Agent 技术总览
一、本专题关注什么
本专题用于说明 产线军师 Agent 如何建立在语义、能力、记忆、知识与治理机制之上稳定工作。
它重点回答的是技术原理问题，而不是产品价值表述问题：
- Agent 为什么不能脱离工厂语义独立工作
- 自然语言问题如何进入可控的能力调用链路
- 为什么 Agent 既需要记忆，也需要知识闭环
- 为什么制造场景中的 Agent 不能只依赖通用模型生成
二、产线军师 Agent 的技术主线
产线军师的 Agent 不是单纯把大模型放到工厂场景里，而是由七个相互配合的机制构成：
| 机制 | 作用 |
|---|---|
| UNS 统一语义底座 | 统一对象、状态、关系、时间和业务口径，让系统先“看懂工厂” |
| MCP 能力开放机制 | 把查询、分析、诊断、检索和协同能力封装成可调用能力 |
| Agent 架构与编排 | 根据问题、上下文和边界组织执行顺序 |
| 能力模块（Skill） | 为不同角色和场景注入领域知识、方法和使用规则 |
| 分析剧本（Playbook） | 为高频、关键或高风险流程提供更确定的执行路径 |
| 记忆机制 | 维持会话连续性、长期偏好和上下文延续 |
| 知识闭环与治理 | 沉淀案例、规则和经验，并以可检索、可审核、可追溯方式复用 |
三、整体关系图
这套结构强调的是：
- 先在语义和边界内理解问题
- 再调用确定义的业务能力
- 必要时结合记忆和知识补全上下文
- 最后把结构化结果组织成用户可执行的输出
四、为什么这些机制必须同时存在
如果只用通用模型而缺少其中某一层，系统通常会出现明显短板：
| 缺少的层 | 直接问题 |
|---|---|
| 缺少 UNS | 对象、时间、层级和指标口径容易理解偏差 |
| 缺少 MCP | 容易退化为“会说不会算”的问答系统 |
| 缺少 Skill | 不同场景下的方法、规则和操作路径难以稳定复用 |
| 缺少 Playbook | 高价值流程更容易回到临场推理，执行一致性下降 |
| 缺少记忆 | 多轮对话容易断裂，重复澄清成本高 |
| 缺少知识闭环 | 经验无法沉淀，类似问题每次都要从零分析 |
| 缺少治理 | 调用边界、结果可信度和安全约束难以控制 |