HOW WE BUILD IT // 实现拆解
这一页把每一条方案的实现逻辑拆开给你看：数据从哪来、经过哪几步、人在哪一步拍板。每章附一张真实样例数据卡和「难点 → 对策」——看懂了流水线，就看懂了我们打算怎么干，以及为什么敢承诺。
能穷举的检查绝不让 AI 碰运气；要读懂语言、需要权衡的判断才请 LLM 出手。
DXF / STEP / PDF 是公开规范，是我们的主场；不在 CAD / CAE 厂商的地盘里造轮子。
每条流水线都有明确的人机分工节点：AI 负责把选项和证据摆上桌，签字的永远是工程师。
六条流水线的最后一步全是回流入库——系统越用越聪明，这就是蓝图三层架构的底层逻辑。
把「老工程师的记忆」变成全员可查、越用越厚的库。AI 不替人拍板——它负责把候选、理由和证据摆上桌。
01散落的选材单、datasheet、国标条目统一过 OCR + 结构化抽取，变成标准字段
02硬指标建字段索引、语义内容做向量化——硬线卡死，意图搜活
03「外壳耐摔 · 可灭菌」→ 缺口冲击强度 · 双85 · ISO 10993
04硬指标先过滤、语义再排序，生成带理由、带出处的推荐卡
05拍板结果与实测表现回库——下一次推荐比这一次更准
历史选材单、供应商 datasheet、国标/ISO 条目、失效记录——不管是 PDF、Excel 还是照片，统一走 OCR + LLM 结构化抽取，落成「牌号 · 物性参数 · 认证 · 成本 · 历史用例」的标准字段。
表格类 PDF 走版面解析还原表格结构，照片走 OCR；LLM 按预定义的 JSON Schema 输出字段，缺失项自动标「待补」。抽取结果先进待审区，人工抽检 5–10% 合格后才入正库。
每条记录做向量化编码入向量库；阻燃等级、生物相容认证这类硬指标同时建常规字段索引。搜索时语义找意图（搜「耐摔」能命中「高抗冲」）、字段卡硬线，两层各司其职。
一次查询实际跑两路：结构化表先按硬字段过滤（UL94 等级、认证、成本上限），向量库再对剩余候选做语义 Top-K 排序，两路结果合并——硬指标永远不会被「语义相近」蒙混过去。
工程师照常说人话，LLM 按内置的「转化规则表」翻译成量化指标，拿不准的项主动标出请人确认。这张规则表来自老工程师的经验访谈——把隐性经验显性化，规则表本身就是交付物之一。
规则表是一张「诉求 → 指标 → 阈值 → 依据标准」的映射表，首版几十条即可跑。LLM 只负责把口语对到表上并组合，表外的诉求原样抛给人——不允许模型自造阈值。
硬指标过滤掉不合格牌号 → 按语义相似度排序 → LLM 汇总成推荐卡：候选牌号 + 推荐理由 + 历史同类用例 + 风险点。每条理由都能点回出处，不是凭空生成。
防幻觉是硬约束：推荐卡里每条理由必须挂库内记录 ID，前端点击可回看原文——生成时没有出处的句子直接丢弃，宁可少说不可编造。
工程师拍板后，选型结果与后续实测表现回写库。第一个月它是检索工具，一年后它是新人的「老师傅」——库越厚，推荐越准。
飞轮的关联键是统一物料号：后续试模、检验环节的反馈（如「酒精擦拭微裂」）都通过物料号自动挂回对应材料记录，成为下次推荐时的风险提示。
SAMPLE · 材料库的一条记录
牌号 PC-2805 基材 PC 成本 ¥28–32/kg
缺口冲击 65 kJ/m² (23℃) 弯曲模量 2350 MPa
UL94 V-2 @1.5mm 生物相容 ISO 10993-5 ✓
历史用例 监护仪外壳 ×3 失效记录 酒精擦拭微裂 ×1
# 每个字段都带来源文档 ID，推荐理由可一键回看原文
难点 → 对策
最难的不是技术，是第 3 步的转化规则表——那是把老师傅经验显性化的访谈整理工作。技术栈全部成熟：OCR、结构化抽取、向量检索都是被大量验证过的工程。
确定性的交给规则引擎，语义的交给大模型——各干各的强项。我们做的是出图之后的「守门员」。
01Creo 出 DXF / PDF / STEP——公开规范，解析不求任何厂商
02标题栏、漏标、公差成对、3D-2D 一致性——确定性检查，零幻觉
03技术要求与规范库冲突、备注自相矛盾——读得懂中文才查得出
04壁厚突变 / 拔模角 / 筋厚比 / 尖角——提示风险，不做判定
05红黄绿分级、定位到图元；过了门禁才流入下游
图纸从 Creo 导出 DXF/PDF，模型导出 STEP。这些是公开规范的开放格式，解析不依赖 CAD 厂商授权——绕开了 CAD 自动化最大的那堵「地盘墙」。
DXF 是带实体表的文本格式，尺寸、文字、图层可编程逐条读取；STEP 用开源几何内核解析出 B-rep 几何体。两者的解析器都有成熟开源实现，不用从零造。
标注完整性（该标的有没有标）、公差字段是否成对、图层线型规范、3D 与 2D 关键尺寸一致性比对。规则可穷举、结果可复现——这类检查不用 AI，也不该用 AI。
每条规则=检查项 + 判定逻辑 + 严重级，写成配置文件而非硬编码——规范改了改配置就行。第一版从企业制图规范翻译出 30–50 条，即可覆盖高频错误的大头。
技术要求文字与企业规范库冲突、命名不规范、工艺备注前后矛盾——这类「要读懂中文才能发现」的问题，由 LLM 对照企业规范库逐条审查并给出依据。
做法是条款级比对：把图纸技术要求逐条与规范库相关条款配对送入 LLM，输出「冲突 / 疑似 / 通过」三级判定 + 依据条款号。只报告、不改图，改动权在工程师。
STEP 模型过几何规则库：壁厚突变、拔模角缺失、筋厚比失衡、尖角风险。输出是「风险提示清单」供评审讨论——提示而非判定，判定权始终在评审会。
纯几何算法，结果确定：壁厚用射线法在模型内均匀采样，拔模角逐面计算与开模方向的夹角，圆角半径直接从 B-rep 读取——没有一步靠模型「猜」。
红黄绿分级报告、问题定位到具体图元；BOM 与 checklist 自动生成核对。图纸过了门禁才流入模具与生产——设计端 1% 的疏忽，不再被制造端放大成 100% 的事故。
红=阻断项（关键尺寸漏标），黄=评审项（DFM 风险），绿=通过。接入现有流程时先「只报告、不拦截」软着陆，跑一个月收集误报率，规则收紧后再启用真门禁。
SAMPLE · 规则库片段（配置文件）
R-03 标题栏 · 材料字段非空 [红 · 阻断]
R-07 直径类尺寸 · 必须带公差或注明自由公差等级 [红 · 阻断]
R-12 3D ↔ 2D 关键尺寸一致性 · 容差 ±0.01 [红 · 阻断]
R-21 壁厚超出 0.8–3.5mm 区间 [黄 · 评审]
R-24 竖直面拔模角 <0.5° [黄 · 评审]
# 每条规则带开关和阈值，规范变更改配置即可，不动代码
难点 → 对策
「一键 90% 自动标注」的完整能力位于 CAD 内核内部，需要拿到设计意图（基准、配合关系）——那是 CAD 厂商在自家内核里用规则引擎做的事，且迈瑞的 Creo 体系装不进第三方成熟品。我们认领的是出图之后的检查：查「有没有、对不对」不需要设计意图，只需要开放格式。另可帮工程师用好 Creo 自带的标注模板与批量出图——那属于 CAD 脚本自动化，是实打实的提效，但我们不把它包装成 AI。
让每一次仿真站在上一次的肩膀上。AI 砍掉的是「摸索设置」的时间——物理计算，永远由求解器完成。
01每一次算过的仿真都是资产：工况 / 网格 / 材料卡 / 边界条件 / 结论入库
02新任务先问库：「上次类似的件是怎么设置的」
03网格尺寸 · 接触设置 · 材料卡参考——给起点，不给结论
04物理计算仍由求解器完成——该算多久算多久
05云图对照历史失效模式，圈出疑似风险区供复核
06本次设置与结论回写库——下个项目站在这次的肩膀上
把每次仿真的工况描述、几何类型、网格设置、材料卡、边界条件与结果结论结构化归档。过去这些经验散在个人电脑和脑子里，人一走就清零。
归档做成求解完成后的半自动表单：软件能导出的（网格数、求解器版本）自动填，人只补工况描述和结论，5 分钟填完——归档成本压到不惹人烦的程度。
新任务按零件类型 + 工况做语义检索，找出历史上最相似的几个案例——相当于开工前先把「隔壁组算过的」全部调出来看一遍。
工况描述走向量检索、零件类型走标签过滤，返回 Top-5 案例并自动列出与本任务的差异点（材料不同、载荷高 30%）——差异点让工程师知道哪些设置能直接抄、哪些要改。
LLM 汇总相似案例，给出一套推荐起点：网格尺寸与局部加密位置、接触与边界条件设置、材料卡参考。工程师从「摸索着试」变成「校准着改」。
推荐值永远是「区间 + 来源」而非单值命令：「网格基准 2.0mm（5 个相似案例中 3 个采用，案例 #C-041/#C-058）」。案例不足 30 条时只做检索展示、关闭汇总推荐——小样本不硬给建议。
应力、位移、温度由高保真求解器正常求解。AI 缩短的是前处理和设置摸索的时间——据行业经验这占了仿真周期的一半——而不是计算本身。
不动现有求解器与许可证体系，AI 层只在求解前（设置推荐）和求解后（判读辅助）两端工作——对现有仿真流程零侵入、零迁移成本。
结果云图对照历史失效模式库，圈出疑似缩痕、困气、过度翘曲的高风险区域，生成初步问题清单——供工程师复核，帮经验浅的人不漏判。
云图导出为图片后由视觉模型圈注疑似区，每个圈注必须配「相似案例依据」（该位置与案例 #C-041 的困气位置模式相似）——只提示、不下结论，无依据不圈注。
本次的设置、结果与判读结论回写案例库。库越用越厚，起点推荐越来越准——这条线的价值随使用量复利。
样品实测后把「仿真 - 实测偏差」回填进案例卡：偏差小的案例在后续推荐中升权，偏差大的自动降权——库不但会变厚，还会变准。
SAMPLE · 仿真案例卡
#C-041 监护仪面壳 · PC+ABS 工况 1m 跌落 · 六面
网格 基准 2.0mm · 圆角局部加密 0.5mm 接触 绑定 + 摩擦 0.2
求解 显式动力学 结果 卡扣根部应力 58 MPa
实测吻合 ✓ 裂纹位置一致 权重 ↑ 高
# 新任务检索命中后，差异点自动标出：本件载荷高 30% → 网格建议加密
难点 → 对策
「秒级预测应力 / 温度、一口气筛几千组参数」需要代理模型——拿数千组自有仿真数据训练专用预测网络，那是 Ansys、达索级别团队的主业，也依赖客户多年的数据积累。我们不承诺预测器；我们承诺的是经验复用——起点更准、判读不漏，结果永远由求解器背书。
老师傅的手艺在脑子里，人走了经验就走了。这条线做一件事：把手艺变成数据库，让新人站在老师傅肩膀上。
01纸面记录拍照或导入，抽成「模号 · 问题 · 对策 · 结果」标准卡片
02按外形 / 材料 / 型腔数 / 浇口形式打标签，案例可组合检索
03新模具立项时输入产品特征，调出历史同类案例
04水路 / 顶出 / 斜顶 / 排气的历史做法 + 踩坑提醒
05本次试模记录回写；老师傅数十年积累持续数字化
历史试模记录、修模原因，拍照或文件导入 → OCR + LLM 结构化抽取 → 「模号 · 结构特征 · 问题 · 对策 · 结果」的标准卡片。潦草手写也能读。
识别走双通道：印刷体、规整表格走 OCR；涂改和潦草手写交给多模态视觉模型直读。两通道结果按字段合并，置信度低的字段标黄请人补——不让一个错字污染整张卡。
每张案例卡按产品外形、材料、型腔数量、浇口形式等维度打标签。之后才能问出「透明 PC + 深腔 + 两板模」这种组合问题。
标签维度约 10 个（外形类别 / 材料 / 型腔数 / 浇口形式 / 模架类型 / 表面要求…），由 LLM 从案例文本自动预打、人工确认——确认一张卡只要十几秒。
新模具立项时输入产品外形 / 材料 / 型腔数量，检索历史同类医疗模具案例：「这种卡扣结构上次试了 3 轮模，坑在排气」——踩过的坑不再踩第二次。
查询=标签过滤 + 文本向量两路，结果按结构相似度排序并高亮命中的维度——工程师一眼看出「像在哪里」，判断参考价值。
汇总输出水路布局、顶出方案、斜顶布置、排气方案的历史做法与踩坑提醒。给设计评审当参考底稿——决策仍在模具工程师手里。
输出固定四板块（水路 / 顶出 / 斜顶 / 排气），每板块列历史做法 + 踩坑记录 + 来源模号，可一键导出成评审用文档——直接当 DFM 评审的底稿用。
本次试模的记录与结论回写库；老师傅数十年的图纸、工艺参数持续数字化。第一个月它是记录工具，一年后它是新人的老师傅。
与 06 量产线共用同一个拍照采集入口：试模现场拍一张就归档，不给老师傅增加任何填表负担——沉淀能不能持续，取决于录入是不是零成本。
SAMPLE · 试模案例卡
#M-117 透明视窗件 · PC 结构 2 腔 · 潜伏浇口 · 深筋
问题 T1 远端筋位困气烧焦
对策 排气镶件 + 保压分段 结果 T2 合格
经验 同类深筋结构建议预留排气位
# 新项目命中此卡时，「预留排气位」自动进入 DFM 评审提醒
难点 → 对策
这条线技术上是六条里最朴素的——OCR、打标、检索都是成熟工程；难点在冷启动的资料收集。价值随数据量复利，且和第 05 条检验线共享同一个失效数据底座。
数百行 CMM 数据逐行肉眼比对，是最不该由人干的活。先让机器干零幻觉的部分，再让 AI 给归因方向。
01CMM 的数百行 Excel 程序化读取；纸质检测单拍照 OCR
02逐行对公差带标红 + CPK 自动算——纯数据处理，零幻觉
03超差项自动挂上批次、图纸版本、工艺参数
04对照历史失效库给出排查顺序——AI 给方向，结论由人验证
05检测报告一键生成；失效案例回库，归因库越用越准
CMM 输出的数百行 Excel 原始数据直接程序化读取；纸质检测单拍照 OCR。人不再当「数据搬运工」。
CMM 报告是规整的 Excel/CSV，每种机型写一个解析适配器即可（一次性工作）；纸质单拍照复用量产线那套 OCR 管线——两条线共用一个采集组件，成本摊薄。
逐行对照公差带自动判超差并标红，CPK 自动计算。这一步是纯数据处理，没有任何 AI 猜测空间——最成熟、最该先上、上了立刻省人。
判定逻辑一行讲清：|实测 − 名义| 超出公差带即标红；CPK = min((USL−μ)/3σ, (μ−LSL)/3σ)，低于 1.33 预警。全是公式，结果可复算——审计友好。
每条超差记录自动关联产品批次、图纸版本、当时的工艺参数——「第 138 行超差 0.31」变成「3 号腔壁厚、B 批次、保压偏低」，数字重新长回实物上。
关联键三件套：物料号 + 图号版本 + 批次号。三键对齐后，一条超差记录能自动挂上 06 量产线台账里当时的注塑参数——跨环节数据在这里第一次「握手」。
失效现象对照历史失效库：「尺寸持续偏小——历史同类案例 7 成是收缩补偿不足」，输出根因方向与排查顺序。AI 给的是优先级，结论由工程师验证后回写。
输出是一张「候选根因排查表」：每行 = 候选根因 + 历史命中率 + 验证方法（如「调保压曲线对比」）。排查顺序按验证成本低者优先，不让高概率霸榜——先查五分钟能查完的。
检测报告一键生成；验证过的失效案例回写库。这个失效底座与模具线共享——检验环节发现的问题，直接变成下一副模具的避坑提醒。
报告按模板生成 Word/PDF，超差项自动附相似历史案例链接；工程师勾选验证结论的那一下，同时就是归因库的一次训练数据积累。
SAMPLE · 一条超差记录的旅程
行 138 Ø8.31（名义 8.00 ±0.05）→ 超差 +0.26 ⚠
关联 批次 B-2408 · 图号 D-0221 RevC · 3 号腔
当时工艺 保压 45 MPa （低于该模常值 52）
候选根因 #1 保压不足 · 历史命中 68% · 验证：调保压曲线对比
# 从「一个超差数字」到「带验证方法的根因方向」，全程自动
难点 → 对策
第 2 步是本页所有环节里确定性最高的——纯数据处理、当天见效，适合当整个项目的第一个落点。归因步骤则明确「AI 给方向、人下结论」，不存在把判断权交给模型的风险。
六条线里唯一已经跑在真实模厂的——也是蓝图里「↺ 偏差数据回流」的起点。
01手机拍注塑机屏，视觉模型直接读数——不改设备、不接 PLC
02识别值按合理范围自检，可疑值标黄请人确认
03自动生成标准台账，绑定批次 / 工单 / 模号，云端留存
04一枚二维码调出完整生产档案，异常一键回溯
05量产数据回流前五个环节——蓝图 ↺ 偏差回流的起点
技术员用手机对准注塑机屏幕拍一张，多模态视觉模型直接读出料筒温度、模温、注射压力等关键字段。不改造设备、不接 PLC、老旧机台通吃——落地门槛压到零。
同型号机台首次使用时做一次屏幕布局标定（框选各字段位置，约 30 秒），之后同型号全自动。视觉模型按「字段级读数」输出，而不是整屏一把梭——读得准、错得少、能定位。
每个识别值按物理合理范围自动校验——料温不会是 9999。可疑值标黄请技术员确认，确认动作同时在给系统积累校正样本。
值域表按机台型号 + 材料配置（如 PC 料筒温度 260–320℃），超界标黄；同一字段连续 3 次可疑自动提示重拍。每次人工确认都在为该机台积累校正样本——越用越准是设计出来的。
识别结果自动生成标准化电子台账，与产品批次、工单、模号自动绑定，云端永久留存。手写潦草、个人电脑里的孤儿 Excel，就此退休。
台账字段=20+ 项工艺参数 + 批次 / 工单 / 模号 / 操作员 / 时间戳，落库瞬间生成该批次专属二维码——档案和追溯入口同时诞生。
扫码即可调取该批次完整生产档案。客诉或抽检异常时，一键回拉当时的完整工艺现场——过去要翻箱倒柜几天的事，现在是几秒。
档案页含参数曲线、历次记录对比、关联的检验结果（与 05 线三键互通）——追溯不只是「找到当时的记录」，是把整条链的上下文一次拉齐。
量产端的真实工艺数据与偏差回流到选材、设计、仿真、模具、检验五条线的知识库——蓝图三层架构里那条「↺ 偏差数据回流 · 持续迭代」，物理起点就在这里。
回流靠物料号自动完成：某牌号实际成型温度长期高于 datasheet 推荐值 → 选材库该牌号自动追加「工艺备注」，下次推荐自带提醒——闭环不靠人自觉，靠键值关联。
SAMPLE · 一条台账记录
批次 B-2408 模号 M-117 时间 07-18 14:32 操作 张工
料筒 285 / 280 / 275 / 265 / 250 ℃ 模温 80 ℃
注射 88 MPa · 1.2s 保压 52 MPa · 3.5s 周期 34s
校验 ✓ 全参数在值域内 QR → 完整档案
# 手机拍一张 → 这条记录自动生成，全程约 10 秒
难点 → 对策
这条线不是构想——已在模厂交付实测：记录效率 +80%，抄录误差归零。它同时证明了整套方法论：从零门槛切入、先跑通闭环、再横向复制到其他环节。
GLOSSARY // 名词速查 · 十个词看懂本页