常见问题
1. 产线军师和传统 BI 有什么不同？
传统 BI 更擅长固定看板和报表展示；产线军师更强调对话式入口、制造场景分析和异常诊断闭环。
2. 产线军师会替代 MES / LMES / CMS 吗？
不会。产线军师更适合作为统一智能入口、分析诊断中枢和协同闭环层，与现有系统协同工作。
3. 已经有很多报表了，为什么还需要产线军师？
很多现场缺的不是报表数量，而是快速提问、持续追问、完成诊断并形成建议动作的能力。产线军师解决的是“从数据到决策”的最后一公里问题。
4. 产线军师支持哪些数据来源？
常见包括设备数据、CMS、LMES / MES、数据库以及其他业务系统。实际接入范围按项目边界确认。
5. 一定要有 LMES 才能用产线军师吗？
不一定。产线军师可以根据现场已有系统、设备与数据基础进行接入规划。是否能覆盖更深层业务场景，取决于当前可接入的数据范围与上下文完整度。
6. 产线军师支持私有化部署吗？
支持。对于制造场景，私有化与内网部署是常见模式。
7. 产线军师的 AI 结果怎么保证可信？
产线军师强调业务语义工具、统一指标口径、澄清机制和知识增强，不依赖纯生成式回答。
8. 产线军师适合先从什么场景试点？
常见的优先试点场景包括：
- 生产日报 / 会前复盘
- OEE / 质量异常根因分析
- 节拍瓶颈或故障分析
9. 产线军师可以给出行动建议吗？
可以。产线军师的目标不是只输出结果，还要给出排查思路、关注重点和建议动作。
10. 产线军师的价值更多体现在什么地方？
主要体现在三个方面：
- 缩短分析和决策时间
- 提升异常处理效率
- 沉淀经验，降低对个人能力的依赖
11. 最适合把产线军师看成什么产品？
最适合把它理解为：一套可独立呈现、也可按需对接现有系统的智能洞察与诊断产品。
从长期路线看，产线军师会进一步沿着 面向 Agent 的工业智能操作平台 持续演进。
12. 如何一句话理解产线军师？
产线军师让现 场团队不必再在多个系统和报表之间来回切换，而是可以直接围绕业务问题获得数据、原因和下一步建议。
13. 为什么产线军师有时会先反问几个问题？
因为制造业中的同一句话，可能对应不同对象、时间口径或分析粒度。产线军师会先确认关键上下文，例如整线还是设备、自然日还是班次日、看汇总还是看拆分，目的是减少误解并保持结果一致。
14. 什么样的问题最适合交给产线军师？
最适合的问题通常有三类：
- 围绕产量、质量、OEE、节拍、故障等核心指标的查询与对比
- 围绕异常波动、瓶颈环节、原因追踪的诊断问题
- 围绕下一步排查方向、关注重点和建议动作的决策支持问题
15. 产线军师的 Agent 是一个大模型，还是多种能力协同？
对用户而言，它可以表现为一个统一入口；从系统角度看，它更像是一套围绕场景自动路由和协同编排的能力体系。不同问题背后，可能会调用不同分析工具、知识内容和结果组织能力。
16. 为什么同样的问题，在不同工厂还需要做对象和口径配置？
因为不同工厂的产线结构、对象命名、统计口径和业务边界并不完全相同。产线军师需要先把这些语义信息对齐，才能让对话分析结果在具体现场真正可用。
17. 产线军师会不会让 Agent 直接任意访问所有底层数据？
不会。产线军师更强调在预设的业务能力和治理边界内完成分析，通过语义化工具、权限控制和结果约束来降低误用风险。