让物理世界成为可信数据
传感器、协议、驱动、位号值与物模型，让现场信号可归属、可解释，并带有可判断的质量。
《从工业软件到 AI 智能体》从设备连接，到有边界的智能闭环
这不是一本把 AI 叠加到物联网平台上的概念书。它从工业软件的能力边界出发，沿设备接入、数据闭环、云原生工程与安全治理，解释智能体如何在确定性边界内走进物理世界。
Skip to content全书要回答的问题 全书主线 主线的一次具体走查 三篇 · 十四章 读完应当带走什么 架构 取舍 实践 始终说清的三条边界
模型会推理之后，如何安全地触碰真实世界？
在工业系统里，答案不能直接变成动作。“感知、推理、行动、进化”构成一条受治理的闭环：可信信号支撑候选判断，获准行动穿过确定性边界，反馈则必须经过评测与受控发布，才能换来更大的权限。
只生成可检验的候选
数据处理、规则、RAG、Tool 与 MCP，为智能体形成判断和计划提供有边界的上下文，而不是执行许可。
先治理，再执行
身份、鉴权、参数校验、策略、确认、恢复与审计，位于模型意图与物理指令之间。
用证据换取逐级放权
回执与结果进入版本化评测、审批、受控发布和回退；反馈本身不会让模型自动获得权限。
LLM 可以理解意图、归纳信息并编排受控工具；实时控制、安全联锁和故障保护，仍应由 PLC、边缘控制器等确定性系统承担。
智能体出现之后，平台没有消失，而是成为它的地基
全书不是把工业软件、物联网和 AI 拼成三个专题，而是沿一条逐层累积的工程路径展开。
- 01问题起点
工业软件的能力边界
SCADA、DCS、MES 与 PLC 解决局部、确定性的关键问题，但数据孤岛和封闭能力边界限制了更大范围的协作。
- 02平台底座
统一物联网数据与能力
多协议接入、物模型、云边协同与平台数据处理，形成可复用的数字底座。
- 03决策层
受治理的 Agent Runtime
Spring AI、RAG、Tool、MCP、状态、Workflow 与审计，把概率性推理收进明确的工程边界。
- 04演进结果
有边界的自治
系统能够感知、推理、执行、验证与恢复，但不会把模型误当作 PLC 或安全系统。
可信数据→受治理工具→确定性执行→可追溯反馈
一次振动越限，走完整条链路
把全书的机制放进同一次真实事件：从冷却泵的振动位号值上行，到一次经确认的写操作。各步机制分别在第 4–5、7、8 与 14 章展开。
- 01
上行入库
驱动把振动位号值经 MQTT 上报，带单位与时间戳落入时序库。
第 4–5 章 - 02
越限告警
规则引擎按阈值把异常从海量位号中挑出来，先由确定性逻辑兜底。
第 5 章 - 03
汇总证据
智能体经授权工具读取趋势、负载与维修记录，给出轴承磨损前兆的判断和依据。
第 7 章 - 04
待确认动作
写操作不直接下发：生成待确认 Action，先过校验、权限与风险策略。
第 7–8 章 - 05
确认与回执
人工确认后由确定性链路执行，回执与审计留痕可回查。
第 8、14 章
每一步都有明确的责任人：数据归驱动，告警归规则，判断归模型，动作归流程，执行归确定性链路。
沿着同一条闭环，逐层建立能力
每一篇都继承前一篇建立的约束。叙事走到 AI 时，工程底座并没有被丢下。
不是一份产品手册，而是一套可迁移的系统思考方法
IoT DC3 是贯穿部分章节的开源工程参照；真正要讲清的是通用方法、责任边界与工程取舍。
画出完整的数据闭环
解释感知、协议接入、存储、推理、指令执行与反馈之间的路径和责任。
带着条件做技术选择
把协议、云边边界、数据链路与安全控制的适用条件、代价和失败方式放在一起比较。
设计有边界的智能体系统
在智能体作用于设备之前，定义工具契约、权限、策略、确认、恢复和审计。
这本书不做哪些承诺
MCP 替代设备协议
MCP 连接 AI 应用与工具和上下文；MQTT、CoAP、Modbus 等仍负责设备通信。
模型直接控制设备
高风险写操作必须经过鉴权、校验、策略、审计，以及必要的人工确认。
IoT DC3 是唯一答案
它是用于检验通用架构模式与工程取舍的具体开源参照。