智能制造工厂“工程互锁” AI 治理框架 (SMSE-Interlock)：AI 如何进入执行链而不越权

一、为什么工业界不需要“自由 Agent”？

通用 Agent 的核心优势在于泛化、探索和多路径发散推理。然而在工业生产制造现场，同一任务在不同推理路径下的波动本身就是最大的安全与质量风险。

很多团队尝试将大模型包装为“工业 Copilot”，让模型直接生成 SQL、调用机台指令或下发排产计划。一旦模型在长上下文下产生细微幻觉，或者遗漏了某个工位的互锁信号，带来的将是产线撞刀、批量报废乃至人身安全事故。

工业场景并不缺少“能回答问题的 AI”，缺少的是“能稳定接入 SOP、遵守物理互锁、接受系统证据验收的 AI 执行单元”。

二、为什么是 Skill，而不只是 Agent？

我们将工业业务中的标准作业程序（SOP）、系统接口与物理约束抽象为可运行、可验证、可审计的 Skill（受控工作单元）：

• 在 Research 阶段：允许 AI 对多源数据（SCADA、MES、ERP、检验报告）做感知、关联与归纳；
• 在 Strategy 阶段：允许 AI 在受限方案空间中做判断与权衡，并给出置信度说明；
• 在 Execution 阶段：严禁自由发挥，所有动作必须映射到带 Schema 严格校验的受控 Contract；
• 在 Validation 阶段：必须以系统物理证据闭环（Database Record / Sensor Stream），而不是以模型自述闭环。

一句话总结：在 SOP 内思考，在 contract 内行动，在 audit 内被验证。

三、架构落地：OT/IT Contract 与受控执行三级分级

执行权限的三级严格分级：

• L0（只读级别）：传感器数据读取、工单进度查询、物料批次追溯、人员资质核查。Skill 可自主高频调用。
• L1（受控写入/低风险）：在隔离区标记可疑在制品（WIP）、发起工艺偏差复查流程、生成备件申领草稿。由系统记录触发理由即可执行。
• L2（物理执行/高风险）：机台放行解锁、停线遏制、关键工艺温区修正、高风险作业审批。必须携带审批人合法 Token（Approval Gate），严禁 AI 越权单方面直接触达。

四、五大已落地的工程化 Skill 场景

框架不仅停留在理论，目前已在底层仿真体系中实现了 5 个全流程闭环 Skill，并通过了 15/15 项严谨自动化回归验证：

1. /d-release-gatekeeper（生产放行守门员）：联动 MES、WMS、ERP、QMS、PLM、PLC 与 EAM，核验工序全要素，只输出 BLOCKED / AWAITING_APPROVAL / EXECUTED 确定性状态。
2. /q-deviation-containment（质量偏差遏制）：机台传感器出现连续 3 次工艺漂移时，自动锁定下游批次流向并生成受控围堵方案。
3. /c-maintenance-window-planner（维护窗口规划）：基于设备运行时数与能耗负荷，在不打乱订单交期的前提下智能锁定最佳保全窗口。
4. /s-safe-work-release（高风险作业放行）：严格校验人员特种资质认证、动火/登高作业许可与机台能量源隔离（LOTO）。
5. /d-changeover-readiness-manager（换型准备就绪管理）：校验换型刀具、模具就绪度、配方版本与首件检验规程。

五、现场演练与 Control Plane 证据回放

框架配备了 drill-cli 故障注入演练工具与基于 Web 的控制面：工程师可以手动注入“设备保全逾期”或“物料批次不合格”异常，实时观察 Skill 是如何在 1 秒钟内精准识别责任链、中断非法状态跃迁并生成完整的证据时间轴（Evidence Timeline）。

工业智能化的终极目标不是去取代工程师，而是用最严格的工程契约消除人的偶发疏忽，同时将 AI 的强大归纳推理能力安全锁入现代制造体系的钢铁框架之中。