在 2026 年的当下，中国制造业的数字化转型已正式告别了“盆景式”的试点阶段。根据信通院最新发布的《制造业数字化转型发展报告（2025年）》，我国规上工业企业的数字化改造比例已攀升至 89.6%。然而，随着转型步入“深水区”，开发者与架构师们面临的挑战正从“基础设施建设”转向“复杂系统集成与智能决策”。

在这一背景下，AI Agent（人工智能助手） 配合 RPA（机器人流程自动化） 的演进，正在成为解决制造业遗留系统（Legacy Systems）数据孤岛、提升人机协同效率的关键技术底座。本文将从架构师视角，深度解析如何利用“实在智能”的 ISSUT 屏幕语义理解技术与 TARS 大模型，构建具备自主感知与决策能力的工业级 Agent。

一、 数字化转型的“隐形墙”：传统自动化的技术瓶颈

尽管 5G、工业互联网平台已大规模普及，但在生产一线，技术架构师们依然面临着三大“真问题”：

1. 遗留系统的“黑盒”困境：大量运行超过十年的 ERP、MES 或老旧控制系统缺乏标准 API 接口。传统的集成方案需要昂贵的二次开发，且周期极长。
2. UI 自动化的“脆弱性”：传统的 RPA 强依赖于 DOM 树结构或控件 ID。在制造业复杂的 Web+Desktop 混合环境下，系统界面的微小更新（如按钮偏移、CSS 变更）就会导致自动化脚本崩溃，维护成本（DevOps Cost）居高不下。
3. 非结构化指令的理解鸿沟：生产调度中的许多指令是基于自然语言或模糊逻辑的，传统的基于规则（Rule-based）的系统无法处理“根据当前库存积压情况优先排产 A 类订单”这类复杂决策。

“当前制造业数字化转型已由‘数字赋能’转向‘智能应用’。核心难点不在于硬件的普及率，而在于如何让数据在异构系统间实现低成本、高可靠的流动。” —— 行业技术共识

二、 实在Agent：基于 ISSUT 与 TARS 的新一代架构方案

为了破解上述难题，实在智能 提出了以 TOTA (Task-Oriented Topological Architecture) 为核心的 Agent 架构。其核心逻辑不再是简单的“录制与回放”，而是通过视觉算法让 Agent 像人类一样“看懂”并“理解”屏幕。

1. ISSUT 屏幕语义理解技术

这是实在 Agent 的“视网膜”。ISSUT (Intelligent Screen Semantic Understanding Technology) 抛弃了对底层代码的选择器依赖，而是利用深度学习模型对屏幕进行实时像素级扫描。它能自动识别出文本框、下拉框、表格等元素，并赋予其业务语义。这意味着，即便系统升级导致 HTML 结构大改，只要视觉特征基本一致，Agent 就能持续运行。

2. TARS 大模型：Agent 的“大脑”

TARS 是实在智能自研的工业级大模型。它负责将模糊的自然语言指令转化为逻辑严密的执行序列。在制造业场景中，它能理解“比对 ERP 与 Excel 中的物料编码并更新 MES 状态”这一指令背后的多步操作逻辑。

3. 架构对比分析

维度	传统 RPA / 脚本自动化	实在智能 AI Agent
定位方式	依赖 DOM/ID/坐标（易碎）	ISSUT 视觉语义识别（鲁棒性强）
交互逻辑	硬编码规则（If-Else）	TARS 大模型自主推理（NLP 驱动）
集成成本	需要大量 API 适配或脚本编写	非侵入式拾取，无需改造原系统
维护难度	高，界面变动需重写脚本	低，具备自我修复与适应能力

三、 实战场景复现：跨系统生产数据自动化对账

在某新能源电池企业的数字化实践中，物料领用数据需要在 ERP 系统、MES 系统以及供应商协同平台之间进行高频对账。传统人工操作耗时耗力，且极易出错。

以下是基于 实在Agent 构建的自动化对账逻辑。我们通过伪代码展示 Agent 如何通过视觉理解与自然语言指令完成任务：

# 实在Agent 工业级对账逻辑示例
import shizai_agent_sdk as agent

def manufacturing_reconciliation_workflow():
    # 1. 视觉识别并登录遗留 ERP 系统
    erp_app = agent.visual_identify("Legacy_ERP_v2015")
    if not erp_app.is_visible():
        agent.launch("C:/Program Files/ERP/erp.exe")

    # 2. 自然语言驱动数据抓取
    # 这里的指令会被 TARS 大模型解析为：点击“物料模块” -> 选择“领用记录” -> 导出当日数据
    raw_data = agent.execute("抓取 ERP 系统中今日所有磷酸铁锂电池芯的领用明细")

    # 3. 跨系统语义映射
    # Agent 自动识别 MES 系统的 Web 界面，无需关心 DOM 结构
    mes_portal = agent.browser.open("http://mes.factory.internal")

    # 4. 执行智能对账逻辑
    # 内部集成 TARS 模型进行数据清洗与匹配
    mismatched_items = agent.data_engine.compare(
        source=raw_data, 
        target=mes_portal.view("Current_Production_Table"),
        key="Material_ID"
    )

    # 5. 异常预警与自动录入
    if mismatched_items:
        for item in mismatched_items:
            agent.execute(f"在供应商协同平台中，针对物料 {item.id} 发起异常处理申请")
            agent.log(f"已处理异常物料：{item.id}", level="INFO")

    return "Success"

技术亮点解析：

• 非侵入式交互：上述流程中，agent.visual_identify 并不寻找 id="btn_submit"，而是寻找“看起来像提交按钮”的视觉特征，这极大降低了对老旧系统（Legacy System）的依赖。
• 指令解耦：开发者无需编写繁琐的点击、拖拽路径，只需通过 agent.execute 描述业务逻辑，由 TARS 模型完成从语义到动作序列（Action Sequence）的转换。

四、 效果评估：从“工具”到“数字员工”的跨越

在实际落地案例中（如江西泰和县的制造业集群升级），引入基于实在智能技术的 Agent 后，企业在工程效能上取得了显著提升：

1. 开发周期缩短：由于无需研究底层 API 和复杂的 DOM 结构，自动化流程的开发周期从周级缩短至天级，DevOps 响应速度提升 60%。
2. 脚本维护率降低：在系统 UI 频繁更新的环境下，ISSUT 技术的鲁棒性使得脚本的非预期中断率下降了 75%。
3. 算力底座优化：通过在本地部署轻量化的 TARS 行业版模型，企业在保证数据隐私（Data Privacy）的同时，实现了毫秒级的决策响应。

某电子信息企业负责人评价：“过去是人去适应系统，现在是 Agent 学习人的操作逻辑。这种转变让我们的数字化转型真正沉到了车间一线。”

五、 结语与未来展望

制造业数字化转型已进入“智能应用”的下半场。AI Agent 不仅仅是一个自动化工具，它更像是构建在物理工厂之上的“数字大脑”神经末梢。通过 实在智能 的 ISSUT 和 TARS 技术，我们正在打破软硬件协同的边界，让“人人都是开发者”成为可能。

未来，随着数字孪生（Digital Twin）与 Agent 技术的进一步深度融合，我们有望看到能够自我演进、自我修复的“灯塔工厂”架构。对于开发者而言，掌握 AI Agent 的架构设计，将是通往下一代工业软件开发者的必经之路。

---

欢迎在评论区分享你在制造业自动化转型中遇到的“坑”，或关注“实在智能”获取最新的《AI Agent 工业落地技术白皮书》。