让 AI 从“会回答”走向“能创造结果”

环境治理 · Agent · RAG + GIS污染源溯源智能体平台

大模型落地

污染源溯源智能体平台

让 9.5GB / 1200+ 份异构资料、GIS 研判、现场踏勘、检测计算与报告编制进入同一证据链

需求背景

• 耕地土壤重金属污染成因排查不是单纯的“文档问答”。一个区县项目往往包含政策规范、历史报告、企业清单、遥感影像、shp/gdb/kmz、检测报告、踏勘照片和访谈记录，工程师需要在多类软件之间反复整理与核对。
• 真实业务链路跨越“资料收集—初步研判—现场踏勘—补充监测—成因分析—成果编制”七个阶段，其中很多环节既要求引用法规证据，又要求空间计算和确定性数值计算。

解决方案

• 以 RAGFlow 建立法规标准库、历史项目库和项目资料库，文档解析后保留来源、章节和元数据；检测数值不进入“语言模型自由推理”，而是结构化写入 PostgreSQL/PostGIS。
• 空间研判 Agent 调用 GeoPandas/GDAL/PostGIS 完成缓冲区、上下游关系、水系连通、风向与涉重企业叠加等确定性分析；LLM 只负责综合证据并形成“事实—判断—待核实项”。

价值效果

• 把工程师从大规模文件整理、法规查找、表格誊抄和重复写作中释放出来，把时间留给现场判断与专业复核。
• 把“为什么得出这个结论”变成可追溯证据链：结论可以回到政策条款、空间分析、现场照片、检测报告和计算结果，而不是只得到一段语言模型答案。

9.5GB / 1200+资料规模

7阶段业务阶段

27个样本单元研判单元

查看完整案例 →

营销 · 多Agent · 内容工厂基于行业洞察的全自动营销内容策划 Agent 群控

大模型落地

基于行业洞察的全自动营销内容策划 Agent 群控

从行业情报、事实底稿到多平台内容、审核、发布与复盘，形成可追溯的企业 AI 内容闭环

需求背景

• 企业真正缺的通常不是“再写一篇文章”，而是一套持续工作的内容生产机制：内部案例和产品资料没有沉淀，行业信息靠人工零散关注，选题依赖个人经验，不同平台各写各的，事实口径容易漂移。
• 传统内容生产还存在审核链条长、视觉素材制作慢、视频脚本与画面断裂、发布后指标无法反哺下一轮选题等问题，团队越忙越容易退化为低价值搬运。

解决方案

• 通过网页、RSS、搜索和关键词任务采集外部行业情报，与客户、项目、案例、产品资料一起进入企业内容资产层；Research Agent 聚合多来源材料并形成可核对的研究底稿。
• 所有平台内容先经过统一 Fact Package：Fact Agent 只负责事实与数字，Insight Agent 负责观点与矛盾分析，再由公众号、小红书、短视频等 Writer Agent 分平台表达，确保“事实一致、表达不同”。

价值效果

• 把“灵感驱动”变成“事实驱动 + 机制驱动”：选题有来源、观点有证据、内容有版本、审核有记录、发布有结果。
• 一份事实底稿同时支撑多个平台，避免公众号、小红书、视频号、抖音各自产生不同口径；对企业而言，这比单纯提高写作速度更重要。

9步闭环阶段

Evidence First内容原则

图/视频/配音媒体生产

查看完整案例 →

销售 · FDE · 客户诊断销售作战 Agent 团队

大模型落地

销售作战 Agent 团队

让销售从“介绍产品”转向“理解客户、提出好问题、形成明确下一步”

需求背景

• 售前阶段的核心困难不是缺少话术，而是不知道哪些客户值得投入、为什么现在联系、应该验证什么问题、不同角色关心什么，以及会议之后怎样把信息转化成下一步。
• 销售如果只能从公司介绍和产品功能开场，很难在几分钟内建立专业信任；FDE 如果每次会前都从零研究，准备成本又很高，优秀经验难以组织化沉淀。

解决方案

• 客户研究 Agent 汇总官网、新闻、招聘、招标、技改、年报等公开信息与 CRM 历史记录，严格拆分“已确认事实 / Agent 推断 / 待验证假设”，再由评分 Agent 给出机会优先级。
• 初次沟通 Agent 按联系人岗位生成一分钟简报、20 秒开场、3—5 个诊断问题与异议处理；会前 Agent 建立参会人地图、问题假设树、30 分钟沟通路线和演示建议。

价值效果

• 销售准备时间目标降低 50% 以上，把大量检索和资料整理转成可复用的客户作战卡。
• 会议价值从“讲过什么”转向“验证了什么”：每个问题假设都有来源、验证问题和下一步追问路径，便于形成真正的诊断机会。

↓50%+准备时间目标

≤10分钟会后纪要目标

≥70%明确下一步

查看完整案例 →

OA · 企业知识 · 流程Agent企业智能 OA 协同 Agent 平台

大模型落地

企业智能 OA 协同 Agent 平台

把知识、流程、表单和跨部门协同从“人找系统”改造成“意图驱动的工作入口”

需求背景

• 企业 OA 往往已经有请假、采购、合同、用印、项目、行政、人事等流程，但入口多、规则散、表单复杂。员工知道“我要办一件事”，却不一定知道从哪个菜单、哪个表单、哪个制度开始。
• 管理侧也存在另一类问题：流程能流转，但异常、延期、跨部门依赖、重复审批并不会自动解释；大量制度文件和历史办理经验沉睡在文档库里。

解决方案

• 以企业制度、SOP、FAQ、合同模板、行政规则构建带权限的 RAG 知识层；用 HR、组织、项目、供应商、合同等结构化对象建立轻量业务本体，避免 Agent 只看到一堆文档。
• 意图 Agent 判断用户是在查询、填表、申请、催办还是跨系统操作；流程 Agent 根据规则补齐必填信息、调用 OA/API 创建草稿并展示影响范围，涉及正式提交、金额、合同与敏感数据时强制人工确认。

价值效果

• 降低员工寻找入口、查制度、问行政和重复填表的时间，让“我要做什么”成为新的入口，而不是要求员工先理解系统菜单。
• 保留原 OA 的审批和权限体系，把 Agent 限定在可控范围内；每次调用工具、读取资料、生成字段和用户确认都有审计记录。

现有OA上层定位

权限+审计治理

人工确认高风险动作

查看完整案例 →

钢材物流 · 目标跟踪 · 二维码超视距扫码跟踪出入库设备

工业视觉

超视距扫码跟踪出入库设备

运动中远距离识别钢材标签，把人工抄录改造成连续跟踪、自动读码和出入库数据闭环

需求背景

• 钢材装卸和发运现场，传统做法常需要人员靠近货物逐支或逐捆扫码、登记，劳动强度高，发货效率受限，在吊装、车辆作业区域还会增加安全风险。
• 标签在装卸过程中持续运动，距离远、景深大、角度变化明显，同时现场存在强光、粉尘、水雾和遮挡；普通近距离二维码方案很难稳定覆盖。

解决方案

• 使用大尺寸感光元件、长焦成像和稳定安装结构获取高质量远距离图像；视觉模型先对运动中的标签区域做检测和跟踪，再对候选区域做透视矫正、增强和二维码解析。
• 跟踪层通过目标 ID 将连续帧中的同一标签关联起来，避免单帧失败就丢失；识别成功后对结果做去重、时序确认和业务校验，再写入出入库记录。

价值效果

• 现场方案目标为运动中 1 秒内完成识别，减少人员靠近吊装和车辆作业区域的频率。
• 项目资料给出的识别精度指标达到 99.9% 级，并强调远距离、大景深、微型二维码与恶劣环境适应能力。

99.9%级识别精度

≤1s单次识别

运动中跟踪识别方式

查看完整案例 →

纺丝 · 异常检测 · 防爆视觉华峰锦纶铸带头 AI 视觉拥堵检测系统

工业视觉

华峰锦纶铸带头 AI 视觉拥堵检测系统

在铸带头发生拥堵的早期阶段自动识别与告警，把材料浪费和人工漏检风险前移

需求背景

• 铸带头工位出现拥堵后，如果依赖人工巡检，往往等到异常已经扩大才被发现。连续生产过程中，一次漏检可能带来原材料浪费、停机清理甚至后续设备风险。
• 现场设备区域对相机安装、防爆、耐环境干扰都有要求，正常状态和异常状态又存在工况差异，因此不能把实验室模型简单搬到产线。

解决方案

• 在关键铸带头区域布置防爆相机，通过稳定视角持续采集；模型识别早期拥堵形态并结合时间窗口过滤瞬时干扰，避免单帧波动造成频繁误报。
• 边缘端完成实时推理和事件判断，异常达到阈值后触发可视化告警；平台侧保留事件截图、趋势、报警时段与处理记录，为工艺复盘提供证据。

价值效果

• 项目资料显示识别准确率随不同现场相机条件与工况约为 90%～99%。
• 目标是减少人工漏检并降低拥堵发生后的材料浪费；项目测算给出材料浪费降低 20% 以上、年度节省超过百万元级的业务价值。

90%~99%识别准确率

20%+浪费降低

百万元级/年价值测算

查看完整案例 →

电力巡检 · 无人机 · 测径国网低压裸导线无人机自主测径系统

工业视觉

国网低压裸导线无人机自主测径系统

无人机自主采集线路影像，自动识别线径、线制、金具与杆塔位置，构建线路区图数据

需求背景

• 低压裸导线巡检依靠人工登杆或近距离观察时效率低、风险高，且大量线路参数分散在纸质记录或历史系统中。
• 无人机采集能够扩大覆盖，但真正难点不是“拍到照片”，而是把飞行位置、高度、杆塔、金具、线制和线径从影像中可靠提取并形成可用数据。

解决方案

• 无人机按任务航线自主巡检并记录位置、高度与影像；模型识别杆塔、横担、瓷瓶、金具和导线区域，建立每个杆塔与线路段的结构化对象。
• 在线径测量阶段，对导线边缘进行精细分割和几何拟合，并结合距离/姿态标定或参考尺度将像素宽度换算为毫米；同时识别单/双/三相四线等线制。

价值效果

• 项目资料给出的导线规格覆盖约 Φ6.2mm～23mm，支持横担、瓷瓶、线夹、金具、挂板等多类构件识别。
• 方案目标检出率和检测准确率均达到 95% 以上，并将位置记录误差控制在 0.1m 级、高度误差控制在 1m 级。

≥95%检出率

≥95%准确率

Φ6.2~23mm线径范围

查看完整案例 →

光伏 · 多算法 · 巡检平台基于视觉的光伏板全生命周期自动巡检系统

工业视觉

基于视觉的光伏板全生命周期自动巡检系统

从施工安装质量到运营热斑、组件故障与工程现场安全，用同一视觉平台持续巡检

需求背景

• 光伏项目的视觉需求贯穿建设和运营：施工阶段关心地面打孔、组件安装、车辆与人员作业；运营阶段又要关注组件热斑、破损、遮挡和故障。
• 如果每个阶段都采购一套独立算法和系统，设备管理、部署、接口和数据归档会迅速碎片化；真正可持续的方案需要统一接入、统一算法调度和统一异常闭环。

解决方案

• 平台统一管理多路视频与任务设备，按照施工阶段和巡检任务动态挂载算法服务；工程车辆、地面打孔、光伏板安装、组件故障、热斑、工程垃圾等算法通过标准接口接入。
• 每路视频按场景配置不超过约定数量的算法组合，资源池按任务动态分配算力，异常结果通过标准 API 推送给第三方平台，同时保留截图、坐标、时间和处理状态。

价值效果

• 项目平台覆盖施工安全、机械设备、光伏故障等 12 类视觉算法，单路算法按资源约束灵活叠加。
• 异常判断与识别推送目标在秒级完成，项目资料给出的异常响应指标为 ≤3s，第三方接口采用标准 HTTP / JSON。

12类算法服务

≤5个单路叠加

≤3s异常响应

查看完整案例 →

玻璃制品 · 零负样本 · 异常检测通用成品玻璃瓶自学习缺陷检测系统

工业视觉

通用成品玻璃瓶自学习缺陷检测系统

用正常样本学习“什么是正常”，在缺陷样本稀缺时覆盖瓶口、瓶内、瓶底、瓶身的未知异常

需求背景

• 成品玻璃瓶的缺陷类型多且分布不稳定：划痕、掉漆、贴花错误、颜色异常、瓶口与瓶底细微破损等，不可能为每一种异常都长期收集大量负样本。
• 传统监督分类要求定义缺陷类别并准备样本，遇到从未出现过的新缺陷容易漏检；同时透明/反光材质使打光和多视角成像成为算法之外的关键工程问题。

解决方案

• 通过 5 个高速线扫/面阵视角覆盖瓶口、瓶内、瓶底和瓶身，针对不同曲面与反光区域设计独立光学结构。
• 异常检测模型主要使用正常样本训练，学习正常纹理、边缘、颜色与印刷特征；推理时输出异常分数和热力图，再结合阈值、区域规则与瓶型模板判断是否拦截。

价值效果

• 降低对“提前知道所有缺陷类型”的依赖，更适合多瓶型、小批次和缺陷长尾场景。
• 项目资料展示了瓶口、瓶内、瓶底、瓶身四类区域的异常热图，并以 >100 种缺陷覆盖作为系统目标。

4大区域检测区域

5路成像单元

>100类缺陷目标

查看完整案例 →

自动驾驶 · SLAM · 机器人本田动力无人割草机视觉导航及自动驾驶系统

工业视觉

本田动力无人割草机视觉导航及自动驾驶系统

激光点云 + IMU 紧密融合，在没有 GPS/UWB 的复杂园区环境中完成厘米级导航与避障作业

需求背景

• 园区割草存在重复路线、人工成本和高温/噪声环境问题，但无人割草机如果依赖 GPS 或 UWB，在树荫、建筑遮挡、局部复杂地形中可能难以保持稳定定位。
• 割草作业需要比普通移动机器人更高的路径贴合度，并且要对树木、行人、障碍物和草坪边界进行连续感知。

解决方案

• 将激光点云与 IMU 做紧密融合，以扩展卡尔曼滤波（EKF）提供高频状态估计，同时结合因子图进行约束建图与累计误差修正。
• 视觉/点云模块完成环境感知、障碍检测与可行驶区域判断，地图层生成割草覆盖路径并在执行时持续比较目标轨迹与实时位姿。

价值效果

• 原项目资料给出的路径误差目标小于 10cm，障碍检测距离误差小于 5cm，适合对重复覆盖和边界精度要求较高的割草任务。
• 不依赖 GPS/UWB 减少现场基站建设和维护，扩大在树木、建筑遮挡和园区复杂场景中的适用范围。

<10cm路径误差

<5cm障碍误差

LiDAR+IMU定位

查看完整案例 →

汽车制造 · SOP · 行为识别汽车隔热罩压铸工序 SOP 视觉校验系统

工业视觉

汽车隔热罩压铸工序 SOP 视觉校验系统

用视觉识别人员动作与材料位置，实时判断工序是否按 SOP 完成，并联锁错误操作

需求背景

• 压铸工序中，材料摆放和作业顺序可能依赖人工记忆。某一步漏做、顺序错误或材料位置不对，往往要到后续质量检查才被发现，返工与报废成本已经发生。
• 传统防错常靠传感器或固定治具，但当动作本身和多个零件状态共同决定“是否做对”时，单点传感器难以覆盖完整 SOP。

解决方案

• 固定视觉相机持续识别手部/工具动作与关键材料位置，并把每个工序定义为可判定的视觉状态条件。
• 状态机按照 SOP-01 → SOP-02 → SOP-03 → SOP-04 依次推进；若发生漏序、倒序或材料条件不满足，系统不进入下一状态，并通过 IO/PLC 与压铸设备联锁。

价值效果

• 原项目资料给出的视觉检出率指标达到 99.9% 级，目标是将人工容易出现的顺序错误在设备动作前拦截。
• 错误压铸会造成材料报废，过程防错可以直接减少返工和浪费；项目材料给出返工率降低 80% 以上的目标/效果表述。

99.9%级检出率

↓80%+返工率

过程联锁控制方式

查看完整案例 →

PCB · 配准差分 · CPU推理基于纯 CPU 的高速微观 PCB 缺陷检测系统

工业视觉

基于纯 CPU 的高速微观 PCB 缺陷检测系统

标准图配准 + 局部特征差分，在 CPU 上实现毫秒级开短路、缺口、突铜等微观缺陷检测

需求背景

• PCB 微观线路缺陷尺度小、形态多，但每个型号通常都有高质量标准图。与训练一个“认识所有缺陷”的分类模型相比，如何稳定对齐扫描图和标准图往往更关键。
• 产线希望在普通 CPU 工控机上运行，避免每个检测工位都配置 GPU，同时要求检测延迟极低。

解决方案

• 先从两幅图提取局部密集特征，在粗匹配后建立扫描图到标准图的全局对应关系；再对局部区域做精细配准，消除位置和尺度误差。
• 特征层采用注意力/Transformer 风格的上下文建模增强线条结构表达，对配准后的局部特征做差异检测，而不是直接比较原始灰度像素。

价值效果

• 项目资料给出的缺陷漏失率约 0.2%、检测准确率约 98%，用于表达该方法在标准图对比场景中的检测能力。
• 纯 CPU 运行的识别速度约 3ms 级，使算法更容易集成到已有工控机，不额外增加 GPU 硬件复杂度。

0.2%漏失率

98%准确率

≈3ms识别速度

查看完整案例 →

高危作业 · 机器人 · 远程控制高危三光气结晶体自动破碎机器人

工业视觉

高危三光气结晶体自动破碎机器人

让人员退出高风险结晶体处理区域，用远程感知、破碎、收集、输送和安全联锁完成一体化作业

需求背景

• 结晶体人工破碎作业需要人员进入高风险区域，接触风险、粉尘/飞溅、设备运动和环境不确定性同时存在，单纯增加 PPE 并不能消除暴露。
• 设备要完成行走、接近、破碎、收集、输送等多个机械动作，同时操作员必须能够远程看清现场并在异常时快速停机。

解决方案

• 履带底盘负责狭窄/复杂地面移动，前端破碎机构完成刮铲/扫收，中部输送结构将结晶体送入储料区域，形成破碎—收集—输送—储料一体化。
• 鱼眼相机、激光雷达和多路视频回传构成远程感知，WEB 平台提供低延迟视频、设备状态和控制入口；有线以太网为主控链路，Wi‑Fi 用于辅助观察与维护。

价值效果

• 把人员从危险环境中移出，核心价值首先是降低直接暴露和接触风险。
• 原试验指标包括远控响应 ≤100ms、连续稳定作业 ≥10h、破碎收集效率 ≥0.4m³/h、多路视频 ≥25fps。

≤100ms遥控延迟

≥10h连续作业

≥0.4m³/h作业效率

查看完整案例 →

叉车 · DMS · BSD安全基于驾驶员行为和周边安全的叉车辅助安全预警系统

工业视觉

基于驾驶员行为和周边安全的叉车辅助安全预警系统

把 DMS、BSD、倒车防撞、车辆信号、声光预警和录像证据整合为一套边缘安全闭环

需求背景

• 叉车事故风险同时来自驾驶员状态和车辆周边环境：未系安全带、未戴安全帽、接打电话、吸烟、双手脱离，以及侧前/侧后盲区的人员和车辆都可能成为触发因素。
• 如果每类风险独立告警，驾驶员会遭遇重复提示、误报和延迟；而网络不稳定时，依赖云端判断又会影响关键安全功能。

解决方案

• 驾驶室内 DMS 识别人脸/驾驶员身份、安全帽、安全带、吸烟、电话和双手状态；车外多路摄像头识别行人/车辆并划分 BSD 盲区风险等级。
• 倒车信号、座椅、安全带、手刹、车速、超声波等传感器通过本地 IO/Modbus 接入，边缘盒子融合视觉结果和车身状态，按照规则触发声光报警、画面放大或联锁提示。

价值效果

• 把“单点识别”升级为驾驶员、车辆和周边环境的联合判断，避免仅靠一个摄像头做安全管理。
• 车端优先、本地闭环降低网络依赖，关键预警不因为 4G/后台连接异常而失效；管理端保留历史告警、视频和车辆信息。

多路安全画面监控能力

≥7天目标本地存储

稳定运行验证现场验收

查看完整案例 →