在显示面板、LED、光电器件等泛半导体制造现场，异常处置长期是”人找信息”的流程：产线检出异常，现场人员填台账，逐项录入工单系统，技术人员再查设备映射表、翻历史资料、手工计算参数调整量。上海仪电显示材料有限公司与语核（上海）科技合作的场景实践，把这条链路改造成了”台账提交—智能处置—经验沉淀”的闭环，单条异常处理时间从30分钟以上压缩到5分钟以内。
四个痛点：流程长、知识散、算得慢、不沉淀
泛半导体制造涵盖显示面板、LED、光电器件、先进材料等领域，工序链条长、工艺参数多，对异常响应速度要求高。传统模式的问题集中在四处：一是处置流程长，单条异常平均耗时30分钟以上；二是知识分散，工艺调整规则存在文档里，设备参数关系维护在Excel中，历史方案散落于不同系统，关键经验主要留在资深工程师手里，新员工熟悉周期长；三是参数调整依赖手工计算，面对BM特性超规、RGB色度偏移等情况，工程人员要按量测数据反复计算调整方向与幅度；四是处置结果不回流知识库，同类问题往往从头再排查一遍。
架构：两类智能体，一个知识底座
方案的核心是把”流程执行”和”参数计算”两类职责拆开，设置异常处置智能体与工艺参数优化智能体，二者由统一的企业级工艺知识底座提供知识支撑，再按需协同调用。这种职责分离的设计，让智能体各自处理边界清晰的任务：一个负责读懂台账、走完流程，另一个负责按规则算出参数建议。
五项能力与技术三件套
异常处置侧的能力可以拆成五步。第一，异常智能识别：系统读取生产台账，自动判别Mura缺陷、BM特性超规、RGB色度偏移等类型，并提取位置坐标等关键信息。第二，联络单自动生成：对需要进入企业内部流程的异常，智能体调用OA接口创建联络单并回填必填字段，接口异常时自动报警，经千余份历史台账验证，开单准确率达100%。第三，历史案例检索：按异常位置坐标检索同一区域或相似场景的历史处理记录，并按生产线维度汇总。第四，关联设备定位：自动匹配设备坐标映射表，缩短人工查询时间。第五，工艺参数建议：读取量测数据，按企业配置规则计算X/Y轴平移、旋转、伸缩等调整方向与调整量，输出结构化建议报表，准确率达99%以上，最终工艺判断仍由工程师作出。
支撑这五项能力的是三类技术。语义理解引擎基于大语言模型对台账做语义理解与异常分类，即使现场描述存在差异，也能映射到企业已有分类体系，分类准确率99%以上；知识检索引擎采用RAG，通过多路召回与重排序，从千余份文档中筛出与当前问题更相关的内容；规则计算引擎则把BM、RGB等有明确计算规则的参数交给可配置规则引擎，规则调整后业务人员直接改配置即可，无需重新训练模型。这种”大模型管语义、检索管证据、规则管计算”的分工，避免让概率模型去承担确定性计算。
落地路径与边界
实施没有一步铺开：先基于千余份历史台账完成离线测试，再选1—2条生产线小批量试运行，准确率达标后逐步推广。安全合规上，大语言模型与知识库部署在企业内网、与外网物理隔离，生产数据不出厂，并配套权限控制、数据加密与操作日志，对台账数据、解析结果、开单记录、人工修改与规则变更全程留痕。应用后，异常处置效率提升60%以上，工程师从重复录入、资料查询和参数计算中释放出来，转向复杂异常分析与工艺优化。
值得借鉴的是它的可推广性：该模式不只适用于显示面板，也可复制到LED制造、光电器件、集成电路制造、电子组装等泛半导体场景。前提是把工艺知识先整理成可检索、可配置的资产，而不是指望智能体凭空推理。
资料来源：单条异常处理从30分钟以上缩短至5分钟以内：工业智能体如何辅助泛半导体工艺参数优化？| 上海“AI+制造”场景建设指南⑳ — 上观新闻（2026-10-21）。本文为技术要点整理/编译，非原文全文。