复杂的 Multi-Agent 和私有模型，却忽视了车间最真实的——如何让数字化程度较低、文化水平不高的工人以零摩擦交出真实有效的数据，才是一切 AI 成立的前提。没有低摩擦的末梢感知，顶层的 FDE 架构只能是空中楼阁。

轻量级技术拓扑 · 数据与指令流向

01 / 末梢感知

工人端 (飞书)

山东方言语音报工
口语化即时上报

02 / 数据流通

feishu-cli

命令行工具管线
轻量稳定消息直连

03 / 存证与中控

多维表格 + 决策面板

工序数量守恒核验
全天排班上下文注入

04 / 调度协议

MCP 协议

工具调用总线
标准接口驱动设备

05 / 推演大脑

豆包工作 Agent

异常归因推演
一键派发处置卡片

02 / 用户痛点与产品价值

两类用户，六种困境。

车间一线的工人，背负订单压力的厂长，数字化面临的从来不是技术是否先进，而是真实摩擦力与心理动机。

PAIN 01 / 物理障碍

双手油污，车间噪音刺耳

穿脱手套频繁且极不方便，机床切削轰鸣声大。传统 MES 要求在手机上翻找工单号、批次号、工序代码并逐一点击输入，这在真实车间完全不切实际。

传统输入成本 8~10 个字段 · 平均耗时 >3min

PAIN 02 / 心理抗拒

当系统是“监管”时，没人愿意诚实

传统系统强调“防作弊”与“强监控”，工人天然产生防御心：虚报合格数、瞒报报废毛坯，导致月底盘点总对不上账，反而在工人和质检间制造了更多摩擦与复核压力。

核心矛盾 数字化成了审查工具，增加抵触

PAIN 03 / 激励缺失

干完就走，没有正向反馈

计件工资通常等到月底由财务手工核算，工人干多干少当天完全没感知。没有即时确定的劳动反馈，填报就会是额外负担。

破局点：电子记工本 报工瞬间锁定工薪 · 当日反馈核对

PAIN 01 / 感知严重滞后

信息传导 8~24 小时，错过止损黄金期

工人下班后才可能补齐口头数据，班组长汇总到厂长常已是次日清晨。而外协热处理厂的截炉可能就在今晚 22:00，管理者在盲盒状态中错失调度时机。

传统信息延迟 8 ~ 24 小时 · 违约风险失控

PAIN 02 / 传统 BI 只报喜不报忧

知道延期了，但不知道“怎么救”

现成 BI 看板只能冰冷地显示“SO-0918-08 延误”，却无法给出分流方案、机床空闲推演与损失对比。厂长面对突发崩刃依然只能凭 30 年经验拍脑袋。

传统看板局限 只有状态展示 · 缺乏因果推演与方案

PAIN 03 / 经验锁在人脑里

厂长经验无法沉淀为系统资产

老厂长知道“某工段崩刀了先分流 50 件去外协抢炉”，但这套敏捷决策机制从未被体系化。新人换岗或异地调度时，每次突发事件都是重复交学费。

解决方案：Agent 沉淀 把老师傅的调度逻辑编码进大模型

PAIN 04 / 超产积压

管理模糊导致货砸在手里，资金转不动

没有实时汇总，厂长不清楚今日实产是否已达目标工单数，工人惯性继续加工。结果是：完工件挤占库房、成品等待发货、货款迟迟回不来——小厂最稀缺的现金流就这样被占压在库存里。

解决方案：产销节奏看板 目标工单数 vs 实产实时对比 · 管理者一屏掌控节奏

产品设计原则

用户价值 = 新体验 - 旧体验 - 替换成本

在没有正式管理体系的小微工厂，唯有把新体验做到极具吸引力，同时将替换成本降到几乎为零，工人与管理者才会自发迁移。

新体验：及时激励

一句话语音发送，AI 自动填完全部工序并进行工时薪资核验，实时反馈，让工人把报工当作自己的记工本。

替换成本趋近于零

不新增学习成本、不改生产线分工、不增加复杂表单。工人像平时聊天一样说句话，系统自动完成后续全部结构化归档。

03 / MVP 清单与边界

快速试错，克制比堆功能更重要。

小厂数字化的首要任务不是追求“大而全”，而是用最窄的切口、最低的摩擦，验证端到端的数据流与决策闭环。

✓ V1.0 做了什么（核心闭环）

1. 飞书语音报工与方言映射

工人在群内发口语语音，豆包大模型解析生成结构化报工卡片。配套车间术语字典与工人黑话映射，班长一键核准。

2. 工序物料数量守恒校验

严格遵循“合格件 + 报废件 + 待修件 = 本工序计入件”。数量守恒自动放行，超量立刻预警，用确定性数学规则解决防作弊问题。

3. 生产排班作为上下文（全天底座）

早晨打卡身份 + 今日机台分配 + 工单计划自动注入 Agent 上下文，工人报工时只需报数量，无需重复选择关联工单。

4. 生产总览看板

动态风险感知 + 因果链条 Banner + 违约风险测算，支持真实数据追溯。

5. 调度问答 Agent

自然语言 → Agent 推演方案对比 → 点击触发 feishu-cli 下发派工卡片。

✕ V1.0 不做什么（战略克制）

1. 暂不接入机床 IoT 硬件改网

原因：改造老旧机床单台成本高达 3~8 万，协议杂乱。V1.0 证明仅靠工序物料数量守恒就能完成防伪，待业务规模化后再作为可选模块接入。

2. 暂不做全自动排班算法

原因：小厂排班高度依赖老厂长对工人工种、情绪及突发外协情况的人情判断。V1.0 坚持“辅助排班”，不剥夺人工决策权。

3. 坚决不开发独立 App

原因：不要重复造轮子。小微企业工人手机内存有限，多装一个 App 就多一层流失率，飞书已有通讯与卡片生态已足够优秀。

4. 暂不拓展多厂区复杂跨厂协同

原因：跨厂协同涉及复杂的货款结算与商业博弈。本期聚焦单厂“端到端数字化闭环”的快速跑通与真实价值验证。

需求溯源 · 现场调研与决策推演

从车间物理动线提炼的 3 个核心决策

需求对齐

鲁南某小型机加工厂

深入访谈工厂管理者（作者朋友），系统梳理真实生产动线中的痛点、工人操作习惯与一线激励机制。

关键洞察

门槛不是成本，是缺乏激励

工人发完语音没有即时反馈，不确定系统是否记账、更不知道是否计入当天工薪。激励断连才是导致一线抵触报工的根本阻力。

核心决策

激励闭环优先于任何功能堆砌

将「今日计件工薪已锁定 ¥390」即时反馈定为 V1.0 最高优先级设计。让工人从被监控对象变成主动确认自身劳动成果的人。

04 / 系统流程与业务全景

一天的生产：从晨会到下工

把看似杂乱的车间日常，梳理为早晨排班上下文注入、日中异常敏捷调度、晚间报工的连续闭环。

晨间 · 晨会排班与数据底座

STEP 01 飞书群口头排班

班长在群内快速口述今日机台、工单与人员安排

STEP 02 豆包纪要结构化

提取人员、机台编号与目标工单工序

STEP 03 管理者中控审核

厂长在管理面板核对并一键确认排班表

STEP 04 写入多维表格

自动建立今日生产上下文，为全天报工与调度提供依据

设计原则：排班数据不只是“今天谁干什么”的静态台账，而是全天所有 Agent 运转的先验上下文——没有它，工人报工说“干了200个”，无法准确判定这 200 具体指的是什么。

人机分工边界 · Human-in-the-Loop 策略矩阵

● AI 自动处理

· 语音转字段提取（重复/模版化/低风险）
· 物料守恒校验（规则型，100% 确定性）
· 异常归因分析 + 救单方案推演

● 人工保留决策

· 排班最终确认（锁定全天底座上下文）
· 救单方案执行（涉及外协真实费用支出）
· 废品报告签字核验（财务与质量合规）

● 降级与安全兜底

· 解析置信度 < 0.8 → 自动标红转人工
· 数量守恒失败 → 强拦截，拒绝入库
· Agent 超出权限 → 仅输出建议，禁止直下指令

日中 · 迅捷治理

STEP 01 · 异常感知 系统预警

车削机床崩刃停机达 3.5 小时，仪表盘自动变红

STEP 02 · 风险推演 风险链条穿透

穿透至外协节点：22:00 截炉危急，测算延误违约金

STEP 03 · 解决方案对比 方案对比卡片

方案A（等待）vs 方案B（应急分流50件抢炉）成本并排呈现

STEP 04 · 执行闭环 Chat-to-Action

点击执行方案，feishu-cli 下发相关任务卡片

下工 · 语音报工与今日工时锁定

飞书 · 精工数控车削工段群下班打卡

👷 李师傅 (车床工) 语音消息 15"

“王头，宏达那个齿轮轴我粗车搞了200个，崩了2把刀打掉3个毛坯，还有2个尺寸欠刀放一旁了，手套全是油，先下班了哈。”

特征：山东方言口语、含车间俚语、未填写任何结构化表单

报工确认卡片验证通过

工单：SO-0918-08 (农机齿轮轴 500件) · OP20 粗车

合格件 195

报废件 3

待返工 2

• 代码映射：崩刃 2 把 → E-TOOL-02；废件 3 个 → Q-SCRAP
• 守恒检验：195 + 3 + 2 = 200 件（与前道交接完全对齐）

05 / 整体架构与协同飞轮

五层协同飞轮：从数据末梢到智能中枢。

LightMES-Agent 绝非单一管理后台，而是贯穿“飞书末梢感知 + 数据管道 + 中枢决策台 + MCP 协议总线 + 豆包大模型推演”的数字化协同飞轮。通过低摩擦的末梢感知与规则核验，实现小微机加厂的智能化管理。

系统一 · 飞书数据收集端面向一线工人 / 班组长

低门槛 · 易上手

基于工人原有语音习惯，依托飞书机器人与富交互卡片，完成语音口述报工与“数字记工本”即时激励；实时存储到多维表格实现安全存证。

飞书对话机器人交互卡片语音报工

系统二 · 中控决策台面向管理者 / 调度员

Human-in-the-Loop 控制中心

集成全厂生产状态、流水线内容、工期动态调整、工时计算与 Agent 调度问答；厂长审批确认后通过 feishu-cli 下发派工指令。

Human-in-the-Loop feishu-cli 逆向调度

五层协同飞轮

点击卡片可展开或收起

层 1 业务末梢感知层 — 飞书生态与一线前端 ▶

👷

一线工人 / 班组长

语音口述报工、扫码打卡；零学习成本，无需脱下手套在油污粉尘中逐项多级下拉填表。

🤖

飞书对话机器人

实时接收语音或文字口述；自动关联排班上下文并回推确认卡片。

📋

飞书多维表格

12 张核心业务表底座：工单表 · 工序表 · 派工审计表等实时存证。

🃏

飞书卡片

结构化确认单（合格数/废件数/工薪锁定）；核查确认后即可完成闭环。

层 2 数据管道层 — feishu-cli ▶

🔄

增量差量轮询

定时拉取飞书多维表格新增/变更记录；仅同步差异数据，降低开销。

💾

离线处理

车间弱网或断网时，本地缓冲报工与调度操作；网络恢复后自动补传，数据不丢失。

📡

飞书 OpenAPI 无头管线

封装 lark-cli 命令行：支持 whoami / record-list / messages-send 等自动化无头调用。

🔁

双向数据通道

上行：Bitable 报工数据 → 中控台呈现；下行：中控台派工指令 → 飞书 Card 即时推送。

层 3 决策控制层 — Agent 管理面板 ▶

📊

综合看板

高风险感知 · 在制品协调 · 工序进度与机台负荷。

🏊

工序流水线管理

OP10~OP50 批次节拍流转，崩刀/外协/堆积三色状态高亮与瓶颈即时感知。

🤖

调度问答舱

Chat-to-Action 交互；推演救单方案，一键下发指令组合拳至 feishu-cli。

🔐

人工审批

厂长/调度人工审批才放行 AI 建议与派工指令，坚决守住安全生产底线。

层 4 协议能力总线 — MCP ▶

📦 MCP Resources（只读环境上下文注入）

feishu://bitable/work_orders — 在制工单实时流

feishu://bitable/orders — 客户订单与交付期要求

feishu://devices/cnc_status — 重点数控车床稼动状态

feishu://audit/wip_flow — 工序物料流动台账

🛠 MCP Tools（受控操作指令下发接口）

feishu_split_work_order — 紧急分流拆解工单

feishu_send_card_v9 — 向指定群组推送富交互卡片

feishu_approve_wage — 审核工薪并回写状态

feishu_dispatch_command — 下达叉车/转运现场指令

层 5 agent 决策层 — 豆包工作 ▶

🔬

异常归因引擎

消费 MCP Resources 注入的实时上下文；完成崩刀、外协滞后、缺料的流水线逻辑根因溯源。

♟️

解决方案推演

双机分流 · 抢炉移库 · 加班代工三拳组合；测算挽回违约金并生成建议方案。

🗣️

口语转译

结合打卡与排班隐式上下文，将“活干完了打掉3个”逆向解析为标准工单 JSON。

📚

企业私有知识库 (RAG · 四层结构)

Agent 在推演与回答时实时召回的企业私域知识。口语标准化、新人自学、历史案例引用均由此驱动。

🗂️ 层 1 · 术语与黑话字典

车间方言与工业代码的双向映射表（如「崩了把刀」→ E-TOOL-02）；工序别称、产品俗名、设备绰号。
切片策略：逐条独立向量化，精确点查。

📋 层 2 · SOP 操作规范 + 视频

各工序操作流程、安全规范、设备手册。视频录屏经 ASR 转写后分段入库，保留时间戳索引——新人提问后 Agent 召回段落并附「见录屏 02:35」精确跳转。

🔄 层 3 · 生产流程结构图谱

OP10→OP50 工序流转关系、外协节点依赖、物料守恒约束来源。以结构化 JSON 优先作为 MCP Resource 直接注入 Agent 上下文，而非走向量召回——确定性规则不经过语义模糊检索。

📖 层 4 · 复盘案例库

内部案例：本厂历次使用系统处理异常的过程记录——触发事件 · 处理方案 · 实际效果，结构化归档。
同行案例：行业内公开的优质生产调度案例，定期更新入库。
Agent 推演救单方案时检索相似历史案例，以「过去同类情况的处理结果」作为建议的支撑凭证，而非凭空生成。

05+ / 私有知识库 RAG

Agent 在查：四层知识库实时取证

从车间方言黑话标准化、规范流程视频、工序图谱到历史复盘案例。四层异构知识引擎并发检出，每次决策回答皆有确凿出处、字字可审计。

总耗时: 168ms

证据命中: 4/4 层

抗幻觉护栏: 100% PASS

Token 预算: 840 tokens

端到端数据流转管道 · 4-STAGE PIPELINE TRACE 链路就绪 · 实时监听中

STAGE 01 12ms

提问摄入与实体对齐

口语转译 + 工业命名实体提取（机台 OP20、方言黑话「崩刀」、交期 22:00截炉）

STAGE 02 138ms

4层异构引擎并行召回

字典精确匹配 (8ms) + 视频切片 (15ms) + 图谱直查 (12ms) + 向量检索 (138ms)

STAGE 03 10ms

上下文融合与护栏约束

强约束守恒校验、Token 预算裁决、注入强 Citation 模板

STAGE 04 450ms

证据可信决策生成

输出可解释、可审计、带引用出处脚标的排产指令与指导建议

L1 · 术语黑话字典

车间黑话 ↔ 标准代码双向映射

车间黑话映射表，逐条独立向量与精确对齐。

「崩刀」 ➔ 映射标准代码 E-TOOL-02（切削刃损耗）
排查结论：排除机台主轴与夹具故障，无需停线大修夹具。

L2 · SOP 规范与视频录屏

各工序操作规范 + 视频实操切片

操作流程与设备安全规范。视频录屏转写切片，保留时间戳。

规范依据：《CNC车床日常维护手册》第 4 章 · 换刀标准作业指南。

▶ 录屏时间戳: 01:24 - 02:10 换刀操作实录

L3 · 生产流程结构图谱

OP10→OP50 工序流转关系与物料守恒

前后置工序、外协节点约束，通过 MCP 协议直接注入。

拓扑链条：OP10 粗车 ➔ OP20 精车 ➔ OP30 热处理（22:00 外协截炉）。
约束规则：外协延期损失 ¥35,000 / 次，双机分流加机边际成本仅 ¥800。

L4 · 历史复盘案例

内部复盘案例 + 同行最佳实践

企业历史异常处置案例：触发事件 · 调度方案 · 经济挽回效果，闭环归档。

案例编号：#CAS-20240903 · 宏达齿轮轴崩刀紧急抢炉。
历史处理：双机分流减载 50%，外协截炉准时履约，实际损失 ¥1,200，挽回违约金 ¥35,000。

⇄

LIGHTMES-AGENT // AUDITABLE REASONING ● STREAM VERIFIED

用户提问: 「OP20 车床崩刀了，现在停了 3 小时，今晚 22 点有外协截炉，怎么处理？」

① 故障定性与检修范围 [引用: L1 术语字典]

经黑话字典对齐，确认为 E-TOOL-02（切削刃损耗），排查排除主轴卡死与夹具变形，无需停线检修夹具。

② 历史成功经验对标 [引用: L4 案例库 94.2%]

匹配 2024-09-03 同类事件：采用双机分流减载 50%，外协截炉准时完成，实际追加成本 ¥1,200，成功规避违约金 ¥35,000。

③ 针对性排产决策推演 [引用: L3 工序图谱直查]

• 方案 A（原地等换刀 3h）➔ 截炉超时，违约金风险 +¥35,000
• 方案 B（分流 50 件至 CNC-03 抢炉）➔ 加机成本仅 ¥800，可保截炉按期转序 ✓

④ 现场换刀实操指引 [引用: L2 视频 01:24]

换刀步骤详见《设备维护手册》第 4 章，录屏已精准定位至 01:24，现场工人扫码可直接点播实操片段。

✦ 双向审计防幻觉：点击或悬停右侧任意 [引用] 脚标，左侧对应知识层即刻高亮并展示证据源；所有数字皆来自确定性图谱与真实历史案例，拒绝 AI 盲目臆造。

确定性优先原则

工序顺序、前后置工时与外协截点绝不交给向量相似度模糊猜词，走 MCP Resource 直接注入上下文，从根源上杜绝生产调度幻觉。

视频直接跳转

车间工人不爱看手册。系统结合实操录像与时间戳分段切片，工人提问直接定位到相关内容，降低认知负荷。

每日闭环自动反哺

每次异常处置完成后，工单系统自动结构化入库案例库，无需算法重新训练，下次即具备应对同类突发故障的先验经验。

06 / 功能界面与系统架构

管理中控台设计：五处功能，一套闭环。

管理面板基于 React 18 + TypeScript 独立研发，告别冷冰冰的通用报表，围绕生产总览、工单追踪、现场报工与即时行动展开。

SCREEN 01 · 生产总览决策看板 STATUS: LIVE CONNECTED

🔍 点击查看 1920×1080 原图

① 动态风险感知变色卡

指标卡根据实际机台与工序负荷动态变色。发生停工时直接显化潜在经济损失金额，给管理者最直接的痛感反馈。

② 因果归因 Banner

绝不只停留在“延误了”的初级提示，而是完整串联：停机原因（车刀崩刃）+ 连带后果（外协抢炉危机）+ 建议对策。

③ 数据溯源透明可信

每个统计区块均可直跳多维表格底层明细，厂长可随时点击核验原始打卡与报工记录，消除对 AI 虚假幻觉的疑虑。

④ 工单目标 vs 实产实时对比

每张工单的计划完工数与当日累计实产数实时并排显示。管理者一眼看出「已达量 / 未达量」，在工人达到目标数后及时叫停，杜绝惯性超产积压库存，直接释放被占压的现金流。

SCREEN 02 · 五道工序流水线看板 WIP KANBAN VIEW

🔍 点击查看 1920×1080 原图

① 五道标准工序泳道

清晰划分下料、机加、热处理与精磨环节，在制件数量一目了然，快速识别工序间堆积瓶颈。

② 叉车派工机器人（真实飞书 API）

预设 P0/P1 叉车转运任务，点击即通过飞书机器人给现场叉车师傅手机下发搬运卡片，告别全厂吼喇叭寻人。

③ 紧急派工快速通道

支持快速输入自由文本指令，直接打包为飞书交互卡片下达至班组群，无需繁复的常规审批流。

SCREEN 03 · 工单追踪与因果抽屉 ORDER TRACKING & CAUSAL DRAWER

🔍 点击查看 1920×1080 原图

① 五维度工单健康度

监控总工单量、受控量、轻延量与阻断量，实时统计全厂暴露的责任风险敞口总金额。

② 侧边因果抽屉 (Causal Drawer)

点击任意工单即可展开因果链：不仅呈现当前卡点，更直接显示是由前道毛坯瑕疵还是设备故障引发。

③ 救单方案经济并排测算

对比“方案 A：原地等待换刀排期”与“方案 B：调拨 50 件外协抢炉”的损益差，帮管理者 30 秒做出科学抉择。

SCREEN 04 · 报工核验与工业代码映射 VOICE AUDIT & STANDARD CODE

🔍 点击查看 1920×1080 原图

① 现场交互体验台

内置预设工人与典型山东方言上报语句，可真实点击提交体验大模型秒级结构化拆解与卡片回写。

原案例称离线评测（200 条标注样本）整体解析准确率 94.2%；当前未附原始评测记录，也不能由准确率推断其余错误均被规则拦截。

② 语义标准化

“崩断了2把刀”转译为设备异常代码 E-TOOL-02；“打废了3个”标准化为质量代码 Q-SCRAP，具备严密工业深度。

③ 守恒公式自动放行

严格判定入库数是否与前道流出数相等。守恒通过即时写入工资台账，超量自动拦截，杜绝人情糊涂账。

SCREEN 05 · 调度助理 Chat-to-Action AGENT INTERACTION

🔍 点击查看 1920×1080 原图

① 结构化决策建议卡片

回复绝非长篇泛泛文字，而是将方案对比、机床负荷评估、经济损益数字整合成气泡内的结构化交互卡。

② 气泡内执行派工 (Chat-to-Action)

管理者点击气泡内“一键执行”按钮，直接通过 feishu-cli 派发真实飞书消息卡片，从“知道对策”到“完成派发”零延迟。

③ 现场派工响应流水

看板实时记录派工类型、责任人、响应时长与确认状态，全厂调度有据可查、可追溯。

07 / 项目复盘与成效

验证了什么，未来演进路线。

✓ 做对了什么

1. 适应化改造策略胜过重构

不强推重型工具，基于工人已有的通讯习惯做最小改造，大幅降低培训成本与上线周期。

2. 飞书生态作为可靠存储与消息载体

利用飞书多维表格解决结构化存储，避免从零搭建数据库与权限系统的研发负担。

3. Human-in-the-Loop 守住风险底线

Agent 负责推演并给出方案对比，最终派工与审批坚决由管理者二次确认，防范大模型幻觉。

4. 把即时激励设计进报工环节

报工后即刻锁定“今日计件工薪 ¥390”，让工人从“被监控者”变成“自身劳动成果的主动确认者”。

↺ 下次怎么优化

1. 强化晨会到审核的完整演示链

排班注入虽已实现，但“口述排班→自动提取→面板确认”的完整演示可做得更加沉浸和连贯。

2. 补充工人端飞书交互演示

当前系统以管理中控台为主视角，在案例演示中可进一步增补手机端飞书卡片的交互动效。

3. 引入生产效率历史趋势看板

当前版本侧重实时监控与止损，后续可扩充针对人员机台历史合规率与工时趋势的横向对比。

4. 飞书卡片 Button 上限带来的 UX 取舍

飞书消息卡片单张 Button 上限（5个）导致复杂调度方案须拆成多轮对话。这让我意识到 AI 回复的信息密度需要在 UI 层做结构化折叠，而非堆砌按钮——这是飞书场景 Agent 产品设计的核心约束。

↗ 下一步发展方向

V1.1 · 数据积累期

沉淀工时与损耗历史数据，训练更契合农机小厂交期特性的预警模型与工单穿插拆解。

V1.2 · 硬件选配期

作为可选插件，轻量接入重点机台的电表功率或电流互感器，以硬件物理信号交叉验证工时。

V2.0 · 规模化推广

将鲁南小微机加厂的协同经验封装为开箱即用的轻量方案，拓展至同类农机配件集群企业。

评测记录待补充：下列 200 条样本、准确率与迭代幅度来自原案例描述，当前未附样本、评分口径、运行版本与逐条结果，暂不能视为已核实的评测结论。

AI 质量保障 · Eval 评测体系

从离线评测到线上兜底的确定性工程

样本来源

200 条标注语音

工人试用期真实语音 100 条 + 人工构造边界用例 100 条。覆盖：正常报工 / 多工序混报 / 方言+术语混用 / 废品漏报 / 工单号错误。

4 维评测指标

系统性质量度量

① 工单识别准确率（归属当天排班）
② 数量字段完整率（合格/废品/欠刀）
③ 物料守恒通过率（超量/漏报拦截）
④ JSON 格式合规率（结构化输出）

Bad Case 分类

四类异常处理策略

幻觉类：自行补全工单号 → 白名单拦截
缺字段：只说合格数 → 追问 Prompt
超量类：报工 > 投产量 → 守恒拦截+推送
方言失败：无法解析 → 转班长人工核实

Prompt 迭代效果

79% → 94.2%

Prompt v1 → v3 共 3 轮迭代。关键突破：排班上下文注入后，幻觉率降低 60%（模型不再需要猜测工单号，直接匹配当天排班名单）。

以下为原案例中的待核验数值：报工耗时、合规率和交付率缺少同口径基线与完整统计周期。保留供复盘核对，不将其作为已验证成果或收益承诺。

核心指标维度	优化前（传统作坊基线）	优化后（LightMES-Agent）	原描述的改善幅度（待核验）
工人工序平均报工耗时	~~30~45 min（甚至次日纸质补报）~~	≤ 3 分钟	提升 10 ~ 15×
单次报工操作步骤与字段	~~8~10 个复杂表单字段~~	1 句语音 + 1 次点击确认	减少 90%
工单物料逻辑合规率	~~~80%（含人情账、虚报废品）~~	≥ 98%（数量守恒硬性约束）	提升 18 pp
订单准时交付率 *	~~~82%（经常因外协截炉延误）~~	≥ 95%（异常秒级调度止损）	提升 13 pp
系统交付与上线周期	~~3~6 个月（重型 MES/ERP）~~	1 ~ 2 周（极速跑通闭环）	缩短 85%
超产工单识别与叫停 †	~~无感知（工人惯性加工至下班）~~	目标达量后管理者实时可见，当日可叫停	减少库存占压

* 订单准时交付率数据来源：合作伙伴工厂实际部署使用 1 周后的推算反馈，非完整统计周期数据，仅作参考方向。
† 超产工单识别：基于「工单计划完工数 vs 当日累计实产数」实时对比看板设计，为管理者提供叫停依据，实际库存改善效果因工厂执行差异而不同。

先了解这个项目

车间中控台 + 飞书 CLI 双端协同全景演示

① 飞书 12 张多维表格底座

② 生产总览与经济损失显化

③ 五道工序流水线负荷感知

④ 飞书 CLI 现场派发 Card V2

⑤ 一线工人口述智能报工

⑥ 突发异常应急协同闭环

为什么做这个，现有的解决方案？

动辄数十万，小微企业赌不起也用不起

把纸质单搬上手机，忽略车间物理摩擦

飞书开箱即用 + 豆包大模型 MCP 协同

思考：为什么当下行业大火的 FDE 模式在此处不适用？

1. 经济账完全算不过来

2. “团队一撤，系统就瘫”

3. 忽视“末梢感知”

工人端 (飞书)

feishu-cli

多维表格 + 决策面板

MCP 协议

豆包工作 Agent

两类用户，六种困境。

双手油污，车间噪音刺耳

当系统是“监管”时，没人愿意诚实

干完就走，没有正向反馈

信息传导 8~24 小时，错过止损黄金期

知道延期了，但不知道“怎么救”

厂长经验无法沉淀为系统资产

管理模糊导致货砸在手里，资金转不动

产品设计原则

快速试错，克制比堆功能更重要。

1. 飞书语音报工与方言映射

2. 工序物料数量守恒校验

3. 生产排班作为上下文（全天底座）

4. 生产总览看板

5. 调度问答 Agent

1. 暂不接入机床 IoT 硬件改网

2. 暂不做全自动排班算法

3. 坚决不开发独立 App

4. 暂不拓展多厂区复杂跨厂协同

从车间物理动线提炼的 3 个核心决策

鲁南某小型机加工厂

门槛不是成本，是缺乏激励

激励闭环优先于任何功能堆砌

一天的生产：从晨会到下工

晨间 · 晨会排班与数据底座

日中 · 迅捷治理

下工 · 语音报工与今日工时锁定

五层协同飞轮：从数据末梢到智能中枢。

低门槛 · 易上手

Human-in-the-Loop 控制中心

五层协同飞轮

Agent 在查：四层知识库实时取证

确定性优先原则

视频直接跳转

每日闭环自动反哺

管理中控台设计：五处功能，一套闭环。

① 动态风险感知变色卡

② 因果归因 Banner

③ 数据溯源透明可信

④ 工单目标 vs 实产实时对比

① 五道标准工序泳道

② 叉车派工机器人（真实飞书 API）

③ 紧急派工快速通道

① 五维度工单健康度

② 侧边因果抽屉 (Causal Drawer)

③ 救单方案经济并排测算

① 现场交互体验台

② 语义标准化

③ 守恒公式自动放行

① 结构化决策建议卡片

② 气泡内执行派工 (Chat-to-Action)

③ 现场派工响应流水

验证了什么，未来演进路线。

✓ 做对了什么

↺ 下次怎么优化

↗ 下一步发展方向

从离线评测到线上兜底的确定性工程

200 条标注语音