流程工业的工艺优化，第一步往往就卡住：把一段口语化的生产描述和一张工艺流程图，变成可求解的数学模型。决策变量、目标函数、物料与能量平衡、热力学上限、安全联锁，一样都不能少。通用大模型直接写模型，常见毛病是“数学上像那么回事，物理上不成立”，比如漏掉一个储罐不能溢出的隐含约束。
三阶段工作流，两次人工确认
little m 的思路是把建模拆成人类工程师熟悉的项目流程，而不是让模型一步从输入跳到公式。
第一阶段是信息结构化：读文本描述和工艺流程图，抽取关键步骤、设备类型和运行模式，压成一份结构化摘要，由用户确认后才能进入下一步。第二阶段是策略设计：结合用户目标和检索到的领域知识，给出优化目标、模型类别、主要决策变量、所需信息和候选约束族，同样要用户点头。第三阶段才是数学建模：把确认过的策略翻成目标函数、变量、固定参数和约束，并为每个符号标注数据来源；最后由专家做语义审查，发现不符就触发多轮追问，把隐含的开停车顺序、安全边界等补回来。
知识库不是文档堆，而是“问题路径”
支撑这套流程的是一个领域知识库。它不以算法条目组织，而以“问题路径”组织：每个条目把可观察的工况或症状，连到一个主要优化目标、若干候选方法、可复用的数学与约束模式，以及适用边界。症状只作为检索锚点，不当作已确认的根因；候选方法必须连同使用条件和所需信息一起给出。检索用向量搜索加交叉编码器重排（bge-m3 与 bge-reranker-v2-m3），推理引擎是 Gemini 2.5 Pro。
IPC-Bench 与两类评测
团队构建了 IPC-Bench，50 个取自流程控制与化工优化教材的典型场景，覆盖反应、分离、传热以及公用工程/调度，多数需要同时读文本和工艺图。评测分两路：8 位来自计算机、数据科学和控制工程的专家，对 20 个案例做双盲打分；另一路对全部 50 个案例做结构比对，变量按集合匹配，约束用二分图匹配算 F1。
专家偏好率上，little m 在目标函数、决策变量、约束和整体质量四个维度分别为 58.0%、60.0%、52.0% 和 66.0%，均显著高于随机（p<0.01）；作为对照，Qwen 的决策变量偏好率为 14.0%，DeepSeek 为 26.0%。机器结构分上，little m 的决策变量得分 0.733、约束得分 0.418，均为最高；目标函数得分最高的是 DeepSeek（0.553），说明分阶段流程并非每个维度都占优。
消融进一步说明两路信息各管一段：去掉知识库，约束质量掉得最明显；去掉工艺图，目标函数和约束同时受损。交互恢复实验里，面对被刻意遮蔽的输入，允许 little m 追问后，决策变量和约束的得分明显回升，整体接近完整输入，但目标函数相关细节仍较难靠追问补回。
论文把边界说得很清楚：评测的是“建模表述质量”，不是求解器可行性、形式化物理有效性或闭环生产表现。这恰好划出了此类工具的正确位置——它是建模副驾，不是自动决策器；真正的价值在于把专家的隐性约束提前逼出来，让模型输出可审计、可修改。
资料来源：little m: An AI Agent for Industrial Process Optimization — arXiv（2026-09）。本文为技术要点整理/编译，非原文全文。