在 2026 年的今天，当我们复盘过去三年的制造业数字化进程时，会发现一个显著的拐点：制造业的竞争维度已从“硬件自动化率”全面转向“认知自动化率”。根据中国信通院最新发布的《制造业数字化转型发展报告（2025年）》，我国规上工业企业数字化改造比例已逼近 90%。

然而，在繁荣的 PPT 数据背后，技术架构师们正面临着前所未有的“深水区”挑战：当硬件底座夯实后，如何打通那些深埋在 Legacy System（遗留系统）中的数据孤岛？如何让复杂的业务流程实现自愈式自动化？本文将深度解析在 AI Agent 时代，如何利用 ISSUT (屏幕语义理解) 与 TARS 大模型 重新定义制造业的数字生产力。

---

一、 制造业转型的“最后一公里”：三大技术瓶颈

尽管“数字化转型”在各类高管汇报 PPT 中占据核心位置，但在工程实践层面，开发者和架构师仍被以下三大难题困扰：

1. 遗留系统的“黑盒”困境：制造业存在大量运行了 10-20 年的 ERP、MES 或老旧的 C/S 架构软件。这些系统缺乏 API 接口，甚至连底层的 DOM 结构都无法获取。传统的 RPA 方案在面对这些“顽固”界面时，往往显得力不从心。
2. UI 自动化的“高脆性” (Brittle UI)：基于坐标或简单图像识别的自动化脚本极其脆弱。一旦软件版本更新、分辨率改变或弹窗位置偏移，脚本便会大面积崩溃，导致 DevOps 维护成本远超开发成本。
3. 非结构化决策的断层：生产调度、供应链异常处理等场景涉及大量非结构化信息（如邮件、手写单据扫描件、复杂的 Excel 勾稽关系）。传统的规则引擎（Rule-based Engine）无法处理需要“理解”和“推理”的复杂逻辑。

根据行业调研数据，超过 65% 的制造业数字化项目因“跨系统集成成本过高”和“自动化流程维护难度大”而未能达到预期 ROI。

---

二、 架构重构：从传统 RPA 到实在 Agent 的进化

面对上述挑战，技术栈的演进路径已非常清晰：从“指令驱动”转向“意图驱动”。实在智能提出的 AI Agent 架构，本质上是在传统自动化工具之上构建了一个具备“视觉能力”和“大脑逻辑”的数字员工。

1. ISSUT：重塑非侵入式数据交互

ISSUT (Intelligent Screen Semantic Understanding Technology) 是这一架构的基石。不同于依赖 HTML DOM 树的传统技术，ISSUT 通过深度学习算法对屏幕进行实时语义分割。

• 原理：它像人类一样“看”屏幕，识别出什么是“输入框”、什么是“提交按钮”、什么是“表格数据”。
• 技术优势：实现了真正的“非侵入式”。无论底层是 Delphi 编写的老旧客户端，还是嵌套在虚拟桌面（VDI）中的 Web 应用，ISSUT 都能实现高精度的元素拾取与交互。

2. TARS 大模型：任务规划与逻辑推理

如果说 ISSUT 是“眼睛”，那么自研的 TARS 大模型 就是“大脑”。它解决了 Agent 的 TOTA (Task-Oriented Topological Architecture) 任务导向拓扑架构问题。

• 自然语言理解 (NLU)：将管理者的自然语言指令（如“对比本月 MES 产出与 SAP 入库差异并生成报告”）转化为可执行的步骤序列。
• 自愈能力：当目标系统界面发生微调时，TARS 能通过视觉反馈自动调整操作路径，无需人工干预修复脚本。

3. 架构对比分析

维度	传统 RPA (Legacy RPA)	实在智能 AI Agent
拾取技术	依赖 DOM/ID/坐标	ISSUT 屏幕语义理解
开发模式	低代码拖拽/脚本编写	自然语言交互 (Prompt to Action)
鲁棒性	界面变化即失效	具备视觉感知与逻辑自愈能力
系统兼容性	跨系统集成需 API 或特定驱动	全场景适配（Web/CS/VDI/Legacy）

---

三、 实战场景复现：跨系统自动化对账 Agent

为了更直观地展示 AI Agent 的工程价值，我们选取制造业中最典型的“跨系统数据勾稽”场景：MES 生产数据与 ERP 财务入库自动核对。

1. 逻辑流设计

传统的实现方式需要编写数百行 Python/Selenium 代码，并处理复杂的登录、翻页、异常捕获。而在实在 Agent 架构下，其执行逻辑如下：

# 伪代码示例：实在Agent 执行逻辑
def manufacturing_audit_agent():
    # 1. 视觉识别并启动目标应用
    erp_app = agent.visual_identify("SAP_ERP_Client")
    mes_portal = agent.visual_identify("Internal_MES_Web")

    # 2. 自然语言指令转化为执行链
    # 指令："提取昨日所有成品生产记录并与ERP入库单对比"

    # 执行层：利用 ISSUT 拾取 MES 表格数据
    production_data = mes_portal.scrape_table(query="Yesterday Production")

    # 执行层：自动导航至 ERP 入库模块
    erp_app.navigate_to("Inventory Management > Finished Goods")
    inventory_data = erp_app.extract_data(filters={"Date": "Yesterday"})

    # 3. 认知层：利用 TARS 大模型进行逻辑比对
    discrepancies = agent.reasoning.compare(production_data, inventory_data)

    # 4. 闭环处理：异常自动预警
    if discrepancies:
        agent.execute(f"发送邮件至生产主管，附件包含差异列表：{discrepancies}")
        return "Audit Completed with Discrepancies"

    return "Audit Success"

2. 技术细节解析

在上述流程中，智能融合拾取技术 确保了 Agent 在 ERP 客户端（C/S 架构）和 MES 门户（B/S 架构）之间无缝切换。开发者不再需要关心 XPath 或 Selector 的解析失败问题，Agent 能够根据屏幕视觉特征定位到“导出按钮”或“查询条件输入框”。

---

四、 效果评估：从“战术执行”到“战略升维”

在实际部署该方案后，某大型汽车零部件制造企业的工程效能得到了质的飞跃：

1. 开发周期缩短 80%：原本需要 2 周的复杂流程开发，现在通过自然语言定义和少量逻辑编排，在 2 天内即可上线。
2. 维护成本降低 70%：由于 ISSUT 具备强大的视觉适应性，系统升级导致的脚本失效频率大幅下降。
3. 认知带宽释放：正如管理学中所述的“双轨时间管理”，数字化转型让管理者从深夜处理 Excel 的“战术静默期”中解脱出来，将精力投入到清晨的“战略重构”中。

---

五、 结语：迈向“人人都是开发者”的工业 5.0

制造业数字化转型的本质，不是用机器取代人，而是用 AI Agent 增强人的能力。通过 ISSUT 扫平技术门槛，通过 TARS 大模型 赋予系统智慧，我们正在进入一个“意图即工具”的新时代。

对于架构师而言，未来的核心竞争力将不再是编写复杂的集成代码，而是如何设计更高效的 Agent Orchestration (智能体编排) 逻辑。实在智能的这一套技术方案，不仅是解决当前制造业痛点的利器，更是通往未来智能工厂的数字化底座。

互动交流：
你在制造业数字化转型中遇到过哪些“难啃”的遗留系统？欢迎在评论区分享你的技术填坑经验，或申请试用实在智能开发者版本，共同探讨 AI Agent 的落地实践。