这里收录的是为制造企业与经营团队做的 Agentic 应用原型：生产排产、业务流程重塑、库存与销售预测、人岗匹配、经营决策、智能体平台，以及走到机械臂上的具身智能。每一个都不是 PPT，而是可以点开、可以操作、带真实约束与数据口径的完整系统。
按业务域分五组。绿色标记的可直接打开体验；蓝色标记的因含客户需求文档内容，需要口令；灰色的暂未公开部署。所有演示数据均为按行业特点构造的示例数据。
多 Agent 负责发现、算、比、解释、推送；凡是改变承诺交期或下达指令的动作，都停在计划员面前。确定性求解器出方案，大模型负责理解与解释。
覆盖全工艺链的排产原型。多级 BOM 拆解后按客户等级与需求日期做全局齐套分配，给出齐套率、齐套日期与瓶颈物料；15 个工作中心的 7 天资源甘特，Agent 方案以铜色标出变动供计划员采纳或驳回；设备故障、物料延迟、需求追加、工艺降速四类 What-if 增量重排。
面向蜂窝陶瓷载体（DOC / SCR / GPF / DPF）多规格生产的排产指挥中心。窑炉是硬瓶颈，Agent 围绕 14 天窑炉负荷做订单承接与交期评估；从订单分解到排程发布是一条 Agent 流水线，人只在「分解确认」处点一次，其余自动且可回溯。
18 个 Agent 的全球化版本。承诺口径从出厂日变成到港日；齐套判定变成通用件 / 国别件 / 电芯配组的三分法；老化房是固定时长的物理瓶颈；平台 × 国别 × 固件的配置化 BOM；改关键件意味着该国 8–16 周认证空窗期。换客户验证了分层的价值：护栏层与编排层几乎不动，变的是 Agent 层与工具层。
AI 嵌进业务动作里，而不是旁边开一个聊天框。每一条建议带理由与置信度，规则命中即转人工，所有决策留痕可复盘。
依据客户需求说明书开发的可运行端到端原型。销售域闭环：AI 报价建议（可解释理由与置信度）→ 规则引擎秒级审批 → 信用校验与 ATP → 订单、发货过账、自动开票；报销 OCR 与置信度分流；采购 AI 寻源 Top3 与三单匹配；应收 AI 分级催收、AI 对账、NLG 月报；智能数据分析师 Text-to-SQL。PC 门户、6 主题决策大屏与六角色移动端。
决策对象是 SKU × 仓库 × 批次，而不是 SKU。领域本体作为数据团队与决策层之间的可执行契约：32 个属性口径、17 个源系统映射、13 条约束公理，每次出方案前实跑校验；决策就绪度门禁三态，阻断即拒绝出方案并生成可派单的修复项。归因、方案期望值测算、预测拐点，以及补货 / 促销 / 广告 / 竞品应对动作。
在股东、管理层、员工、战略再投入四方之间分配净利润，用平衡计分卡加否决项考核管理层并输出激励系数。财务输入到瀑布式分配，14 项 KPI 按门槛 / 目标 / 挑战三档计分，含递延与回拨规则；新产品线看板自动回填考核指标；四个预设情景加自定义情景对比；六步治理流程与决策留痕，可打印报告。
把「找人」从一件依赖个人经验的事，变成有数据、可解释、可审计、可复现的事。系统负责排序并说清理由，人负责拍板。
内置 40,000 条员工画像，一句「找 100 个能去中东的人」即可出带理由的排序名单。硬性过滤 → 召回 → 八维精排 → 组织均衡约束，每个结果附证据链（语言等级、项目月数、外派意愿）；事前设单部门抽调上限；每次匹配留快照可复现。OWL 本体加 SHACL 合规红线，敏感属性禁止入模由机器强制校验；300 词条技能词典是唯一真源，业务方直接维护。
把单个场景里反复出现的东西抽出来：知识萃取、本体建模、Agent 运行与放权、评测与错例回填。让第二个场景比第一个便宜得多。
不是 Agent 框架，是「智能体员工工厂」。四模块闭环：FDE 工程师模块用 29 类标准问题把老师傅的默会知识萃取出来；本体构建模块用「7+1」语义规范与出处强绑定让知识白盒可校验；Loop Agent 运行环境以 L0–L4 分级放权、敏感动作闸门与全链路审计换取信任；AI Coding 操作台把资产即代码贯穿全程。No eval, no deploy。
让 AI 从屏幕走到机械臂上。采集台架、训练验证台架与产品原型是同一套执行体，训练和部署之间没有迁移；力目标由控制器实现，约束在模型之外，安全靠的是控制器和铁。
让医生通过机器人的手去扫，大脑学的是手法。医生握力反馈主臂，7 轴力控从臂持探头在模体与志愿者上执行；位姿来自从臂编码器、力来自末端六维力传感器，不再使用光学动捕与 IMU。三层大脑以真实节拍运行：任务规划 1 Hz、VLA 策略 10 Hz、阻抗控制 1 kHz，安全过滤器在模型之外裁剪动作。示教采集 → 策略自主 + 医生接管（DAgger）→ 力保持共操作进医院，16 周出台架、18 个月到 L3 验证机。页面为实时仿真的动态技术方案。
每个老板都在说 All in AI，但认真观察会发现一个矛盾：AI 用户越来越多，真正靠 AI 改变经营方式的企业却少得可怜。最大的障碍不是技术、不是数据，而是一种被长期忽略的资产：默会知识。下面五步是我们对这个问题的完整回答，也是上面九个案例共同遵循的底层逻辑。
过去二十年的数字化，本质是把显性数据搬到线上。但数据不等于知识，知识更不等于智慧。
ERP、CRM、OA、MES 里的订单、客户、财务、审批、生产数据。机器能直接读取。
CRM 知道的：某客户过去三年采购了多少钱。仅此一条，静态、滞后。
经验、直觉、判断、洞察；行业潜规则、客户关系、协作默契。恰恰是企业最核心的竞争力。
销售负责人知道的：客户老板最近在考虑换供应商；决策人真正关心什么；哪个对手正在接触；哪个项目最可能成交。
逻辑推理已经到了天花板，业务经验却是零。中间那道断层，才是企业真正高价买单的地方。
前沿基础模型的逻辑推理已到博士水平，而且每季度还在变强。再等一代模型，也补不上工龄。
这单为什么排不进、这颗料能不能放行、这台设备为什么抖。答案只在老师傅脑子里，不在任何系统里。
把老师傅的经验写成机器可读的本体，让博士级智商在你的产线上第一天就能开工。
本体（Ontology）是对业务世界的形式化建模：用机器可理解的方式定义概念、属性、关系和规则，形成企业共享的语义词汇表。
客户、订单、设备、工序。业务里真实存在的东西。
描述对象的特征：状态、等级、优先级。
对象如何关联：谁供货给谁、哪道工序依赖哪台设备。
隐性判断的显性化：什么情况下报价要上浮、订单要预警。
数据模型定义数据的结构与格式，本体定义数据的上下文与含义。本体是 AI 与企业数据之间的翻译官：数据提供事实，本体提供含义。
企业要的不是零星建几个本体，而是让本体语义资产从「能建」迈向「可用、可管、可运营」。业务专家不用懂技术，回答问题就行。
29 种标准化自然语言描述模板，是 AI 理解业务的「语法」：AI 读表单、文档、手册自动提炼；业务专家按范式口述，萃取文档里没有的隐性知识。三类表达对应三类知识，也对应三套开放标准。
统一术语，定义对象的属性与关系，划分公共层、领域层、实例层。
拆解原子动作并关联对象，明确本体数据的操作与查询逻辑。
用「如果…那么…」显性化业务控制点，界定语义边界与角色权限。
业务专家只管回答问题，FDE Agent 顺着回答追问例外和边界，把口述内容萃取成概念、流程、规则三类知识。FDE 取自 Palantir 派驻客户现场做需求转译的 Forward Deployed Engineer，我们把这个角色做成了 Agent。
前几代 Agent 吃的是流程，把业务翻译成流程图的过程恰恰是默会知识丢失的地方：老师傅那些「看情况、凭感觉」的判断，天生画不成节点和连线。会读文档的 Agent 才接得住。我们的做法：最新的 Agent 引擎，跑在本体之上。人只给目标和本体，Agent 读本体理解、规划、靠本体查数据执行、观察、修正，直至完成。
真正的起点不是上大模型，而是「一个小流程的胜利」，和一份可复用的本体资产。
今天多数企业用 AI 的方式，是把默会知识写进提示词、上传成文档交给外部模型。用一次，它就长进了别人的能力里，对手同样可得。落地的前提不只是让 AI 读懂业务，还要让读懂的那部分留在自己手里。
本体与语义层部署在企业自己的私有云、机房或产线边缘；模型只做推理，不带走数据，也不带走判断规则。
本体是稳定的知识底座，大模型是可插拔的推理引擎。换模型不必重做知识工程，能力升级不以主权为代价。
本体以 SKOS、RDF、OWL 等开放标准表达，语义资产可导出、可审计、可移植，不被平台或模型厂商锁定。
AI 不是一场技术革命，而是一场企业运营方式的变革。主权不是把 AI 关在门外，而是让 AI 越用越强的那部分，长在企业自己身上。
上面是为什么，这里是怎么做。九个案例来自不同行业，但底下是同一套工程判断。这五条在每个系统里都能找到对应的页面，不是写在方案里的口号。
业务规则、字段口径、跨源映射写进本体，作为数据层与决策层之间的可执行契约。改规则改的是本体里的一句话，不是代码。
任一结论必须挂到本体节点与数据出处。查不到引用就拒答并升级到人，而不是给一个看起来合理的答案。
默认从建议模式起步，日常小幅调整可自主执行，插单、外协、改交期停在人面前。放权由数据驱动、由人签字。
排产、分配、匹配这类有硬约束的问题交给 CP-SAT 与规则引擎，大模型负责理解需求、解释方案、与人对话。两者边界清楚。
场景卡里冻结的那个指标就是评测集的第一条。错例归类后回填知识与本体，形成闭环，而不是一次性交付。
String2AI 关注的是 AI 在制造与企业经营里的最后一公里：需求怎么萃取、知识怎么建模、Agent 怎么放权、方案怎么被人接受。这里的每个案例都从一份需求文档或一次访谈开始，在很短的周期内做成可操作的原型，用来对齐需求、评审方案、验证价值，再决定是否进入正式建设。
原型全部零依赖或轻依赖，可离线运行，可直接部署到客户内网。
