写给懂 AI、不懂钢铁的工程师
大模型已经会思考，
为什么还不能让它在钢厂里行动？
这里用一套 AI 原生钢厂参考架构，讲清一个工业 Action 怎样被形成、放行、执行与追溯；用产销研一体化把架构从头走到尾；再配一套专为 AI 工程师写的钢铁行业底座。
从问题进入
你是带着哪个问题来的？
不必从头读。挑一个最接近你手头问题的，直接跳到回答它的那一页。
一个实验
会推理，不等于有权决策
让大模型为转炉决定下一小段时间怎么操作。它暴露的不是「不懂」，而是模型对一个行动此刻是否有效、是否被允许没有概念。
任务
转炉下一段操作决策
- 目标：终点碳、温度双命中
- 输入：实时炉况与传感数据
- 约束：安全边界与工艺窗口
- 输出：下一步可执行的操作
模型做到的
工业认知相当强
- 读懂多源工况数据
- 把脱碳、升温、喷溅串成推理链
- 给出符合工艺逻辑的建议
- 还发现了输入的数量级矛盾
不能接受的一步
知道有问题，仍然继续行动
矛盾被看见了，它却照常算出一套精确到位的操作参数。换成操作工，第一反应是停下来核实。
Reasoning Ability ≠ Industrial Decision Authority问题从「模型够不够聪明」，转向「工业体系能否驾驭智能」。
为什么要换架构 →核心框架
任何工业 Action，至少要回答四个问题
难的不是生成答案，而是形成有现实依据、有计算后果、有安全边界的 Action。四层架构的每一层，负责回答其中的一部分。点一层，看它回答哪一问。
四层架构与四条总线教学示意
自上而下四层：行动 / 治理 / 认知 / 现实。点任一层看它的职责；点下方任一问，看哪些层参与回答
工业 action 四问
四问是每个 Action 都要回答的，不与四层一一对应。点一问，看哪些层的哪些构件参与回答。
治理 · AIP 驾驭层
全架构唯一的跨层中转与治理枢纽：把业务请求组织成受控执行过程，校验、准入、审计，失败可回退。
关键词
任务规范 · 本体寻址 · 编排 · 执行准入 · 审计
安全级
机理安全 + 集成安全：推理结果放行前的机理校验，跨层交互统一管控
看这一层 →这一层参与回答的问题
04谁允许它进入生产系统？
需要治理、验证、权限、审计与执行责任
本层回答构件：运行控制 · 执行准入 · 治理智能体 · 审计与回退
首个落地场景
产销研一体化：从一张询单到质检判定
7 步、6 个业务智能体，横跨营销、研发、生产三个部门。每一步都穿过四层、走过总线，关键节点有人类代理把关。
阅读路线
一条主线，一个底座
主线从「为什么」走到「怎么落地」；行业底座随时回查——读架构时遇到不懂的工序、材料、数据，就跳过去补。
读之前