我是怎么让两个AI助手说上话的:afago本体桥接框架实战实录

afago 实战实录 · 桥接框架篇

技术 · 落地 · 一个老板该看懂的事

读时 · 约 7 分钟 / 全文 1779 字

两个 AI 助手各跑各的，互相对不上话——我试了 UI 自动化、模拟键盘、CDP 远程调试三条路，全部碰壁，最后靠一个最「土」的方案让它们说上了话：共享目录 + 文件监听。

在 QY 厂的数字化项目里，我们用了两个 AI 助手：

- iD：负责数据处理、代码开发、运维巡检

- iW：负责规则维护、协议管理、DS 对接

问题来了：两个 AI 助手各跑各的，互相对不上话。

iD 发了信，iW 看不到；iW 回了信，iD 也不知道。经常出现「停工待通信」的情况——一停就是好几个小时。

更头疼的是：iW 是被动响应式的，你不敲它门，它就永远在那儿待着。

怎么办？

一开始我们试了几种方法，全是死路。

坑 1：UI 自动化（模拟人操作）

用 pywinauto 找 iW的输入框，然后模拟键盘输入。

结果：iW是 Electron 应用，输入框藏在 Shadow DOM 里，pywinauto 根本找不到。

坑 2：PowerShell 模拟键盘

用 PowerShell 的 SendKeys 模拟 Ctrl+V 粘贴 + 回车。

结果：焦点不在 iW窗口上，粘贴粘贴到别的地方去了。

坑 3：CDP 远程调试

让 iW开 远程调试端口 9222，然后用 Chrome DevTools Protocol 注入 JS。

结果：iW没开远程调试端口，用不了。而且要重启 iW，有数据丢失风险。

三条路，三个字：走不通。

试了一圈，发现最靠谱的方案竟然是最「土」的：共享目录 + 文件监听 + 自动输入。

消息格式就是一段 JSON——人能看懂，机器能处理：

消息里写清楚：谁发的（from）、发给谁（to）、说了什么（content）、什么状态（status）。

关键设计就两句话：

1. 先写临时文件再 rename，保证原子性——不会出现读到半截消息的脏状态

2. 等文件写完（大小稳定）再处理——杜绝「读到一半」的竞态

完整代码在项目桥接目录里，全程可查、可改、可重跑。

从「互相看不见」到「说上话」，当天就跑通了。

1. 不依赖 UI 自动化：文件监听是操作系统级的，稳得很

2. 不依赖远程调试：不用开什么 9222 端口，不碰重启风险

3. 有完整日志：每一步都有记录，出问题能查

4. 失败可重试：消息卡在 processing，移回 inbox 就能重跑

5. 人能看懂：就是一堆 JSON 文件，打开就能看

一句话：能跑、能查、能修，才是王道。

当前版本还有提升空间，我已经列进了待办：

- 提速：现在要 2 分钟，目标做到 10 秒

- 回执：注入成功后，往 receipt 目录写确认文件

- 失败回滚：processing 超过 30 秒没完成，自动移回 inbox

- 双向通信：现在只有 iD→iW，iW→iD 也要做

- 优先级队列：重要的消息先处理

AI 助手之间的通信，看起来是技术问题，其实是工程问题。

不要追求「高大上」的方案。共享目录 + 文件监听，听起来很土，但它最可靠，因为：

- 文件系统不会崩

- JSON 人能看懂

- 出问题手动也能搬

这就是工业界的朴素智慧：大道至简。

下一步，我们会把这个桥接框架装进服务器、接进本体系统——到时候，AI 之间、AI 和工厂系统之间，都能像这样「说上话」。

想到做到，AI 迭代，就揾周到。

《一句「我交代过了」，毁了多少工厂的月底盘点》

—— 从「裁而不落」讲到工厂最常见的执行断点：为什么交代下去的事会凭空消失，以及我在自己的 AI 班子上试出的三条补丁。附本周装载率实报。

👉 领取方式：关注公众号「清新牛发」，回复「AI员工」，免费领取《AI 员工发动手册·第一课：看板识别 10 问》。

如果你也在琢磨「AI 员工怎么管、怎么立规矩、怎么省老板的双手」，欢迎在评论区留言，下一期可能就写你问的题。

#afago进化实录 #AI员工 #AI落地 #AI转型 #数字化 #制造业 #工厂管理 #AI协作