数据、规则与图纸：中新赛克在冶金工程企业落地 AI Agent 的技术路径研究
一、研究背景：AI Agent 工程化的真实堵点
2026 年，AI Agent 从概念走向工程化：Function Calling 让大模型具备调用外部工具完成多步任务的能力；MCP 协议迭代降低了企业级 Agent 的安全门槛；多智能体架构的开源项目在数周内获得过万 Star。技术底座已就绪，但产业现场的真实图景远比技术白皮书复杂。
本研究以一家世界 500 强冶金工程集团企业为样本。该企业深耕行业六十余年，业务横跨二十余国，覆盖工程设计、采购、施工、运维全环节。其信息系统现状呈现三类典型问题：
数据口径不一—— 同一供应商不同系统命名不同；同一笔成本三套报表三套口径。
系统数据孤岛—— 工程设计、采购、施工、运维各环节被各自为政的系统切割。
非结构化数据—— 大量合同、票据以 PDF / 扫描件形式堆存，无法进入分析系统。
另有 12 万张工程图纸，每张引用的数百项技术标准是否仍有效，此前依靠工程师逐页人工排查。
二、研究思路：三阶路径，先数据、再规则、后识别
面对上述问题，本研究的核心假设是：AI Agent 的价值不取决于架构先进程度，而取决于其脚下的数据土壤。 因此，落地路径不是直接部署最热门的 Agent 架构，而是按依赖关系分三步推进：
第一步 打通数据 → 第二步 预判风险 → 第三步 教会 AI 看懂图纸
每一阶都依赖前一阶的数据与能力沉淀，形成递进关系。
三、技术实现
3.1 第一阶：数据底座建设 —— 让十种 "方言" 变成一种 "普通话"
目标： 解决多系统口径不一、数据重复开发问题，建立统一数据底座。
实现要点：
数据治理：针对 10+ 业务系统制定数据标准、管理数据质量；
主数据模型：编制 6 个核心主数据模型 —— 人员、项目、客户、供应商、合同、组织；
去重与复用：口径统一后，7 个核心业务系统的数据重复开发难题得到解决；
指标体系：围绕财务、市场、人力 3 个数据资产域构建 177 个数据指标，经营数据首次实现实时可视化；
数据资产目录：沉淀 1405 项数据指标，各部门可自行查找、调用、管理。
技术形态： 湖仓一体数据底座，作为数据资产与上层应用的公共基础设施。
3.2 第二阶：风控知识化 —— 让规则从 "手工 SQL" 变为 "可计算指标"
目标： 将分散在人工核查中的风控规则沉淀为可自动化执行、可闭环处置的系统能力。
实现要点：
管理要素字典：编制 7 个主题域、30 个应用场景、138 个管理要素、421 个体征指标；
规则模型化：每个管理要素挂接风险分析模型，数据触发阈值后自动推送预警，处置流程随即启动，形成闭环；
非结构化数据接入：借助 OCR 与大模型能力，从合同文档中自动提取中标金额、中标厂商、签约时间、委托代理人等关键要素，解决 PDF / 扫描件无法进系统的问题；
算法支撑：频繁项集算法分析供应商组合投标行为；关联关系算法识别不同供应商中共用的代理人信息（电话、邮箱一致作为判据）；
知识资产入库：将风控报告、工作底稿、分析模型纳入大模型知识库，支持以对话方式调取数据、生成分析、展示过程。
效果对比： 违规串标线索识别从人工翻阅 "动辄数周" 缩短至 "几分钟"。
3.3 第三阶：图纸多模态识别 —— 从数小时到数分钟的合规校验
目标： 解决工程图纸合规校验中 "标准引用核对" 的重复劳动与漏检风险。
实现要点：
多模态识别：基于 AI-WorkForce 平台的多模态能力，利用 OCR 与大模型视觉能力自动提取图纸中的技术参数和标准引用信息；
标准库实时比对：将提取结果与标准库比对，精准识别已废止或过期标准，自动输出高、中风险合规校验报告；
多语言支持：内嵌工程领域专用翻译引擎，支持中英日韩等 7 种语言互译，保持原文排版与图表结构不变。
效果对比： 一套图纸的合规校验从人工数小时缩短至数分钟。
四、工程框架：AI 落地的乘法模型
本研究将 AI 落地抽象为一个乘法关系：
AI 落地 = 业务场景 × 模型 × 智能体 × 组织 × 数据
乘法而非加法，意味着任何一个环节失效，AI 交付效果都会显著下降。这也是本研究中先打数据底座、再叠加场景能力的原因。
五、Agent 落地的递进路径
在工程实现上，智能按场景逐层叠加，而非一步到位：
单点辅助——AI 处理单点任务，如自动提取图纸参数、生成风控报告摘要；
流程接管——AI 接管完整流程，如从图纸上传到合规校验报告输出，全程无人值守；
多智能体协同—— 多个 AI 模块分饰角色协作，如设计审查、成本核算、风险扫描等模块协同。
集成方式： AI-WorkForce 通过标准 API 层连接 PLM、MES、CRM、SCADA、LIMS 等既有系统，在原有工作流上叠加智能，而非重建系统。
六、结论与后续方向
本研究验证了一条在复杂产业场景中可复制的 Agent 落地路径：先以数据治理建立统一底座，再将业务规则沉淀为可计算指标，最后叠加多模态识别能力。 图纸合规校验仅是起点，随着数据持续流通、421 项风险指标具备实时监控能力，更多重复性工作正逐步被接管。
后续研究将围绕新场景的扩展与多智能体协同的深化展开。