制造业流程长、系统多、现场变化快。判断一个场景是否适合智能体，不能只看技术是否能够实现，还要看业务价值、数据基础、责任边界和异常处理要求。
排产与生产协同
综合订单交期、物料齐套、设备状态、工艺路线和人员约束，辅助计划人员生成方案，并在条件变化时提示影响范围。智能体适合提供方案和解释，不宜在缺少约束校验时直接下达生产指令。
质量分析与追溯
汇总检验记录、不良代码、工艺参数、批次和客诉信息，帮助质量人员查找相关性、整理8D材料并追踪整改任务。
设备知识与运维
结合说明书、点检标准、维修记录和实时告警，为维护人员提供排查步骤、备件建议和历史相似故障。
工艺知识助手
把分散在文档、图纸说明和工程师经验中的知识整理为可检索、可引用的工艺知识库，支持新人培训和现场问题查询。
供应链风险协同
结合采购订单、库存、交期、质量和供应商记录，识别缺料与履约风险，并推动采购、计划和生产协同处理。
选择首个场景的四项标准
- 问题每周或每天重复发生；
- 当前耗时、损失或风险能够计算；
- 必要数据可以合法、稳定地获得；
- 有明确业务负责人参与设计和验收。
制造企业不必一开始建立完整的“智能工厂大脑”。从一个岗位、一条流程或一种异常开始，更容易形成可复制的技术和管理方法。