一个看似再简单不过的公差查表问题,把当下几个头部大模型集体”问倒”了:M20-6G/6g 普通内、外螺纹的基本尺寸、极限偏差和极限尺寸分别是多少?
DeepSeek、千问、豆包、Kimi……各家给出的答案五花八门,没有一个计算结果完全正确。这不是段子,而是机械制造工艺设计走向智能化必须跨过的一道坎。今天想聊两件事:这道坎到底在哪里,以及我们做的机制工艺智能体 Mechnous 是如何绕过去的。
一、工艺设计的三座大山,压了工程师很多年
在机械制造企业里,工艺设计长期面临三个现实问题:
- 任务繁琐、工作量大。新产品开发时,工程师要手动翻阅大量标准、手册和数据,反复计算推理。效率低,还容易出错。
- 经验门槛高、培养周期长。工艺知识体系庞杂,一名新工程师往往要经历漫长的培训和实践,才能独立承担设计任务。
- 知识资产沉睡。企业多年沉淀的工艺文档、设计手册、图纸,大多停留在”能看不能用”的状态。要用的时候,仍靠人工检索和梳理。
市面上并非没有工具。机械设计手册软件版、各类设计计算工具、工艺数据库,确实解决了一部分问题。但它们的本质,用一句话概括就是:电子手册 + 高级计算器 + 数据库检索。你输入一个关键词,库里没有完全匹配的内容,它只能告诉你”不存在”——因为它不会推理,更不会用已有知识去解决新问题。
二、通用大模型,为什么接不住工艺设计的活?
大模型这两年突飞猛进,数学、物理、编程都不在话下。但一进入机械制造工艺场景,四道坎立刻显现。
第一道坎:幻觉,尤其是”精确信息”上的幻觉
工程知识对大模型来说,属于数据稀疏的冷门知识。它的回答高度依赖在线搜索:爬来的网页本身可能残缺,图像不清晰,OCR 转换有错;大量重复、冗余甚至错误的数据,又会把真正准确的标准信息挤到后面。模型无法判断哪些数据来自权威标准,只能基于概率”推测”,于是编造事实。
M20 螺纹那道题就是最好的例子。问题本身并不复杂,难的是答案必须精确到表中的每一个数值。而这,恰恰是通用大模型最不擅长的。
第二道坎:数据安全
企业的核心工艺知识、产品参数、技术诀窍,多属于敏感商业信息。把这些问题发到公网大模型上,本身就不符合多数企业的数据安全与保密管理规范。这就是”在线模型能力再强,很多企业也不愿意用”的根本原因。
第三道坎:提示词
工艺人员未必懂提示词工程。已知条件不完整、问题表述不规范,模型就会自动”补全信息”去猜。多步骤、长链条的推理任务里,中间一步猜错,后面就会连锁错下去。
第四道坎:上下文长度
复杂的工艺规划,往往要在一次交互中调用大量标准、公式和经验。通用大模型的上下文装不下这么多知识,只能给出简化、模糊的方案。要完成长链任务,必须靠智能体来拆解和调度。
三、Mechnous 的解法:把”懂工艺”写进系统
机制工艺智能体 Mechnous V1.0 是一款面向机械制造工艺的智能决策与辅助设计工具,核心特点有两个:企业私有化部署,以及支持本地大模型。针对上面四道坎,它给出的答案很直接:
- 用权威本地知识库压制幻觉。知识库覆盖全工艺场景,内容源自权威标准手册并经过严格校对,从源头保证”查得到、查得准”,而不是让模型上网猜。
- 用模板降低提问门槛。系统内置大量可编辑的示例提示词和问题模板,也支持自定义专业模板。用户不需要懂 AI 术语,选场景、填参数,就能得到规范的设计指引。
- 用精确推理替代概率生成。遇到不确定的关键条件,系统会给出多个可选项的参数表格让用户确认;推理过程可溯源,设计结果有据可查。
- 用任务拆解支撑长链设计。复杂工艺任务可以被拆成子问题逐步求解,兼容文档、表格、公式、图像等多格式工艺数据。
- 用开放知识库适配企业个性。企业既能直接用通用知识库干活,也能上传自己的文档,快速搭建专属的产品制造或设计知识库。

四、十三大类工艺知识,几千个问题模板
Mechnous 目前覆盖十三大类工艺知识库,基本完整匹配机械制造企业的工艺设计场景:
- 切削加工、冲压、锻造、铸造、焊接、热处理等传统制造工艺;
- 刀具、夹具、机床、模具等工装与设备知识;
- 特种加工,包括增材制造等现代加工方法;
- 材料知识库,覆盖各类工程材料的性能数据;
- 机械零部件设计、公差配合与技术测量,为基础设计环节提供精准参数参考。
与知识库配套的,是一套标准化的问题求解导航系统——问题模板目录。系统目前已积累几千个专业化问题模板,并且还在持续更新。用户输入关键词,就能检索到匹配的模板;每个模板都可以修改已知条件、调整问题要求,也可以创建并保存自己的模板。
这套设计的价值在于:它把复杂的工艺设计流程拆成了可复用的标准化步骤。新手不需要”很懂 AI”,也不需要”很懂提问”,照着模板填参数就行;而经验丰富的工程师,则可以把精力留给真正需要判断力的地方。
五、会追问的智能体,才是能落地的智能体
工艺设计中,最怕的不是问题难,而是已知条件不全。
举个例子:用户用模板问了一个车削加工螺纹的问题,AI 给出回复后,用户追问”以上工件材料如果是铸铁,切削参数有什么变化”。Mechnous 不会硬答,而是先指出”已知条件参数不完整”,要求用户按示例补充。
随后,它会自动列出需要补充的参数:材料类型、硬度、冷却润滑方式……每一项都给出推荐值、可选值、推荐取值范围以及参考来源。用户勾选、提交,系统再输出经过精确推理的结果。
甚至你只需要说一句”确定外圆表面的加工方案”,它也能立刻反推出需要哪些条件,并把参数选项摆在你面前。这种”先问清楚、再算准确”的交互方式,正是通用聊天式 AI 最缺的一环。
六、从单点问答,到长链工艺规划
Mechnous 的专家模块提供了一套多样化的技能系统。其中最有代表性的,是工艺任务规划器:AI 可以按步骤连续执行复杂长链任务,自动把大问题拆成子问题。
例如,当你提出某个零件表面的工艺规划要求时,它可以自动分步给出:
- 加工方法与工艺路线;
- 加工余量与工序尺寸;
- 切削用量参数;
- 推荐的刀具方案。
推理过程中如果遇到不确定的未知条件,它会弹窗让用户选择或补充,而不是默默猜测。这种”人机协同”的节奏,更接近真实工艺科室的工作方式。
七、企业知识,越用越值钱
Mechnous 支持企业自主扩展知识库。企业只需上传相关文档,平台就会自动完成内容解析并存入知识库,大幅降低构建专属知识库的技术门槛。
更实用的一点是:导入的知识可以与内置工艺知识库无缝集成,并且可以标注优先级。比如企业采用的某类刀具标准不是国家标准,只要把企业标准文档上传并标记为优先使用,AI 在推理决策时就会自动优先采用企业内部标准。
这意味着,企业积累的工艺文档不再是一次性资料,而是会持续增值的知识资产。人员流动带来的核心技术流失风险,也能得到有效缓解。
八、两种落地方式,按需选择
在线版:适合对数据敏感性要求不高的企业。依托最新国产大模型,浏览器登录即可使用,订阅制托管服务,推理精度与速度均为五星,知识库和智能体版本持续更新,适合轻量化快速落地。
企业版:适合对数据安全有严格要求的企业。本地部署全量内置知识库,企业可自由扩充定制内容,搭配内网运行的本地开源大模型,支持定制开发特定功能,包含免费技术服务和系统升级。推理精度五星,速度三至五星。
关于硬件成本,也有一个好消息:随着 AI 大模型领域新技术的推出,企业部署门槛已经大幅降低。在不影响推理精度的前提下,支持内网多用户访问的服务器硬件预算最低约 5 万元;如果希望达到接近在线大模型的响应速度、支持几十人同时访问,50 万元级别的投入基本可以满足。当然,当前算力资源价格波动较大,具体预算还需按实际需求评估。
九、工艺设计的下一站,是人机协同
Mechnous 想做的,不是替代工艺工程师,而是把工程师从”翻手册、查表格、反复计算”的重复劳动中解放出来。
- 工程师可以通过多端设备快速获取工艺问题答案;
- 内网可控的知识库部署,从根上解决敏感数据泄露风险;
- 高质量知识库支撑的推理决策,提升问题求解的准确性与可信度;
- 标准化、体系化的知识管理,缩短新员工培训周期,减少核心工艺知识流失。
当 AI 不再靠”猜”,而是靠标准、靠知识库、靠可溯源的推理来回答工艺问题,智能制造才算真正落到了车间的地面上。
十、亲手试一试
目前 Mechnous 已提供线上免费试用渠道。用电脑或手机浏览器打开 gongyi.kbetool.com,登录即可体验;更多产品介绍与技术细节,欢迎访问 www.kbetool.com。
如果想先快速了解它能做什么,可以看这两段视频:
🎬 《机制工艺智能体 Mechnous 简介》——3 分钟看懂产品定位与核心能力。
🎬 《机制工艺智能体 Mechnous 简单演示》——从问题模板到精确推理,快速走一遍实际使用流程。
工艺设计这件事,值得一个更靠谱的 AI 搭子。