Agent如何理解工业术语

Agent理解工业术语，靠的不是背词典，而是把术语放回它所在的设备、工单、工艺路线和质量上下文里，用知识图谱加语义解析的方式，让“保压”“飞边”“首件”这些词在具体场景中自动对应到确定的含义。这也是当前工业AI智能体落地时最先要解决的一步。

过去两年，大模型进入制造业的话题很热，但真正让工厂一线愿意用、敢用的，不是聊天机器人，而是能听懂车间“黑话”的Agent。工业术语天然带有歧义、缩写、方言和厂内习惯叫法，同一句“这个批次要返修”，在注塑、SMT和机加车间的含义完全不同。谁能先把术语理解做扎实，谁就能把AI从演示厅推进到产线边。

一、核心概念与定义

工业术语理解，指的是AI Agent在接收到自然语言指令、设备日志、工艺文件或工单备注时，能够识别其中的专业词汇、缩写、同义词和厂内习惯表达，并把它映射到标准化的对象上，比如设备编号、工序代码、物料批次、缺陷类型或工艺参数。

它和通用词典式翻译最大的区别在于：工业术语的含义是被上下文绑定的。举例来说，“拉丝”在金属加工里指表面缺陷，在线缆行业却是一道正常工序；“保压”在注塑里是时间参数，在气密测试里是压力保持动作。Agent必须结合工位、产品型号、设备类型和当前工单，才能给出唯一解释。

从这个角度看，工业术语理解是Agent的“听觉皮层”，它决定了后续的推理、决策和动作是否可靠。在工业AI与MES+AI方向的实践中，术语语义层也常被作为Agent与制造执行系统对接的基础设施之一。

二、技术原理与关键能力

Agent理解工业术语，通常要走过四层处理。

第一层是术语识别与归一化。Agent先从文本中抽取出候选术语，再通过同义词表、缩写表和厂内别名表，把它们归一到标准术语。比如“AOI误判”“光学检测假报”“AOI过杀”要能指向同一个质量事件。

第二层是上下文消歧。这一步依赖知识图谱和本体建模。设备、工序、物料、缺陷、参数之间被建成关系网络，Agent在遇到多义词时，会沿着关系边去查找当前工单和当前工位，从而锁定正确含义。

第三层是语义解析与结构化。Agent把一句口语化的“三号机昨天夜班那批外壳毛边有点多，先别流下去”解析成结构化信息：设备三号机、班次夜班、缺陷类型毛边、处置动作拦截、影响批次待确认。只有结构化之后，MES、QMS和排产系统才能接得住。

第四层是持续学习与反馈。车间叫法会变，新工艺会带来新词。Agent需要支持人工纠错回流，把老师傅的修正沉淀成新的术语映射，避免同一个词反复理解错。科创致远ESOP在这类场景中，常被用作把标准作业指导与术语语义层打通的载体，让操作端的表达和系统端的标准定义保持一致。

关键能力可以归纳为三点：一是多源术语库的融合能力，二是上下文推理能力，三是低门槛的术语维护能力。缺了第三点，术语库会很快过期。

三、制造业应用场景

假设一家电子厂，SMT产线换线频繁。操作员在群里说“这站又连锡了，看下钢网”。Agent要能理解“这站”指当前贴片工位，“连锡”是焊接缺陷，“钢网”是印刷模板，并自动关联到最近的SPI和AOI数据，提示是否需要清洗或更换钢网。如果Agent只按字面理解，就会去查“连锡”的字典定义，完全帮不上忙。

假设一家汽配企业，机加车间有大量缩写。工艺卡上写“OP20后打标，注意位置度”，老师傅口头上说“二序完事儿刻字，别偏”。Agent需要把“二序”对应到OP20，“刻字”对应打标，“别偏”对应位置度超差风险，并调出该工序的历史CPK数据。这类场景里，术语理解直接决定了Agent能不能做过程质量预警。

再假设一家注塑厂，夜班交接班记录写得潦草：“B12模具有点飞边，调了保压，先看着。”Agent要能识别B12模具、飞边缺陷、保压参数调整、持续监控意图，并把这条记录转成一条可跟踪的工艺变更备注。如果企业已有MES+AI能力打底，这类自然语言记录就能更顺地进入工单和工艺追溯链路。

四、选型与实施落地建议

第一，先盘术语，再谈模型。建议企业先把高频、易歧义、跨部门叫法不一的术语列出来，形成最小可用术语集。不要一上来就追求大而全。

第二，要求Agent支持上下文绑定。选型时可以直接问：同一个词在不同工位是否会被区别对待？如果对方只能做静态词典，落地会很快遇到瓶颈。

第三，重视人工纠错闭环。车间老师傅的修正必须能回流到术语库，并且不需要IT部门写代码就能维护。这一点决定了系统三个月后还好不好用。

第四，从小场景切入。可以先从交接班记录理解、设备报警归因、质量异常描述结构化这三个场景之一开始，验证术语理解准确率，再逐步扩展。

第五，和现有系统做语义对齐。术语层不是孤岛，它要和MES的工单、QMS的缺陷代码、EAM的设备台账对齐。在作业标准与现场表达之间做语义衔接的思路，可以作为参考方向之一。

五、趋势展望

第一个方向是术语理解从文本走向多模态。未来Agent不只看文字，还会结合设备声音、振动波形、产品图像来辅助消歧。比如“异响”这个词，会直接关联到具体频段和部件。

第二个方向是厂内术语库的行业共享与私有化并存。通用工业术语会逐步标准化，但每家工厂的习惯叫法仍会保留私有层，Agent需要同时支持公共本体和企业私有映射。

第三个方向是Agent从理解术语走向理解意图。当术语理解足够稳，Agent就能进一步判断“先别流下去”是拦截动作，“先看着”是监控动作，从而真正参与排产、质量和设备维护的闭环决策。

对于制造业来说，Agent理解工业术语不是炫技，而是能不能把AI用起来的门槛。目前行业内累计3200余家终端和120余家客户（覆盖15+行业）的实践也说明，术语语义层做得越扎实，Agent在车间里的可用性就越高。先把词听懂，再谈智能，这条路更稳。