ARTICLE · 1206784
工业检测软件 AI Agent 实践(2)
工业检测软件 AI Agent 实践(2)上一篇记录了一次凹坑检测任务，重点放在 AI Agent 如何调用工具、完成分析并输出结果。 这一篇仍然从工业检测软件出发，但想讨论的问题更宽一些。 弯管检测插件的开发，是工业检测 AI 智能体的一次实践尝试，也是一次对软件价值的沉浸式思考。 这次开发从一个具体的工业场景开始，最后不断指向一个更普遍的问题： AI 确实降低了软件生成的成本。一个界面、一段数据处理逻辑、一个局部算法，都可以比过去更快完成。功能孤立、业务上下文简单、输入输出关系明确的工具，更容易被重新生成，也更容易被替代。 软件不会因此整体变成“日抛品”。更可能发生的变化，是软件价值开始分化。 有些工具的价值集中在单个功能上，功能被复制之后，原来的实现很难继续保持优势。有些应用嵌入了真实数据、工作流程、专业规则和用户资产，替换它需要同时迁移多种关系。还有一些平台长期承载数据、对象、流程、接口和生态，新的应用可以不断在上面生长。 弯管插件提供了一个具体的观察窗口。 判断一个软件是否值得长期投入，不能只看它有多少功能，也不能只看它能否被 AI 快速生成。 更重要的问题是：它在持续承载什么。 有些系统承载长期积累的数据资产，例如客户、订单、实验记录、工程模型和设备状态。数据在系统中持续产生、更新和关联，软件的价值也随之积累。 有些系统承载稳定的工作流程和决策规则。用户依赖的不只是某一次处理结果，还包括审批、协作、版本、任务和规则执行能够保持连续。 有些系统承载复杂的对象关系和状态。一个对象可能拥有多个版本、多个关联对象和多个处理阶段，局部修改不能破坏整体状态。 还有一些系统连接外部设备、软件、用户资产和数据服务。它们的价值来自长期接口关系，新的能力可以加入，原有流程也可以继续复用。 它们的共同点，是用户依赖的不只是某个按钮或某次计算，而是系统能够让数据、流程、规则和对象关系持续保持。 AI 会让表层功能更容易生成，也会让已有平台上的关系更容易被重新组合。一个平台如果已经组织好数据、流程和接口，AI 就能帮助更多领域应用接入其中。 
这意味着，软件价值不会简单地整体上升或整体下降。更可能的情况是，容易复制的表层功能价格和生命周期受到影响，而能够持续承载复杂关系的系统，长期价值变得更加清晰。 弯管检测首先是一个非常细分的工业检测应用。 它不像通用尺寸测量、通用三维比较或常见企业管理系统那样，拥有大量相似用户和高度统一的流程。弯管生产厂家和相关检测场景相对集中，产品形式、检测标准和交付方式也不完全相同。 这会直接影响软件的开发方式。 如果为每一家弯管厂家单独开发一套完整软件，就需要重复建设模型管理、网格处理、三维交互、特征创建、坐标变换、结果保存和报告输出等通用能力。对于这样一个相对细分的市场，重复建设完整软件内核，很难形成理想的规模效应。 弯管检测的定制化还来自第二个维度：不同厂家对检测结果的使用方式并不相同。 有的厂家主要关注弯管的 YBC 参数；有的更关心每段直管长度、弯半径、弯角和平面角；有的需要把检测结果转换成工艺补偿值；有的需要使用自己的编号、坐标方向、偏差格式和报告模板。 相似的几何识别过程，可能对应不同的结果结构。结果需要进入客户已有的检测与交付流程，而不是停留在三维视图中的一次性显示。 
因此，弯管检测软件需要同时具备两个层次： 底层有一套相对稳定的检测内核； 上层能够适应不同厂家的参数口径、结果字段和交付方式。 这更接近“共用内核、定制表达”的软件形态。 不同厂家并不一定需要完全不同的算法。很多共同部分可以复用，包括模型处理、几何拟合、对象管理和质量检查。差异更多地体现在结果如何组织、参数如何解释、报告如何交付，以及检测规则如何和客户流程连接。 这也是弯管检测适合依托工业检测平台进行定制化开发的原因。平台提供共同的模型、数据、特征和流程基础，插件实现弯管领域的专业规则，报告和配置层再适应不同厂家的使用方式。 这里的定制化，并不意味着每一家客户都要重新写一套算法。更多时候，差异发生在结果如何组织、参数如何解释、报告如何交付，以及检测规则如何和客户流程连接。 弯管检测插件的输入和输出都依托真实的测量模型。它需要从一根实际的弯管网格开始，识别直段、弯段和端部结构，再把结果转化为平台中的特征和报告数据。 
如果完全脱离现有工业检测平台，重新开发一套弯管检测工具，需要建设的内容远不止算法。 首先要管理测量模型和网格数据，区分多个对象，提供三维视图和点选交互。然后要建立点、线、面、圆柱、中心线等几何对象，并维护它们与模型之间的关系。 软件还要处理模型坐标、坐标变换、对象显示、目录组织、工程保存、结果追溯和报告输出。用户改变模型状态以后，相关对象是否同步，重新打开工程后状态能否恢复，结果是否还能找到对应的原始数据，都需要系统内核来保证。 这些工作单独看都可以完成，但它们之间必须保持一致。弯管应用一旦自己承担这些内容，很多精力就会从弯管专业问题转移到通用检测软件建设上。 基于 Inspect 开发插件，平台已经提供了测量模型、网格、三维显示、特征对象、坐标体系、目录管理和结果环境。插件主要处理弯管领域的差异： 
平台并没有替插件完成所有工作。平台接口、对象状态和生命周期仍然需要理解，部分行为还要通过实验验证。区别在于，开发者面对的是“如何正确使用平台”，不必重新建设一套完整的工业检测系统内核。 这两种方式的差异，不只是代码量的差异。 独立工具需要同时解决通用系统问题和弯管专业问题。平台插件可以复用共同基础，把开发资源更多放在行业差异、客户结果和专业规则上。 插件最终呈现的也不只是一个数值。模型、点云、几何特征和拟合结果需要在同一个检测环境中相互对应，用户才能继续检查和复核。 在这个环境中，几何特征、测量对象和辅助信息可以被继续查看、核对和复用。平台提供的是一个可持续工作的检测上下文，而不是一次性的计算画面。 弯管检测市场细分、厂家数量有限、结果需求又存在差异。如果每一家厂家都从头建设一套独立软件，重复成本很高；如果完全依赖一个不允许扩展的平台，客户差异又无法表达。 平台提供共用内核，AI 降低定制开发成本，二者结合之后，才形成了更现实的路径：共用一套稳定基础，再根据不同客户的检测口径、参数和结果形式进行扩展。 这次弯管插件开发过程中，AI Agent 的帮助主要体现在平台能力与行业需求之间的连接。 平台接口可以先被转换成小型实验。一个实验只验证一个问题：某个参数是否生效、对象是否创建、状态是否持久化、特征是否跟随模型。这样，开发者不必先把所有平台细节都理解透，再开始真正开发，而可以在试验中逐步建立理解。 实际开发中，点云分段、端面处理、坐标系、圆柱拟合和质量报告都经历过类似过程。AI Agent 可以快速生成探针、读取日志、对比不同结果，再把模糊的“看起来不对”转换成可以计算和复现的问题。 但 AI 并没有替代专业判断。哪些区域属于产品主体，哪些端部结构应该纳入检测，弯侧过渡带如何处理，产品理论值和公差来自哪里，这些仍然需要检测人员和领域开发者定义。 AI 降低的是平台能力被理解、调用、组合和验证的成本，不是取消平台内核和专业规则的必要性。 在这个意义上，弯管插件不是一个脱离平台的一次性小工具。它是 Inspect 在弯管检测场景中的一次定制化延伸：平台承载共同能力，插件表达领域差异，AI 帮助降低两者之间的转换成本。 
AI 会让一次性、孤立的工具更容易被生成和替代。 功能越简单，业务关系越少，越容易被新的代码重新实现。贴近真实流程的应用，需要处理数据关系、对象状态、专业规则和结果解释。平台则需要承载不同应用长期使用同一套数据、流程和接口。 弯管插件没有重新实现一套三维测量软件。它依托平台已有的模型、网格、特征、坐标和结果环境，增加了弯管领域的识别规则和检测表达。 这次开发说明： AI 会让一次性、孤立的工具更容易被生成和替代，但也会让基于平台构建领域能力变得更容易。 真正有长期价值的，不只是某个功能本身，也包括能够承载这些功能持续生长的平台。
弯管检测插件带来的软件价值思考
当 AI 让软件越来越容易被做出来，软件还值得长期投入吗？
AI 让软件更容易生成，价值开始向承载关系集中
这些关系在不同的软件中有不同表现： 企业系统管理客户、订单、库存和业务状态； 设计软件管理模型、参数、版本和协作关系； 开发工具管理代码、构建、部署和团队资产； 数据系统管理数据集、指标、权限和计算任务； 工业软件管理测量对象、几何特征、检测结果和分析状态。
图注：AI 不会让所有软件变成“日抛品”，但会让软件价值加速分化。
弯管检测的定制化来自市场细分与结果差异
现场截图：同一类几何结果可以按照具体客户的字段、编号和交付方式组织。
独立工具和平台应用，差别在于是否需要重新建设系统内核
中心线和直弯分段； 直段点云划分； 管径和弯曲参数； 端部和过渡区处理； 专业特征命名； 数据质量自检； 面向不同客户的结果表达。
AI 让小众领域基于平台定制变得更经济
图注：平台的价值，不只是提供基础功能，也在于让不同领域的定制化能力持续生长。
软件价值会回到系统内核和平台能力
可靠拟合能力决定结果能否被信任； 数据关系决定结果能否被复核； 系统内核决定对象和状态能否保持一致； 结果语义决定用户是否会误解软件结论； 平台接口决定领域应用能否持续扩展； AI Agent 降低了平台定制化开发的成本。
