摘要：数字工匠不是单纯的聊天机器人，而是面向制造业岗位的企业级AI工作台，连接人员、文档、知识、流程、数据和工业软件。
数字工匠不是一个单纯的聊天机器人。
它是一套面向制造业岗位的企业级AI工作台，连接人员、文档、知识、流程、数据和工业软件，帮助工程师完成设计、校验、分析、执行和报告等具体工作。
从平台能力看，数字工匠主要由五部分组成。
一、工业文档引擎：让图纸、规范和计算书可以被理解
制造企业的大量知识保存在文档中。
设计规范、产品手册、计算书、工艺卡、质量标准、BOM、故障记录和技术协议，格式不同、来源不同、版本也不同。
工业文档引擎负责解析这些内容，识别其中的产品型号、零部件、参数、规则、表格和引用关系。
工程师查询一个问题时，系统不仅返回答案，还可以定位到原始文件、对应章节和版本来源。
这为后续工程应用建立了证据基础。
二、数据本体引擎：把文件转换成工业对象网络
仅仅把文档放入知识库，还不足以支持复杂工程任务。
数字工匠需要知道图纸对应哪个部件，部件属于哪个产品，产品采用哪个BOM版本，某项工艺参数适用于什么材料和设备。
数据本体引擎把企业数据组织成对象、关系、规则、状态和证据。
例如围绕一台金属成形设备，可以建立：
- 产品系列与型号；
- 总成、部件和零件；
- 二维图纸和三维模型；
- 设计BOM和配置规则；
- 工艺路线和工序参数；
- 模具、工装和设备资源；
- 仿真模型和计算结果；
- 质量记录；
- 故障、维保和服务案例。
有了这层关系，数字工匠才能完成跨系统检索、变更影响分析和规则校验。
三、专项工程组件：把工业经验变成可调用能力
制造企业中的很多任务具有明确规则。
例如标准件选型、BOM完整性检查、设计规范校验、工艺参数推荐、仿真结果对比和质量风险识别。
数字工匠可以把这些任务封装成专项工程组件。
每个组件都可以设置输入条件、适用范围、执行规则、调用工具和输出格式。
相比完全依靠大模型自由生成，专项工程组件能够强化工程约束，使结果更加稳定，也便于企业持续调整。
四、工业软件调用：从给建议走向执行任务
数字工匠的重要能力，是连接企业已有工业软件。
在CAD场景中，它可以检索模型、读取参数、辅助标准件选型、执行图纸检查。
在CAE场景中，它可以配置工况、批量调用算例、提取计算结果并生成对比分析。
在PLM中，它可以查询版本、读取BOM、分析变更影响并发起流程。
在ERP、MES和质量系统中，它可以调用物料、计划、制造、检测和追溯数据。
通过API、CLI、MCP等方式，数字工匠可以把多个软件连接到同一条任务流程中。
在某大型石油集团的工业软件中试验证中，数字工匠可以围绕一个设备或工程对象组织资料检索、专业软件调用、参数核对和结果报告，帮助业务人员验证“AI是否真的能完成工程任务”，而不只是回答概念问题。
五、权限、留痕和人工确认：保证工业任务处于可控范围
工业AI不能绕开企业原有权限和责任体系。
数字工匠需要按照人员、部门、项目和数据级别控制访问范围。
任务执行过程中，平台记录：
- 谁提出了任务；
- 使用了哪些数据；
- 调用了哪些模型和软件；
- 输入了什么参数；
- 生成了什么结果；
- 哪位工程师完成了确认。
这使每项操作都有记录，每个结论都有依据，每次修改都可以追溯。
数字工匠在不同岗位中的具体应用
在设计岗位，数字工匠可以检索相似项目、调用历史图纸和模型、推荐结构参数、检查设计规范，并调用CAD和CAE完成计算。
在BOM管理岗位，它可以识别缺项、重复项和异常编码，对比不同版本，分析变更对工艺、采购、制造、库存和服务的影响。
在工艺质量岗位，它可以推荐工艺路线、校验工序参数、关联设备状态和检测数据，并形成质量趋势和风险分析。
在项目与服务岗位，它可以汇总项目进度、识别延期风险、整理问题清单，并根据设备型号、故障现象和历史案例辅助诊断。
这些场景共用同一个底层体系，但会根据岗位形成不同的数字工匠工作空间。
企业不需要一次性重建全部系统，可以从一个高价值岗位切入，连接必要的数据和软件，完成真实任务验证，再逐步扩展到更多岗位。