这轮工业调度项目从2026年二季度延续到7月20日。最紧张的一次，发生在6月14日14时17分。
华南一家合资车企的冲压车间亮起红色警报。设备没有坏。三家一级供应商的物流卡车在高速路段连环追尾，原定上午到厂的线束和传感器被堵在珠三角外环。
值班调度员老陈打开 Excel 排产表，挨个联系备用物流商，再手动调整 BOM 物料清单。按厂内历史记录，这套处置通常要40分钟到1小时。同一时间，上线第28天的工业调度 AI Agent 已经完成三轮决策循环。
企业未具名，文中运行数据均采用该厂内部复盘口径。
3分20秒，靠的是工具链
Agent 先经 ESB 总线读取交管拥堵数据和供应商 WMS 库存，再对照 MES 实时工单，把 A 线总装对电池包的需求列为最高优先级。随后，它调用备用承运商的 TMS 接口，重排路线并生成电子回单。
7月初的内部复盘会上，生产总监李哲给出两项数据：突发中断的平均响应时间从人工处理的45分钟降到3分20秒，物料错配率从历史均值8.4%降至1.1%。
提速来自一连串具体条件：系统能够连通，工具调用受到限制，每一步执行结果都有人或规则验收。生产级 AI Agent 的技术梳理把这类架构概括为任务拆解、反思和工具调用；显式调用也让执行过程变得可见、可追踪、可审计。
据网易对《企业生产级智能体开发部署指南》的报道，2026亚马逊云科技中国峰会发布的这份指南把评估放在生产级 Agent 工程的中心位置。放到这家工厂里，评估就是每次 API 调用后的状态检查，以及每笔物料流转留下的记录。
第二个月，Agent被旧系统绊住
接入对象共有 SRM、ERP、MES、TMS 四套系统，接口协议和字段定义各不相同。老旧 PLC 只支持 Modbus 协议，Agent 无法直接写入控制指令；ERP 中的 BOM 版本最多延迟6小时，已经生成的调度方案因此被现场工程师驳回。
时间戳不一致、字段空值、历史数据缺失，也会让中间节点给出失真的置信度。Prompt 写得再长，也修不好一份过期的 BOM。
工厂 IT 团队用了三周清洗数据，并搭建“数据健康度”仪表盘。源数据低于设定阈值，系统就转人工，不让模型自行补空白。Agent 的输出还要接受单元测试、Schema 规则和 SQL 限制；连续失败两次，自动回退。
固定工作流没有被撤掉。它仍负责权限、顺序和安全限制，这与《Agent已经能自己写代码，工作流为什么还不能省？》讨论的分工一致：Agent 处理变化，流程守住不能越过的线。
AGV一堵，数学最优就失效
7月5日的一次模拟测试中，Agent 为提高产能，建议把两条总装线的节拍同时压到极限。数字环境里的方案很漂亮，落到车间，AGV 小车却可能因路径冲突陷入死锁。
团队随后在 Agent 外围增加硬刹车逻辑。控制链参考了虚拟电厂的分层调度设计：AI 生成日前计划，日内修正先经平台校验，设备本地电气保护保留最高否决权。通信异常时，接管顺序已经写进系统。
三个月内，Agent 自主决策的比例从60%升到85%。剩下的15%，主要涉及金额超过50万元，或系统首次遇到的异常类型，仍要交给调度员。
人留在回路里，也会出现新问题。一次深夜事故中，Agent 发起排程变更确认，值班调度员正忙于其他事务，20分钟后才响应，产线在等待中空转。长时间不参与具体操作，人的注意力同样会下降。
工厂因此加入“犹豫”机制，思路与置信度阈值控制相近：当置信度低于0.7，或环境参数突然变化，Agent 暂停下发指令，等待二次确认。
一次空运，多花了22%
把几类错误放在一起看，差异很明显。人工失误多出在信息遗漏和响应慢；Agent 更容易忽略数据时效、成本和现场环境。
6月20日，Agent 读取的库存时间戳比 ERP 慢了2小时。它误判物料可用量，随后选择空运，实际成本比正常水平高22%。工厂没有继续堆算力，而是补上执行轨迹日志。
每次失败后，系统运行一轮反思：对照预期结果和实际结果，找到偏差节点，再把修正逻辑写入工作流。时间戳问题出现后，库存 API 调用之前多了一道“数据新鲜度”检查。这类做法也可在《自进化 Agent 的关键，是把失败写进工作流》中找到对应思路。
改动看起来不大，却能拦住一条旧数据变成一笔真实成本。订单、运输和产线动作都要经过现实约束校验，失败记录也必须留得下来。
Excel少开了，人还在回路里
7月20日，三个月项目收尾。AI Agent 没有完全替代调度员，它接走的是重复排程、跨系统数据处理和异常预警。
算力则成为新账本。制造企业做私有云部署，不能只看园区是否达到8000P这类名义规模。Token 消耗、有效调用延迟和并发量，最后都会落到电费、硬件折旧和月度投入产出上。
如果继续扩展到焊接参数自适应或质检缺陷归因，系统还要补上工艺和物理约束。热力学、材料疲劳不能靠文本推理猜出来。世界模型对流体和刚体的模拟提供了一条研究方向，但在工厂里，验证器和设备保护仍要先装好。
亚马逊云科技《前行者》把企业应用生成式 AI 的难点归结为找到易实施、效果明确的场景。这家工厂给出的范围很窄：重复排程、数据搬运和预警可以交给 Agent；金额审批、首次异常和设备保护仍由人兜底。
调度员少开了一些 Excel，但还不能离开生产线。