← 智能体在线 · 家族首页

AI 原生不是加个聊天框,是三条回路

AI 原生不是加个聊天框,是三条回路
No.04 AI 原生 · 学习回路 谋序 · Metis 约 5 分钟

自学习、自生成、自优化 —— 三个词里只有一个今天真的成立

先拆一个词

「AI 原生 APS」最容易滑向一个偷懒解释:加个对话框,能问「这周产能怎么样」,就算原生了。

这叫 AI 友好,不叫 AI 原生。判断标准很简单:把模型拿掉,系统还剩什么?

拿掉后照常排产、复核、解释,只少个问答入口——那是友好;拿掉后再也不会变准——那才是原生:学习长在结构里,不在对话框里。

我们给三句宣称做过一次全库实测(把代码扫一遍,看哪些真在跑),结论包括那条不好看的。

宣称实测结论
自优化排产✅ 成立。精确求解 + 兜底 + 复核 + 证书 + 溯源,每一环都有反向测试
自生成策略🟡 半成立。能推荐规则链与求解参数、能校验人写的规则草稿;但生成动作在系统之外
自学习约束🔴 当时不成立。计划与实绩能对账,但「学到的结论」没有回到参数里

原始记录是一句扎心的话:自学习是空白,自优化有原语但没有闭环。

下面是补回路的过程。

图 1:三条回路与人的审批闸门
图 1:三条回路与人的审批闸门

回路一:实绩回路 —— 先承认「计划错了」

一切的起点不是算法,是一份能对账的数据。

多数工厂周一排计划、周五看结果,中间靠人记。于是「计划准不准」永远没有答案——没人把计划和实绩逐条摆在一起。

实绩回路做的第一件事就很小:逐工序对账。

最后一项最容易被忽略,却最有价值:它说明计划漏了活,而漏掉的活通常藏在「临时插单」和「返工」里,这两件事恰恰是计划准确率的最大杀手。

对账的输出不是一句「准确率 87%」,而是一张逐条的偏差表。有了这张表,才谈得上学习。

回路二:策略回路 —— 从偏差反推参数

拿到偏差表,第二个问题自然是:是不是我们假设错了?

最常见的假设错误是工时:工艺卡写 45 分钟,实际干 52 分钟——不是工人慢,是数字来自三年前的试制。偏差会系统性传导,所有相关计划都偏乐观,交期承诺太紧。

校准很朴素:把同一台设备、同一类工序的「实际/计划」比值收起来,取中位数,给出四分位区间和样本数。

为什么取中位数不取平均? 因为车间数据里总有几单异常(试模、返工、停电),平均值会被它们拖走,中位数不会。

这条回路边界很死:只产出建议,不修改任何参数。 建议进审批账本,等人批准;采纳方式是人去改数据,不是系统偷偷改。

回路三:时间回路 —— 什么时候该重排

第三条回路回答的是一个管理问题,不是算法问题:什么时候值得重排?

每天重排听起来勤快,实际是灾难:计划一变,现场就要重新理解一次,沟通成本比排产还高;一直不重排,计划又会脱离现实。

所以这条回路先回答「有多大概率按期」,再回答「要不要动」:

第三条回路最容易被做成「自动重排」的炫技。我们的选择相反:系统只建议,什么时候动由人定。

三条回路合起来,才是「学」

单看每条都不新鲜:对账、校准、概率,教材里都有。让它成为「学习」的,是三条回路之间的因果链:

这条回路是:计划 → 执行 → 偏差 → 参数建议 → 人批准 → 新参数 → 新计划 → 新偏差。

这个环一旦闭合,系统就有记忆了:它会记住「这台机的工时一直偏乐观」,并且下次排产时用修正后的数字。

而环上必须有一个人。这不是保守,是排产的性质:参数改错,代价是一整周的交付。让系统自己改参数,等于让它自己决定要不要冒险。

还差的最后一米(我们自己的缺口)

这条链,我们做到「人批准 → 人去改数据」,然后断了。

缺的是「改完之后,到底有没有变准」这一步。 校准建议说「工时系数该从 1.00 调到 1.18」,人改了;下一周的对账数据其实就在库里,但系统不会主动把它和改之前的偏差并排摆出来说「1.31 → 1.12,改善 15%」。

数据都在,只是没连起来。这是能力扫描里自己登记的缺口,也是这个系列少数几处坦白。

为什么值得说?因为没有回测的学习,只是安慰。 一个人如果改了参数却从不检查效果,他也会「感觉系统变准了」—— 感觉不是证据。

给评估者的四问

有人说他的排产系统「会自我学习」,用这四问过滤:

最后一个最关键。能答的,通常真做过。


下一篇:AI 不能自己批自己——审批账本、责任到人、工具名为什么也是提示词。

Metis 谋序(APS) —— 运筹帷幄,谋定后动:把排程做成敢执行的计划。
家族:Nereus 同衡(CPS) · Hermes 同枢(ILESP) · Hephaestus 砺锋(TMS)
同衡 · 谋序 · 同枢 · 砺锋,智造同频  |  One Truth. One Plan. One Rhythm. One Edge.
产品与能力地图:aps 站点 · aps.zhinengti.online