ARTICLE · 1223754
买通用AI助手还是做定制?先思考这几个问题
通用 AI 助手和定制 Agent 不是二选一。对工厂来说，真正要问的是：流程要控制到多细、做错了后果多大，以及最容易被忽略的一点——你的生产数据，AI 能查准吗？
最近不少客户问我们同一个问题：
「腾讯 WorkBuddy 企业版也能接知识库、接系统、建数字员工，一个人一个月一两百块。我们还有必要再做定制的 AI 吗？」
这个问题问得很好。前几天刷到视频号「江哥AI落地实战」的一个视频《有了 WorkBuddy，企业还需要定制 Agent 吗？》，给出了一个很清晰的判断框架。我们很认同，也想结合在工厂里做 AI 落地的经验，补上两点视频没有讲到、但在制造业里恰恰最关键的东西。
一、不是二选一，而是控制到多细
先说结论：WorkBuddy 像给每个员工配了一个很强的数字助手；定制 Agent 更像为业务搭一条 AI 生产线。两者可以同时存在。
查资料、写方案、做会议纪要、问制度——这类知识工作，通用助手上手快、成本低，完全够用。但工厂里还有另一类事：质量追溯、良率异常分析、生产任务跟进。它们要不要定制，可以用三个问题来判断：
1. 你是在增强员工能力，还是在重构业务流程？ 让一个人写得更快，用助手。让「发现异常、定位原因、派发整改、跟踪闭环」这整条链路自动跑起来，就是在重构流程。
2. 流程需要控制到多细？ 大致按 SOP 执行就行，通用助手够了。如果有明确的分支、状态、审批、权限、异常处理和人工接管，这些就不能只写在提示词里，得由系统来保证。
3. AI 做错了，后果有多大？ 写错一份报告，人看一眼就能改。可如果是报错良率导致误判、改错系统数据、漏掉一个质量问题，损失就是实打实的。后果越严重，越需要细致的控制和留痕。
这三个问题问下来，大多数工厂会发现：办公场景用通用助手，生产和质量的核心流程需要更细的控制。
二、工厂还要多问一句：你的数据，AI 能查准吗？
视频讲的是「流程控制」。但在制造业，我们碰到最多的问题往往不在流程，而在数据。
举个最简单的例子。质量经理问：「上周 A 线良率是多少？」
流程上一点都不复杂，可只是把 AI 接上 MES 数据库，它大概率会答错。因为它不知道：
●良率有不止一种算法。 一次良率和综合良率，分子里要不要算让步接收，结果可能差好几个点。
●有些字段看着对，其实不能用。 比如人工手填的汇总数，和条码级的实际记录对不上。
●有些记录要先排除。 比如已经撤销的报工、非生产工单，不排除就会把良率和产出算高。
●哪些表是活的，哪些已经废弃。 一个用了多年的生产系统，里面往往躺着上百张不再更新的表。
这些知识不在任何大模型里，也不在平台的说明书里，而是在工厂的信息部和老师傅脑子里。平台可以买，但把这些知识一张表、一个字段地梳理成 AI 能正确使用的东西，得有人来做。
所以，在视频的三个问题之外，工厂还应该问第四个：我们的业务数据，AI 能不能按我们自己的口径查准？
三、定制，不等于从零开发
很多企业对「定制」有顾虑：贵、慢、做完没人维护。如果定制意味着每个项目都从头写一套系统，这些顾虑完全成立。
但还有第三条路：在平台上定制。
一个能在工厂里长期跑的 AI，有大量「与业务无关」但必须有的能力：统一登录、组织权限、每个人的数据隔离、操作审计、连接各种业务系统的接口、工具调用的安全控制。这些应该做成平台，每个客户都能复用。
真正需要定制的，只是那些只有这家工厂才有的东西：它的业务口径、数据结构、质量流程和管理习惯。
平台越扎实，每增加一个业务助手就越快、越便宜。
四、我们的平台是怎么搭的
「在平台上定制」说起来简单，关键是平台本身要合格。工智图谱的平台分成五层，再加一个贯穿各层的管理后台：
●统一门户：员工用一个账号登录所有助手，可以从企业自己的 OA 一键进入，不用再记一套密码。
●AI 员工（SemaCrew）：每个业务助手都有一份「岗位说明书」，写明它的职责、规则和能用的工具，还配一套评测题。助手每次修改，都要先跑一遍评测。
●运行底座（SemaOS）：基于业界主流的开源智能体引擎，外面加上企业级的隔离和安全。每个员工用每个助手，都在一个独立的运行环境里，对话、记忆、文件互不相通；AI 写的代码在沙箱里运行；AI 要访问 MES、ERP，必须经过网关再授权一次，系统密码始终不交给 AI。
●知识与数据（SemaCortex、SemaForge）：这是我们最看重的一层。文件服务器里的文档同步进知识库时，原有的访问权限一起带过来，员工只能搜到自己本来有权看的内容。查数按梳理好的工厂口径来，AI 生成的每一条查询语句在执行前都要先过一道语法检查，只允许查，不允许改。
●企业底座（SemaCore）：统一身份、组织架构、细粒度权限、审计留痕和消息通知。和企业的人事系统打通，有人入职、离职、调岗，权限自动跟着变。
●管理后台（SemaTower）：看用量、开通功能、诊断问题，企业自己就能管起来。
一个问题在系统里怎么走？ 以质量经理问「上周 A 线良率为什么降了」为例：
1. 系统先确认他是谁、能看哪些产线的数据。
2. 问题进入他自己的质量助手运行环境。
3. 助手按工厂口径查 MES：只读、先检查再执行。
4. 同时从知识库里找相关的工艺文件和历史经验。
5. 给出可能的原因和依据。
6. 经理确认后，一键生成整改任务，指定负责人，系统自动催办。
7. 全过程留痕，事后可以查。
五、我们在项目里是怎么做的
工智图谱专注制造业的 AI 落地。在一家上市电子元器件企业的项目里，我们做的就是上面说的这几件事：
先把数据弄懂。 和客户的信息部、业务部门一起，把 MES 数据库一张表一张表地梳理清楚：哪些表还在用、表和表怎么关联、每个指标怎么算、哪些字段有坑。最后沉淀成一套标准口径和经过验证的查询方法，支撑了 25 个业务助手。
再把流程管住。 每个助手只能查自己负责的产品和工段，这条规则由系统强制执行，用户怎么要求都不会被绕过；AI 只能查数据，不能改数据；每一次查询都有记录。
让结论变成行动。 分析出问题之后，任务助手可以直接创建整改任务、指定负责人、自动催办和预警，而不是停在一份报告上。
数据不出厂。 整套系统部署在客户自己的服务器上，和客户的统一登录、人事系统打通，人员变动时权限自动跟着变。
写在最后
WorkBuddy 这类通用助手是好东西。员工在企业微信里用它写周报、整理会议纪要，完全没问题。
但如果你想让 AI 进入生产和质量的核心环节，可以先问自己四个问题：
1. 我是在增强员工，还是在重构流程？
2. 这个流程需要控制到多细？
3. AI 做错了，后果有多大？
4. 我们的数据，AI 能按我们的口径查准吗？
如果后三个问题的答案都是「很细、很大、不确定」，欢迎和我们聊聊：在公众号对话框回复【落地】，或点击菜单“免费需求盘点”，也可以留言告诉我们，你工厂里最想用 AI 解决的一个问题。
