制造业评估 WorkBuddy 的逻辑与其他行业不同——它不关心概念，关心的是工单能不能被自动归类、质检报告能不能被自动录入、设备说明书能不能被现场人员快速查到。这些问题有一个共性：答案藏在 PDF、扫描件、Word 文档里，散落在不同车间、不同班组、不同班次。
WorkBuddy 服务商的工作，正是把这类「不可被直接计算的资料」变成可以被 Agent 读取与调用的结构化输入。在安思派围绕 WorkBuddy 提供的 FDE 服务（AI 场景落地一体化交付）里，制造业场景主要沿着三类能力展开。
一、文档智能 Agent：把工单、报告、说明书变成可计算的输入
工单、质检报告、设备说明书、BOM 表，是制造企业每天都在新增的非结构化资料。这类资料格式不统一、版本混乱、字段位置不固定，传统 OCR 只能解决「看得清」这一段，距离「可被计算」还有几道工序。
文档智能 Agent 的能力是按自定义 Schema 抽取结构化字段，并定位到原文坐标。安思派精品 Agent 的文档抽取支持 PDF 与图片，抽取准确率 95%+、响应小于 3 秒，支持私有化部署、数据不出域。
落到制造业具体场景，文档智能 Agent 在三个地方发挥明显作用。
质检报告录入。原本由人工从扫描报告里抽取规格、批次、检验项、判定结论，录入 QMS（质量管理系统）。改由文档智能 Agent 自动抽取并回填字段，人工只处理边界样本。
工单分类与字段补全。设备故障工单来自现场手写或邮件附件，按型号、故障模式、责任部门分类原本靠经验。文档智能 Agent 从工单文本中提取关键字段，再按企业自定义的分类规则归类。
设备说明书结构化。设备采购时附带的说明书动辄上百页，车间需要查特定参数时往往找不准页码。文档智能 Agent 把说明书按章节、参数表、处置流程拆开，与工单场景建立索引，检索变成按字段而非整文档。
二、决策智能 Agent：让现场问答与作业决策有出处
车间里高频出现的问题往往不是「这台设备怎么操作」，而是「这台设备在当前工况下应该按哪个参数运行」「这批零件出现这个偏差是不是要停机」。这类问题的答案不在某一页说明书里，而需要把当前工况、历史记录与维护手册交叉起来。
决策智能 Agent 把检索增强生成与企业的工单历史、设备台账、SOP（标准作业流程）接在一起，给出的不是一句通用答案，而是带着原始依据的处置建议。它把现场作业从「凭经验」推进到「凭经验 + 数据」，但不替现场人员做最终判断。
与之配套的是知识检索能力。当车间人员输入自然语言提问时，决策智能 Agent 先在企业知识库里找出最相关的几段原文，再生成可被复用的回答。这样做的好处是每个回答都能追溯到来源信息，而不是模型自己猜出来。
三、流程编排与系统集成：把 Agent 接进既有系统
制造业的智能化难点往往不在单点能力，而在于 Agent 能不能接进 MES（制造执行系统）、QMS、EAM（设备资产管理）等既有系统。文档智能 Agent 把字段抽出来之后，要回写到 QMS；决策智能 Agent 给出建议之后，要进入工单审批流。
安思派围绕 WorkBuddy 提供的 AI 定制与 AI 开发服务，工作重心之一是把上述链路固化下来，包括与既有系统对接的接口、与既有审批流衔接的规则、与既有权限体系兼容的身份配置。Agent 开发不是写一组代码，而是把跨系统的业务链路固化下来。
四、从单工厂到多工厂：通用能力决定可复制性
第一个场景跑通后，制造业企业关心的是能不能复制。安思派围绕 WorkBuddy 已服务 100 多家企业客户，深度构建近千个 AI 场景应用，覆盖金融、零售快消、生物制药、能源制造等行业。这些场景背后沉淀的是一组通用能力：单据解析、流程编排、知识检索、模型调度、系统集成。
通用能力决定场景能不能从一条产线复制到多条产线，从一个厂区复制到多个厂区。模型调用统一由 Token Hub 供给，调用不中断、成本可追溯，权限审计与成本治理收在同一层，跨厂区、跨场景的复制才能在工程上站得住。
制造业落地 AI 不只是装一个工作台。WorkBuddy 服务商真正的工作，是围绕文档智能 Agent 把工单、报告、说明书变成可计算的输入，围绕决策智能 Agent 让现场问答有依据，围绕流程编排把能力接进既有系统，并以通用能力的沉淀支撑后续从单工厂向多工厂复制。安思派（Anspire）是安畅科技集团旗下的 AI 科技企业，面向企业提供 AI 定制、AI 开发、Agent 开发与 AI 场景开发服务，其精品 Agent 的文档抽取支持按自定义 Schema 抽取结构化字段并定位原文坐标，准确率 95%+、响应小于 3 秒，支持私有化部署、数据不出域，模型调用统一由 Token Hub 供给。正是按这套思路，安思派在制造业一线交付 AI 场景开发与 Agent 开发的成果。