815AI×MES智能協(xié)同革新
不只是秒答，更是顛覆
你是否也在經歷這些問題：
-
問題反饋效率低
一線員工在使用系統(tǒng)時遇到異常
-
項目進度追蹤滯后
項目執(zhí)行依賴微信群和Excel表
-
數據看不懂
、系統(tǒng)查不出MES 雖然接入了生產數據，但查起來復雜
，表格沒有結論、圖表沒有重點。一鍵升級的解決方案
當前痛點 智能升級方案 統(tǒng)問題多 、溝通低效AI 智能體 7×24在線 ，直接秒答項目進度跟不上 低代碼平臺+ 大模型 ，自動生成甘特圖與報表查數據難、出報表慢 提問即得 ，無需學習復雜系統(tǒng)二 、它到底能做什么功能1：配變項目問題查詢
只需一句描述： “干變產線 A 工位控制臺報錯”
，AI 立刻返回常見原因、處理辦法、是否與近期變更有關聯(lián)。功能2：項目進度智能分析
輸入：“A305箱變的組裝進度怎么樣？AI 輸出計劃狀態(tài)
、延誤節(jié)點、滯后原因分析、完成率圖表等數據視圖。真實場景舉例：
張家港開關柜項目生產主管只需在AI界面輸入“高低壓柜 X12 當前狀態(tài)”
，即可快速定位到當前工序、負責人、完成率，實時調度，無需等待日報或主管反饋。三 、低代碼平臺配置技巧：讓AI更懂你低代碼平臺知識庫文檔撰寫規(guī)范
傳統(tǒng)方式：將整份參考文件（或長段文字）直接放入系統(tǒng)，內容冗長且結構混亂
。創(chuàng)新方式：在錄入前
，將文件進行整理，梳理層級結構，適合分段解析、精準召回。項目 規(guī)范要求 示例 / 建議 文件格式 建議使用 .md 、 .txt ；其中 Markdown 最佳 project-intro.md 標題結構 遵循標準 Markdown 標題層級，清晰分章分節(jié) # 一級標題
## 二級標題
### 三級標題
段落長度 單段文字建議 300~500 字以內，避免超長文本 將一個長段內容拆分為 2~3 段 內容組織 結構清晰 ，邏輯性強，避免內容過度重復或無序建議按「項目介紹 → 架構設計 → 技術實現」等順序分層 問答結構 采用 FAQ 形式，每個問題單獨成段 ，便于精準檢索## 什么是低代碼平臺？低代碼平臺是一個…… 語義完整性 保持每節(jié)內容自洽 ，不跨段依賴或頻繁引用 上下文如「用戶權限管理」單獨成節(jié) ， 討論管理方式和應用場景表格/圖表處理 表格推薦使用 Markdown 語法 ；圖表盡量轉 為文字描述，避免插入復雜圖片使用簡單 Markdown 表格，如下 例中的寫法 排版簡潔 避免過多樣式（顏色、加粗、嵌套表格）， 以便機器解析 保持 Markdown 純凈結構；必要 時可用簡單的列表或引用 編碼格式 文件需使用 UTF-8 編碼，避免亂碼 保存為 UTF-8 格式，尤其是 .txt文件 文件大小 單文件建議 < 5MB；過大的文件可以拆分多 個部分上傳 大于 100 頁的 PDF 可根據章節(jié)或 模塊進行拆分 提示詞工程-"用AI馴服AI"
傳統(tǒng)方式：人工編寫提示詞（Prompt） → 輸出結果不穩(wěn)定
創(chuàng)新方案： 用AI馴服AI，將我們的簡單的需求發(fā)給AI
，讓AI完善提示詞指令對比：
-
優(yōu)化前的提示詞
## 任務
根據用戶輸入的內容提取項目簡稱，不需要額外加任何符號
-
優(yōu)化后的提示詞（需要修改）
# Role
- **You are**: 一個智能文本匹配助手
，能夠基于知識庫檢索用戶輸入的內容，并返回對應的 項目簡稱。- **Skills**:
- 知識庫檢索 & 模糊匹配
- 語義分析 & 關鍵詞提取
- 高效精準匹配
# Output Requirements:
- **只返回項目簡稱**，不包含任何額外字符
、標點、說明或格式化標記。- **優(yōu)先匹配“項目簡稱”**：若用戶輸入與知識庫中的 "項目簡稱" 相同或相似
，直接返回該簡 稱。- **若找不到簡稱
，則匹配“項目名稱”**：- 檢索知識庫
，找出最接近的 "項目名稱"。- 若找到匹配項
，返回對應的 "項目簡稱"。- **無匹配時返回**： `找不到該項目`
，不猜測、不生成無關內容。- **支持模糊匹配**：允許輸入部分簡稱或項目名稱的關鍵詞
，尋找最相關的匹配項。# Example Inputs & Outputs:
**Input:** `三峽雄安能源江蘇張家港光束汽車` **Return:** 三峽雄安
**Input:** `張家港光束汽車`
**Return:** 三峽雄安
**Input:** `南方電網廣州供電局`
**Return:** 找不到該項目
效果對比：
× 優(yōu)化前的效果：
√ 優(yōu)化后的效果：
四 、圖表能力提升傳統(tǒng)方式：使用低代碼平臺的插件輸出簡單的圖表
，圖表類型少，樣式單一創(chuàng)新方案：
1. 利用低代碼平臺內置的echarts塊
，輸出符合自己需求的echarts圖表2. 參考鏈接（ecahrts官網）： https://echarts.apache.org/examples/zh/index.html
效果對比：（兩張圖進行效果對比）
核心代碼：
echarts
{
"xAxis": {
"type": "category",
"data": ["高風險", "中風險", "低風險"]
},
"yAxis": {
"type": "value"
},
"series": [ {
"data": {{ 風險評估_數據 }},
"type": "bar",
"label": {
"show": true,
"position": "top"
}
}]
}
使用方法：
-
利用代碼輸出echarts配置項
import json
def main(csv_data):
"""
解析輸入的 CSV 字符串數據
，提取“模塊名稱”和“數量”，構造用于 ECharts 的配置（柱 狀圖）。輸入數據可以是每條記錄單獨一行
，也可以是所有記錄在一行中，每兩個字段為一組。"""
# 先嘗試按行分割
lines = csv_data.strip().splitlines()
records = []
if len(lines) == 1 and csv_data.find('\n') == -1:
# 如果沒有換行符
，假設數據是逗號分隔的，每兩個字段為一組parts = csv_data.strip().split(',') if len(parts) % 2 != 0:
return {'output': 'Error: 數據格式錯誤，每組應該有兩個字段 '} for i in range(0, len(parts), 2):
record = (parts[i].strip(), parts[i+1].strip()) records.append(record)
else:
# 否則按行讀取，每行數據應包含兩個字段
for line in lines:
parts = line.split(',') if len(parts) < 2:
return {'output': 'Error: 每行數據格式錯誤
，必須包含模塊名稱和數量 '}
records.append((parts[0].strip(), parts[1].strip()))
categories = [] values = []
for category, value_str in records: try:
value = float(value_str) except Exception as e:
return {'output': f"Error: 數量字段轉換失敗 - {value_str}"}
categories.append(category) values.append(value)
# 構建 ECharts 配置
echarts_config = { "xAxis": {
"type": "category",
"data": categories },
"yAxis": {
"type": "value" },
"series": [ {
"name": "數量", "type": "bar", "data": values
} ]
}
# 生成輸出文件
output = "```echarts\n" + json.dumps(echarts_config, indent=2, ensure_ascii=False) + "\n```"
return {"output":output}
-
利用指令讓大模型自動生成
###數據匯總與分析
#### **1 .批次號維度匯總**
- 統(tǒng)計各【批次號】對應的工單計劃數量
，并使用 **Markdown 表格** 展示真實數據。- 生成 **ECharts 柱狀圖**
，嚴格按照以下 JSON 格式輸出，**并在圖表中顯示數值**。| 批次號 | 工單計劃數量 |
|-------- |------------ |
{{ 批次號_統(tǒng)計表 }}
```echarts
{
"xAxis": {
"type": "category",
"data": {{ 批次號列表 }}
},
"yAxis": {
"type": "value"
},
"series": [
{
"data": {{ 批次號_工單數量 }}, "type": "bar",
"label": {
"show": true,
"position": "top" }
}
] }
` ` `
### **輸出要求**
- **所有數據必須以 Markdown 表格格式呈現
，數據必須是真實的，不得使用示例數據 。**- **Markdown 表格必須直接輸出
，不應嵌套在代碼塊或 JSON 字符串中。**- **所有可視化數據必須嚴格按照指定的 ECharts JSON 格式輸出
，確保 低代碼平臺 識別并 生成圖表 。**- **所有圖表必須在數據點上顯示數值
， ECharts 配置需包含 ` "label " : { " show " : true } `。**- **不得省略任何 JSON 結構
，變量部分必須替換為真實數據。**- **Markdown 表格與 ECharts 數據應匹配
，避免數據不一致的問題。**{{#context#}}
五、AI查詢的顛覆性優(yōu)勢 1. 效率躍升：響應時間從小時級→分鐘級
，從“問人找人”變成“秒答”2. 數據聯(lián)通：支持多系統(tǒng)集成（MES、 ERP
、知識庫等），實現統(tǒng)一查詢與處理
3. 智能診斷：基于系統(tǒng)數據
，給出分析建議
4. 動態(tài)可視化：可快速的輸出圖表
5. 語義理解能力：即使描述的問題和知識庫中的標題不一樣
，也可以根據AI 的語義理解能力，匹配到 對應的問題。特性 AI語義查詢 傳統(tǒng)數據庫查詢 語義模糊容忍 是 否 拼寫錯誤容忍 是（輕度） 否 語義上下文理解 有 無 查詢語言要求 自然語 嚴格語法 學習能力 可以不斷訓練優(yōu)化 固定邏輯 六 、典型場景 × 電氣行業(yè)落地實踐場景方向 應用說明 問題知識庫 自動沉淀開關柜/箱變項目常見異常，如接線不符、元件漏裝等 工單進度分析 查詢每臺箱變當前進度 、滯后原因、責任工位齊套檢查 判斷變壓器是否具備開工條件 ，物料是否齊套，提前發(fā)出缺料預警智能報表 每日產線產出統(tǒng)計、不合格項趨勢、 BOM匹配異常統(tǒng)計圖表 決策支持 基于歷史項目數據，智能分析工序瓶頸和調度建議 結語：讓AI成為你MES系統(tǒng)的“超級助理” 不管你是干配電
、箱變、環(huán)網柜，還是中壓電氣設備制造—— AI × MES 都能為你帶來：-
讓問題閉環(huán)更快
-
讓管理更透明
-
讓知識不再依賴“老員工”
現在就是啟動智能協(xié)同的最好時機
！歡迎留言交流
，也歡迎轉發(fā)給那些正在思考“MES+AI”的同行伙伴。往期推薦: 深思AI（1）：從“人找數據”到“數據找人”：MOM系統(tǒng)如何用AI重構生產決策邏輯
？深思AI（4）：漢思信息MES/MOM全面接入DeepSeek，深思(ThinkDeep)V2.0助推企業(yè)進入AI+智造階段
END HanThink
漢思信息技術有限公司成立于2008年，致力于提供企業(yè)用戶全面、量身定制的MOM管理軟件MES、WMS、LES、QMS、EAM、EMS、IOT和整體解決方案。
目前服務的領域涵蓋離散和流程兩大行業(yè)：汽車行業(yè)、新能源行業(yè)
、醫(yī)藥行業(yè)、食品行業(yè)、機加工制造行業(yè)、大型裝配等。尤其在汽車、醫(yī)藥、食品、新能源行業(yè)（新能源汽車、光伏、電池、儲能等）積累了豐富的實施經驗和行業(yè)方案，是國內MOM的領先供應商。
掃碼關注“漢思”
識別二維碼
即可關注
如有侵權
，請聯(lián)系漢思刪帖漢思信息公眾號
掃碼關注漢思信息公眾號
其他原創(chuàng)
-
