工业智能体真正产生业务价值，往往不只是因为它能够回答问题，而是因为它能够连接系统、调用工具并推动流程执行。

例如，智能体可以查询 MES 工单，读取设备报警记录，追溯质量批次，检查备件库存，生成维修工单，创建质量异常处理单，或输出排程调整建议。相比传统系统菜单式操作，智能体可以通过自然语言理解用户意图，并跨多个系统完成数据编排。

但工具调用也是工业智能体风险最高的部分。因为一旦智能体具备写入能力，它的错误就可能从“回答错误”变成“操作错误”。在工业现场，操作错误可能影响生产计划、质量判定、设备状态和安全边界。

因此，工业智能体的工具调用必须从一开始就按工程系统设计，而不是简单地给大模型开放一组 API。

一、工具调用要区分“读”和“写”

工业智能体调用的工具大致可以分为两类：只读工具和写入工具。

只读工具主要用于查询和分析，例如：

• 查询工单状态。
• 查询设备报警。
• 查询过程参数。
• 查询质量检测结果。
• 查询库存和备件。
• 查询维修记录。
• 查询 SOP 和历史案例。

写入工具则会改变业务状态，例如：

• 创建维修工单。
• 发起质量异常流程。
• 修改排产计划。
• 提交参数变更申请。
• 标记批次隔离。
• 发起采购申请。
• 修改设备维护计划。

只读工具的风险相对较低，但仍需要权限控制和数据脱敏。写入工具的风险更高，必须经过规则校验、审批控制、幂等设计和审计记录。

一个常见错误是，项目初期为了展示效果，直接让智能体调用写接口。例如用户说“帮我创建维修工单”，系统就立即写入 CMMS。这种方式演示效果很好，但在真实环境中容易出现重复创建、信息不完整、责任人错误、优先级误判等问题。

更稳妥的方式，是先让智能体生成工单草稿，由工程师确认后再提交。

二、执行权限应分级设计

工业智能体的执行能力可以分为五个等级。

L1：只读查询

智能体只能查询数据并回答问题，例如查询设备状态、报警说明、工单进度和库存信息。适合项目初期快速上线。

L2：分析建议

智能体可以基于数据和知识生成原因分析、风险判断和处理建议，但不改变系统状态。例如质量异常分析、维修建议、能耗分析和排程对比。

L3：生成草稿

智能体可以生成待确认的工单、报告、异常单、排程调整方案或审批申请。此阶段能明显提升效率，同时风险仍较可控。

L4：人审执行

智能体生成方案后，由授权人员确认，系统再执行写入动作。例如质量工程师确认后隔离批次，设备工程师确认后创建维修工单，计划员确认后调整排程。

L5：有限自治

智能体在低风险、规则清晰、可回滚的场景中自动执行。例如自动归档报告、生成低风险提醒、补全标准字段、推送异常通知等。涉及设备控制、质量放行和参数变更的动作，一般不应直接进入完全自治。

通过分级设计，企业可以从低风险能力逐步过渡到高价值流程，而不是一开始就追求“全自动智能工厂”。

三、写入动作必须具备工程控制机制

对于任何写入动作，工业智能体都应满足以下工程要求。

1. 参数完整性检查

创建工单、异常单或排程方案前，必须检查关键字段是否完整。例如设备、工单、批次、故障描述、责任人、优先级、建议处理动作和附件证据。

如果信息缺失，智能体应补充询问或生成待补全草稿，而不是直接提交。

2. 规则校验

系统应检查该动作是否符合规则。例如当前用户是否有权限，设备是否处于允许状态，批次是否已锁定，参数是否超出工艺窗口，是否需要上级审批。

3. 幂等设计

智能体可能因网络超时、用户重复提交或模型重复规划而多次调用同一接口。系统必须避免重复创建工单、重复隔离批次或重复发送通知。

常见做法是为每次业务动作生成唯一请求 ID，并在目标系统中做去重校验。

4. 回滚或补偿机制

并非所有工业操作都能直接回滚。例如批次隔离可以解除，工单可以关闭，排程可以恢复，但设备参数变更和物料投放可能无法简单撤销。因此，系统至少应设计补偿流程和人工接管机制。

5. 全链路审计

必须记录动作来源、触发问题、使用数据、模型输出、规则校验结果、审批人员、执行时间和执行结果。工业智能体进入流程后，审计不是附加功能，而是基础能力。

四、项目示意：维修工单自动生成的安全路径

假设某工厂希望让智能体辅助设备维修管理。用户输入：

“A12 设备上午连续三次主轴负载报警，帮我建一个维修工单。”

如果系统直接创建工单，可能会出现信息不完整或优先级错误。更可靠的流程是：

1. 智能体查询 A12 设备档案和当前产线。
2. 查询报警记录，确认报警代码、次数和时间。
3. 拉取主轴电流、温度、转速等趋势数据。
4. 查询近 30 天类似报警和维修历史。
5. 检索维修 SOP，生成可能原因和检查建议。
6. 生成工单草稿，包括设备、故障现象、风险等级、建议检查项和数据证据。
7. 系统检查是否已存在同类未关闭工单，避免重复创建。
8. 设备工程师确认后提交到 CMMS。
9. 工单编号、提交人和确认人写入审计日志。

这样，智能体既提高了工单生成效率，又避免了无约束自动写入带来的风险。

五、工具调用架构建议

从架构上看，不建议让大模型直接调用底层业务系统 API。更合理的做法，是在模型和业务系统之间增加一层工具网关。

工具网关负责：

• 工具白名单管理。
• 参数格式校验。
• 权限检查。
• 速率限制。
• 幂等控制。
• 敏感字段脱敏。
• 操作日志记录。
• 错误处理和回滚策略。
• 将复杂系统接口封装成业务语义工具。

例如，不要直接暴露“写入数据库接口”，而应提供“创建维修工单草稿”“查询批次质量状态”“提交排程调整申请”等业务工具。这样可以减少模型误用接口的风险。

结语

工业智能体从“建议”走向“动作”，是价值提升的关键阶段，也是风险放大的关键阶段。

企业在设计工业智能体时，应坚持读写分离、权限分级、规则校验、幂等控制、人工确认和审计追踪。尤其是在涉及设备、质量、排程、批次和工艺参数的场景中，不能让模型直接绕过生产流程执行动作。

真正成熟的工业智能体，不是无所不能地自动操作，而是在可控边界内高效推动流程，把复杂分析转化为可靠、可确认、可追溯的业务动作。