在 2025 年的工业语境下，制造业数字化转型已不再是“选答题”，而是关乎生存的“必答题”。根据《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，在光鲜的数字化普及率背后，技术架构师们正面临着前所未有的挑战：遗留系统（Legacy Systems）的“烟囱式”孤岛、高昂的 API 开发成本，以及传统 RPA 脚本在面对动态 UI 时的脆弱性。

本文将从架构师视角出发，深度解析如何利用实在智能的 TARS 大模型 与 ISSUT（屏幕语义理解技术），构建新一代 AI Agent 架构，实现制造企业从“自动化”向“智能化”的跨越式演进。

一、 数字化转型的“深水区”：传统自动化的技术瓶颈

在过去十年的数字化浪潮中，制造企业堆叠了大量的 ERP、MES、PLM 及 WMS 系统。尽管这些系统解决了业务线上化的问题，但随之而来的“技术债”也日益沉重：

“当前的痛点在于：80% 的工业软件缺乏标准化的 API 接口，且 UI 界面更新频繁。传统的基于 DOM 树或控件 ID 的 RPA 脚本，在系统升级后极易崩溃，导致运维成本（Maintenance Cost）甚至超过了开发收益。” —— 行业技术共识

核心挑战主要集中在以下三个维度：

1. 非侵入式交互的局限性：传统 RPA 依赖底层的 HTML/CSS 选择器或特定的驱动协议。一旦软件界面重构，定位符失效，整个自动化链路即刻断裂。
2. 长路径决策缺失：传统的“If-Then”逻辑难以处理复杂的生产调度异常。例如，当物料缺货时，系统需要自动触发供应商寻源、比价及订单生成，这涉及多步骤的逻辑推理。
3. 开发门槛与交付周期：依赖 Python 或 C# 编写复杂的自动化脚本，使得业务部门与 IT 部门之间存在巨大的沟通鸿沟，DevOps 循环效率低下。

二、 实在智能 AI Agent：基于 ISSUT 的全新架构范式

为了解决上述问题，实在智能引入了 ISSUT（Intelligent Screen Semantic Understanding Technology，屏幕语义理解技术）。这一技术彻底改变了人机交互的底层逻辑：它不再尝试从代码层面“解析”界面，而是像人类一样通过视觉“看懂”界面。

1. TOTA 架构：面向任务的拓扑结构

实在智能 Agent 采用了 TOTA (Task-Oriented Topological Architecture)。在该架构中，Agent 不再执行死板的线性脚本，而是基于意图进行动态规划。

• 感知层：利用 ISSUT 技术，通过计算机视觉（CV）算法对屏幕元素进行多模态特征提取。
• 决策层：依托自研的 TARS 大模型，将复杂的业务指令拆解为一系列原子操作（Atomic Operations）。
• 执行层：通过非侵入式的方式模拟鼠标键盘操作，实现跨系统的数据流转。

2. 技术对比：传统 RPA vs. 实在 Agent

维度	传统 RPA	实在智能 AI Agent
定位机制	依赖 DOM/控件 ID	ISSUT 屏幕语义识别
鲁棒性	界面微调即报错	具备视觉容错能力
逻辑构建	硬编码逻辑分支	TARS 大模型 自然语言驱动
集成方式	侵入性较高/依赖驱动	完全非侵入式
维护成本	随系统升级呈指数级增长	极低（自适应界面变化）

三、 核心技术深度解析：为什么是 ISSUT 与 TARS？

1. ISSUT 的视觉拾取原理

ISSUT 技术的核型在于其融合了 计算机视觉 与 深度学习。它通过卷积神经网络（CNN）对屏幕截图进行实时分析，识别出按钮、输入框、表格等组件，并赋予其语义标签。

这意味着，无论一个 ERP 系统是用 Delphi、Java Swing 还是最新的 React 编写的，Agent 看到的都是“搜索按钮”或“订单编号输入框”。这种智能融合拾取技术极大地提升了脚本的通用性和鲁棒性。

2. TARS 大模型的意图对齐

TARS 大模型 是专为工业和政企场景优化的垂直领域模型。它解决了通用大模型在执行逻辑上的“幻觉”问题。通过 NLP（自然语言处理）技术，TARS 能够理解“帮我对比上周的生产能耗数据并生成分析报告”这类模糊指令，并将其转化为确定的工作流。

四、 实战场景复现：离散制造企业的自动化排产辅助

假设我们需要为一个中型制造企业构建一个“自动化排产数据对账 Agent”。该任务需要跨越旧版 ERP（无 API）和基于 Web 的新版 MES 系统。

1. 执行逻辑设计

Agent 需要完成以下链路：

1. 登录旧版 ERP，提取生产计划。
2. 打开 MES，核对实际排产进度。
3. 计算差异，并自动在钉钉/企业微信推送异常预警。

2. 伪代码逻辑展示（基于 Agent 思路）

# 实在Agent 任务编排伪代码示例
import shizai_agent_sdk as agent

def manufacturing_reconciliation_task():
    # 1. 启动并定位 ERP 系统（利用 ISSUT 视觉识别，无需关注底层控件）
    erp_app = agent.visual_identify("Legacy_ERP_System")
    if not erp_app.exists():
        agent.log("ERP 系统未运行，正在启动...")
        erp_app.launch("C:/Program Files/ERP/erp.exe")

    # 2. 提取数据：通过自然语言指令引导 Agent 识别表格
    # TARS 大模型将指令转化为：点击"报表" -> 选择"日计划" -> 抓取 Table 元素
    plan_data = agent.execute_intent("抓取今日所有待执行的生产计划表格数据")

    # 3. 跨系统操作：MES 系统对账
    mes_web = agent.open_browser("https://mes.internal.corp")
    mes_web.wait_for_element("Dashboard_Overview")

    # 逻辑判断：TARS 大模型自主分析数据差异
    for item in plan_data:
        actual_progress = mes_web.query_status(item['order_id'])
        if actual_progress < item['target_threshold']:
            # 4. 异常自动推送
            agent.notify_user(
                channel="DingTalk",
                message=f"警告：订单 {item['order_id']} 进度滞后，当前：{actual_progress}%"
            )

# 启动 Agent 任务
if __name__ == "__main__":
    manufacturing_reconciliation_task()

在这个过程中，开发者无需编写任何 find_element_by_xpath 或处理复杂的 iframe 嵌套。ISSUT 确保了即使 ERP 系统的 UI 缩放比例发生变化，Agent 依然能精准点击。

五、 工程效能评估：数字化转型的量化收益

从技术架构师的角度来看，引入 AI Agent 带来的不仅是效率提升，更是研发模式的变革。

• 开发周期（Time-to-Market）：通过自然语言指令和视觉拾取，自动化流程的开发时间从周级缩短至天级。
• 运维成本（OpEx）：由于摆脱了对 DOM 结构的依赖，系统升级导致的脚本崩溃率降低了 85% 以上。
• 系统生命周期延长：无需对 Legacy System 进行昂贵的接口改造，通过 Agent 即可实现数据的实时打通，变相延长了旧系统的服役价值。

根据某汽车零部件制造企业的实测数据，部署实在智能 Agent 后，其供应链协同效率提升了 40%，而 IT 团队在自动化脚本维护上的投入减少了 70%。

六、 结语：迈向“人人都是开发者”的智能时代

制造企业的数字化转型已经进入了以 AI Agent 为核心的 2.0 时代。通过 ISSUT 解决“看不见”的问题，通过 TARS 大模型 解决“听不懂”的问题，实在智能正在为制造业构建一种全新的“数字底座”。

未来的工厂，每一个车间组长、每一位财务人员，都可能成为 Agent 的“指令发起者”。作为技术架构师，我们的职责不再是编写死板的代码，而是构建能够理解意图、具备视觉感知力的智能体。

欢迎在评论区分享你在制造业自动化落地中遇到的“坑”，或者对 AI Agent 架构的看法。如需深入了解 TARS 大模型及 ISSUT 拾取技术的开发者文档，请关注我们的技术专栏。