Agent走进车间之后：如何让工业积累持续转化为生产力？

　　光明网讯（记者 刘晗旭）当Agent从知识问答、内容生成走向参与真实任务，制造企业需要回答一个更长远的问题：今天积累的知识、数据和流程，能否让明天更强的AI接着用？国务院《关于深入实施“人工智能+”行动的意见》提出，推动工业全要素智能联动，加快人工智能在设计、中试、生产、服务、运营全环节落地应用；工业和信息化部等八部门发布的《“人工智能+制造”专项行动实施意见》也提出，到2027年推出1000个高水平工业智能体、推广500个典型应用场景。

　　9月15日，2026飞书未来无限大会暨豆包工作开工大会在北京举行。会上，飞书发布8.0版本，为适配Agent进行系统性重构；国内首个团队智能体产品“豆包工作伙伴”同步发布。飞书CEO谢欣表示，飞书是“Agent最好的工作平台”，与原生融合的企业级Agent豆包工作结合，将成为AI时代工作的选择。

　　在先进制造专场，来自钢铁、汽车、家电等领域的企业分享了AI进入一线的不同路径。这些实践都面向了一个共同课题：如何让企业多年积累的专业知识、生产数据和一线经验，随着AI能力的进步持续发挥价值。制造业既是Agent的应用场景，也为应用的建设与改进提供知识、人才和真实反馈。

　　从对话框到工作流：让Agent跟上真实业务的变化

　　飞书8.0对Agent的适配，首先体现在“像人一样参与工作”。根据发布信息，用户可在群聊中搜索名字将Agent拉进群，Agent也可以撰写文档、操作多维表格、安排日程待办、参与会议、查阅云盘和妙记、发起审批流程。企业管理Agent时，则可统一配置权限、追溯使用情况、设定AI用量上限，并管控高消耗模型与场景。

　　对于制造业而言，这一点尤为关键。车间里有设备数据，集团里有ERP、MES、OA、BPM等系统，部门里还有点检表、维修记录、工艺手册和会议纪要。这些信息随着生产不断变化。如果每次使用AI，都要重新收集资料、同步进展、搬运结果，企业就会承担持续的维护负担。豆包工作与飞书原生融合后，共用同一套账号体系，能在授权范围内获取业务上下文；其数据访问和操作沿用飞书用户身份和权限，并可结合“技能”和“连接器”，按照企业既有标准和权限操作业务系统与工具。

　　这意味着，Agent进入制造业，需要让日常工作中更新的记录持续成为AI的工作依据，让AI产出回到原有流程，由员工检查、处理和完善。专业系统连接和知识治理仍然必要，协作平台的价值在于减少重复整理与交接，让应用能够跟着业务变化不断改进。

　　从系统入口到一线岗位：专业知识要真正被用起来

　　对坐拥深厚数字化家底的制造企业来说，Agent的核心价值，首先是打通专业知识直达一线的通路。南钢已有行业领先的钢铁业务大模型“元冶”，也有多年数智化积累，但如何响应大量具体到岗位的需求，仍是一道现实课题。南钢数智化融合发展部总经理、人工智能研究院院长李瑾彦在现场用“高速公路”作比：企业已经建好数字化基础，但员工从“高速公路”回到具体工作岗位的路，还需要补上。南钢由此将飞书融入既有数智化架构，作为统一协同平台和AI入口，让更多员工能够使用工具、解决身边的问题。

　　钢铁生产一线，AI的价值首先体现在“守稳”。南钢高炉工长AI助手将操作、语音交互和经验复盘中形成的炼铁知识，按8大分类体系整理进知识库，为一线提供可随时查询的专业支持。工长遇到问题，可直接在飞书群里@AI助手，5秒内获得答案。李瑾彦特别提到，如何让知识和复盘更加结构化、在操作过程中形成可积累的知识，同样重要。这让老师傅的经验能够被记录、传递，并持续用于帮助新人成长。

　　热处理班组的一线工人则用“豆包工作”搭出热处理工艺搜索和排产交互辅助工具。南钢本身已有排产引擎，一线仍有数据处理、工艺查询以及订单和设备变化后的分析需求。班组人员围绕这些具体需求搭建工具，钢板牌号对应工艺参数的查询时间缩短至10秒。专业算法与一线工具各有分工，员工也能亲手改善自己最熟悉的工作环节。

　　这种参与还带来了人才发现与培养的机会。南钢飞书AI效率先锋岗位技能“百冠赛” 吸引1000多人参加，筛选出217份初赛案例。李瑾彦表示，通过这些实践，企业找到了有数据意识、AI能力和动手能力的复合人才“种子”。工业经验的价值，由此进一步体现在应用建设和持续改进中。

　　从上线到上岗：AI要经得起现场检验

　　“上线是系统部署好了，他能用；上岗是他靠谱到，你真正愿意把一个活交给他。”东风奕派武汉工厂设备保全室主任汤俊在现场分享“设备大师”时说道。初版设备大师把维修经验、停工报告、原理手册等放入飞书知识库，再连接豆包工作伙伴，但上线第一天并没有被老师傅接受。因为维修工需要的不是“所有可能原因”，而是“此时此刻，针对眼前设备，到底应该怎么做”。

　　设备大师后来的升级，被汤俊概括为给它装上“眼睛、脑子和手”。所谓“眼睛”，是接入设备已有数据。以喷涂机器人为例，流量、转速、高压、成型空气等数据本来就在设备里存储。与此同时，原本记录在飞书多维表格中的点检数据，以及知识库、群聊中的工作信息，也能被豆包工作直接读取。员工日常积累的业务记录，由此成为智能体了解现场、分析问题的依据。据汤俊介绍，接入后，故障现象定位时间从30分钟缩短到2秒。

　　所谓“脑子”，是让智能体从查找历史经验走向结合现场数据与设备机理进行分析。在一次真实案例中，设备大师调取历史数据，从点检记录中发现了一处被人工漏看的异常：台车四角高度差达到5毫米，超过设备允许的3毫米偏差。它进一步结合设备原理，分析台车倾斜如何改变喷涂距离、影响电流与电压，将计算出的28.9千伏与现场实测值比对一致，最终给出“请调平台车，避免可能的高压故障”的建议。从发现记录中的异常，到建立台车状态与喷涂参数之间的联系，已有点检记录与设备数据共同支撑了这次判断。

　　面对“智能体判断和一线维修工经验不一致怎么办”的问题，汤俊回答：“听一线员工的。”随后再通过追溯、验证和复盘，让AI在一次次真实维修中被调优。这套应用由设备保全人员自主搭建、持续维护。一线人员既提供经验，也检验结果、调整应用，生产现场因此成为AI应用持续改进的来源。

　　另一边，海信则把“经验复用”落到服务协同中。海信空气事业部客户服务部AI先锋李亚雄利用飞书多维表格和工作流，将项目提报、现场勘测、方案报价、安装、交付和回访串联起来。新项目提报后，系统可在10秒内自动完成派单、建群和项目背景同步；目前这套系统每月能够同时服务140多个项目。李亚雄还通过内部培训推广应用方法，目前已开展8场培训、覆盖700多人，配套知识库被查阅2000多次。他用一句话概括这项实践：“让一个人的Know-how，变成整个组织的生产力。”

　　“最懂业务痛点的人，最应该第一个拿起AI工具。”飞书首席商业官林婵在飞书大会现场表示。让更多懂业务的人参与应用建设，需要工具普及，也需要人才培养。据她介绍，自2023年以来，飞书联合792家企业，培养并认证近9万名“AI先锋”；近400家企业在近1800份招聘启事中写明“飞书AI先锋，优先录用”。这组跨行业数据，也为观察企业对业务与AI复合技能的需求提供了一个切面。从发现问题、搭建应用，到验证效果、分享方法，懂业务的员工开始把自己的判断做进工具，并在持续改进中扩大专业经验的作用范围。

　　制造业进入Agent时代，竞争的重点正在从“单点AI应用”转向“组织级AI能力”。模型能力固然重要，但真正决定落地成效的，是它能不能进入岗位、连接系统、理解流程、沉淀经验，并在真实生产中被验证。

　　从南钢的高炉工长AI助手，到东风奕派的设备大师，再到海信的安装协同系统，飞书与豆包工作所提供的，不只是一个AI工具入口，更是一种把企业已有数字化基础、一线经验和团队协作连接起来的方式。Agent真正改变制造业的时刻，不在演示台上，而在车间、班组和服务现场：故障更快被发现，经验更快被传下去，流程更快闭环，更多一线员工也能参与到AI应用建设中。

　　如果说智能制造的上一阶段，重点在于让设备和系统“连起来”；那么Agent时代的新课题，是让知识、数据和人“协同起来”。让多年积累的知识、数据和经验随着AI升级持续增值，减少每追一轮技术就重做一轮建设的成本，制造企业的“老本事”才有机会不断转化为新优势。