把工业软件打碎,构建自己的技能包(Skills)

题记：一个过程工业AI从业者的工具链重构手记

【特别声明：本文所提的所有skill创建工作，没有用任何商品软件的任何代码。 传统软件的功能“打碎”和skills创建，绝不是把过去代码的改写。目前我已经创建的所有skills，还仅在团队内使用。在适当时候会公开分享，但不是现在。】引子：工具，还是技能？你有没有这种感觉，买了一堆专业软件，花了大价钱，学会了菜单，却还是解决不了问题？Minitab 20个菜单，JMP 26个分析模块，Aspen Plus 24个单元操作……每一个菜单背后都是一套完整的方法论，但当你真正需要用它的时候，你会发现：菜单是菜单，问题是问题，中间隔着一道鸿沟。过去三个多星期，我做了一件事：把主流工业软件逐个打碎，从菜单还原到每个原子功能，然后用自然语言把它们重新封装：变成了"Skills"。今天，我想把这件事完整地讲给你听。第一部分：为什么要把软件"打碎"？软件是工业文明的结晶，但它有一个根本矛盾：软件设计者预设了使用场景，而真实工业问题从来不是预设的。一个精馏塔控制系统故障，可能是塔顶组分异常（需要PCA）、阀门响应迟滞（需要FOPDT辨识）、控制参数漂移（需要实时SPC）三个问题的叠加。没有任何一个软件的菜单会教你"先做PCA，再做FOPDT，最后切SPC"，因为这需要的是对问题的深刻理解，而不是对菜单的熟悉程度。所以，正确的思路不是"学更多的软件"，而是"把软件的原能力提取出来，随时调用"。这就是Skills的本质：不是学软件，是获得能力。

第二部分：Skills是什么？一个Skill，本质上是一个最小完备的能力单元。它包含：能力描述：这个Skill能解决什么问题操作步骤：如何调用它（用自然语言即可）核心算法：背后的原理与公式Python实现：直接可运行的代码工业案例：真实场景的量化效果误判防范：常见的错误与规避方法关联Skills：与哪些其他能力配合使用当你对AI说"帮我分析这批过程数据的主成分"，系统会自动调用simca_pca这个Skill，返回分析结果、图表和解读。不需要你知道任何Minitab或SIMCA的操作菜单。【一】控制系统工具链 qcorp_control（10个）qcorp_control是我自研的MATLAB Control Toolbox等效引擎，基于Python（numpy/scipy/matplotlib），完全零MATLAB依赖。control_lti：传递函数/状态空间/zpk/pid/frd建模与转换control_analysis：阶跃/bode/nyquist/裕度/sigma/pzmap时域频域分析control_design：根轨迹/极点配置/LQR/Kalman/LQG/PID整定control_plot：MATLAB风格绘图（bode_plot/step_plot/rlocus_plot）control_ident：ARX/TFest/SSest系统辨识control_robust：H2最优控制/H∞鲁棒控制（优雅降级）control_linalg：Lyapunov方程/离散Lyapunov/广义Lyapunovmimo_ddso：MIMO滑动窗增益估计与配对优化control_mspc：多变量统计过程控制control_filter：滤波器设计（Sallen-Key/Butterworth/Chebyshev）典型案例：精馏塔温度-流量耦合系统，经LQG整定后，闭环时间常数从45s压缩至28s，超调从12%降至0%。【二】统计分析工具箱：Minitab（20个）+ JMP（26个）Minitab工具箱（20个）覆盖统计推断、实验设计、质量工具、可靠性、时间序列全流程。minitab_basic_stats：描述统计/Z检验/t检验/比例/相关/正态性minitab_graphics：Graph Builder/帕累托/箱线/直方/散点/热图minitab_regression：线性/非线性/逻辑/Cox/PLS/逐步回归minitab_anova：单因素/多因素/GLM/嵌套/裂区/协方差minitab_spc：I-MR/Xbar-R/EWMA/CUSUM/能力分析minitab_doe：全因子/2^k/Plackett-Burman/RSM/Taguchi/混料/D-最优minitab_quality：Gage R&R/属性一致性/鱼骨图minitab_reliability：Weibull/对数正态/Kaplan-Meier/加速寿命minitab_timeseries：趋势/分解/Holt-Winters/ARIMAminitab_nonparametrics：符号/Wilcoxon/Kruskal-Wallis/Friedmanminitab_predictive_analytics：CART/RF/TreeNet/MARS/AutoMLminitab_multivariate：PCA/因子/聚类/判别/对应分析……JMP工具箱（26个）与Minitab互补：JMP强项在实验设计（Custom Designer）、可靠性（退化分析）、功能数据分析（FDE）、预测建模（模型筛选）。典型案例：某石化企业用minitab_doe优化加氢裂化反应条件，筛选出3个关键因子（温度/压力/空速），二阶模型R²=0.97，年增效益约2400万元。【三】六西格玛 DMAIC 体系（6个）DMAIC五阶段，每个阶段对应一个Skill，形成完整质量改进闭环。sixsigma_define：VOC客户之声→CTQ关键质量特性→SIPOC→项目章程sixsigma_measure：MSA测量系统分析→DPMO计算→Cp/Cpk/Pp/Ppk能力评价sixsigma_analyze：假设检验→ANOVA→回归→鱼骨图→5-Why→FMEAsixsigma_improve：DOE优化→FMEA优先级→RSM响应曲面→试点验证sixsigma_control：控制图(I-MR/XbarR)→SOP→Poka-Yoke防错→控制计划sixsigma：总控，协调五阶段衔接与ROI计算典型案例：某淀粉提取率提升项目（DPU从11.2t降至7.8t），年增效益约450万元。【四】SIMCA-online 多变量过程监测（12个）SIMCA-online是实时多变量过程监测（MSPC）的工业标准。与qcorp_control形成"预警-控制"双层闭环：qcorp_control处理单变量、法规级关键控制，SIMCA处理多变量、早期预警。simca_online：总控，SIMCA生态全景与部署流水线simca_pca：主成分分析（NIPALS算法），T²/SPE双指标监控simca_pls：偏最小二乘回归，软测量与在线预测simca_opls：正交偏最小二乘，处理非正交噪声simca_multiblock：多块建模，跨工段根因定位simca_batch：批过程监测，多向PCA，批终点预测simca_preprocessing：预处理（UV/Pareto/SNV/MSC/SG平滑/导数）simca_mspc：贡献图算法，故障根因快速定位simca_variable_selection：VIP/选择性比/jack-knife变量筛选simca_model_validation：k-fold CV/CV-ANOVA，模型Go/No-Go放行simca_connectivity：OPC DA/UA/PI/IP.21/ODBC实时数据连接simca_visualization：监控大屏，得分/载荷/批次轨迹可视化典型案例：某乙烯装置急冷塔，用SIMCA多变量监测替代传统12个单变量报警，年误报率降低78%，故障定位时间从4小时缩短至15分钟。【五】Aspen Plus 化工流程仿真（16个）Aspen Plus是化工流程模拟的行业标准，覆盖从单元操作到整厂经济的全流程。16个Skills覆盖其24个核心模块：aspen_plus_thermo：物性方法决策树（PR/SRK/NRTL/UNIQUAC/PC-SAFT/ELECNRTL），选错物性方法是最常见的建模错误aspen_plus_columns：RadFrac严格精馏（MESH方程），FrigId简捷法，PetroFrac石油蒸馏aspen_plus_reactors：RGibbs自由能最小化，RCSTR/RPlug动力学反应器，RBatch间歇反应器aspen_plus_heatx：HeatX换热器设计（Bell-Delaware法），EDR机械设计aspen_plus_pressure：Pump NPSH分析，Compressor多变/绝热压缩与喘振线aspen_plus_separators：Flash/Rachford-Rice闪蒸，Decanter液液分层aspen_plus_special：电解质ELECNRTL，聚合物PolymerPlus，结晶MSMPRaspen_plus_optimization：SQP优化+敏感性分析+蒙特卡洛+经济评价（NPV/IRR）aspen_plus_regression：VLE/LLE数据回归NRTL/Wilson参数，PCES基团贡献估算aspen_plus_dynamic：稳态→动态转换，PID整定，MPC接口aspen_plus_petroleum：PetroFrac常压蒸馏/FCC/加氢裂化/常压塔aspen_plus_energy：夹点分析（GCC/复合曲线），公用工程优化，热集成aspen_plus_safety：失控反应Semenov图，SADT，HAZOP/LOPA/SIL定级aspen_plus_advanced：Fortran用户模型，刻度金刚烷模型，多尺度建模aspen_plus_environment：碳足迹（Scope1/2/3），CCUS，生产周期LCA典型案例：某石化企业换热网络夹点分析后，热集成率从65%提升至88%，公用工程消耗降低12%，年节约蒸汽费用800万元。【六】真实案例：Skills如何串联完成一个工业仿真任务说了这么多，一个真实的案例最能说明问题。下面这件事，发生在2026年8月初。甲方提出了一个需求：搭建一个聚氨酯反应器的仿真优化控制系统。需求是三层的：第1层，需要基础PID控制（温度控制、比值控制）——这是control_lti和control_analysis的工作；第2层，需要多变量预测控制接口（DMC3式）——这是aspen_dmc3的工作；第3层，需要实时经济优化（RTO，约束下最大化利润）——这是aspen_rto_nco和aspen_rto_econ_opt的工作。同时，还需要物理模型（反应器物料平衡、能量平衡、质量惩罚函数）——这是aspen_plus_reactors的知识；仿真结果需要生成图表和PDF报告——这是pdf/docx/pptx的工作。过程：Skills的串联第一步，建模。用control_ident（系统辨识）标定反应动力学参数：用牛顿法反解指前因子k₀，使反应器在350K处转化率达到85%（k₀=1.269×10⁸ L/(mol·s)，Ea=70 kJ/mol）。这个数值是纯数学反解，不是查手册，是用skill算出来的。第二步，验证稳态特性。用qcorp_control的bode分析验证开环增益，用aspen_rto_ss_detect（稳态检测）确认开车过渡期约2小时，保证RTO在稳态后才启动。第三步，经济优化。用aspen_rto_econ_opt构建目标函数：

J = 收入 − 原料成本 − 能耗成本；

用aspen_rto_constraints加入约束（T设定值[350K,370K]、转化率≥84%、比值[0.9,1.1]）。

用aspen_rto_nco（SQP求解器，active set法，BFGS Hessian更新）每30分钟求解一次约束优化，得到最优T设定值。第四步，调试中的问题。调试过程发现三个数值bug，每一个都对应一个Skill的知识点：PID作用方向反了——control_design告诉我们：温度控制器必须是反作用（err = T − T_sp），否则飞温；能量平衡符号错——aspen_plus_reactors告诉我们：放热反应dHr<0，夹套移除热量项必须与反应项符号一致；夹套数值不稳定——aspen_rto_interface告诉我们：混合夹套模型在Tc越过T时符号翻转，改用平推流夹套（冷却量=Fc·ρc·Cpc·(T−Tc_in)），移除Tc状态变量。第五步，结果生成。用control_plot生成四张验证图，如下。

用pdf Skill（reportlab + SimSun字体）生成技术报告，用流程图Skill生成架构图，全程不需要打开任何工业软件的GUI。

仿真结论基线（固定温度设定值350K）：累计利润 25,659 元RTO三层架构（Skills串联）：累计利润 28,388 元效益提升：+10.6%T设定值在 [350K, 370K] 区间随生产计划（牌号切换，转化率下限0.84↔0.91）动态调整，比值在 [0.9, 1.1] 随原料成本不对称（C_A>C_B）寻优。整个过程：没有打开Aspen Plus，没有打开MATLAB，没有查任何软件手册，全程自然语言对话，Skills自动调用，全程约10分钟。这就是Skills系统的价值：不是替代工程师，而是把工程师从"记菜单"中解放出来，把精力放在真正重要的事情上——理解问题、诊断bug、判断结果。【七】文档生成工具（5个）pdf：reportlab + SimSun字体，中文PDF生成，公式用matplotlib渲染PNG嵌入docx：python-docx，Word文档，含目录/页眉/表格/图片pptx：Node.js pptxgenjs，PPT生成aippt：AI自动生成PPT大纲xlsx：openpyxl，Excel表格与图表【八】通信与协同（6个）email-skill / imap-smtp-email / agent-email：邮件收发wecom-weisheng-scrm / wecomcli-setup：企业微信personal-mail-skill：个人邮件【九】平台与云端（7个）tencent-docs / kdocs：腾讯文档读写tencent-esign-contract：电子签约cloud-upload-backup：云端备份tencent-meeting-mcp：腾讯会议hithink-mcp：开户投研终端mcporter：文档迁移【十】扩展应用（20+个）tencent-musician-skills（腾讯音乐）notion（Notion笔记）figma（设计）qcc-company（企查查）baidu-ai-map（百度地图）patent-writer（专利撰写）process-doc-parser（工艺文档解析）xbrowser（浏览器自动化）等等……第四部分：这堆Skills体系的价值1.能力比知识点更持久菜单会变，版本会升级，但"能够解决某类问题"的能力不会过期。2.自然语言即可调用不再需要记忆菜单路径。对AI说"用PCA分析这批数据"，系统自动调用simca_pca。3.协同放大价值单一Skill是工具，多个Skill串联是系统。qcorp_control + SIMCA = "预警-控制"双层闭环；Aspen Plus + Minitab = "仿真-优化-验证"三步迭代；六西格玛 + qcorp_control = 质量改进+闭环控制。4.零知识盲区的知识复用每个Skill的工业案例都含量化数据。学一个Skill，不只是学会了一个功能，而是掌握了一个可落地的解决方案。第五部分：下一步——继续打碎更多软件目前已完成的：控制系统：qcorp_control统计分析：Minitab + JMP + 六西格玛过程监测：SIMCA-online流程仿真：Aspen Plus + Aspen RTO下一批计划：COMSOL Multiphysics（多物理场耦合）gPROMS（新一代流程模拟）TensorFlow / PyTorch（深度学习建模）ANSYS（有限元分析）PLEXOS / TIMES（能源系统规划）每打碎一个软件，就多了一层能力。这条路没有终点——因为工业问题的复杂性，永远超过任何一个软件的预设边界。

结束语工具是手段，解决问题才是目的。把软件打碎，不是为了炫耀能力的数量，而是为了让每一个原子能力都能在最需要它的时候，被最自然地调用。这不只是在"用AI"，而是在构建一种新的工作方式：AI不是你技能的替代者，而是你能力边的扩展器。254个Skills，不是终点，是起点。