steel industry / for ai engineers

要给钢厂造 Agent，
先看懂钢厂

写给擅长 AI、Agent、Ontology，但没在钢厂待过一天的工程师。这里不从元素周期表讲起，而是从 12 个行业 AI 场景 倒推：要做成这件事，你必须先懂哪些行业知识。

从全流程图开始直接看 12 个场景

知识章节: 8
AI 场景: 12
概念卡片: 104
交互图示: 11

the map

先建立空间感

钢铁生产是一条十来道工序的长链条。任何一个 AI 场景，第一步都是搞清楚它挂在这条链的哪一段。

steel process map / 教学示意

点击任一工序，看它在干什么、产生什么数据、对应哪些 AI 场景

长流程短流程共用工序

转炉炼钢

basic oxygen furnace

吹氧把铁水里多余的碳烧掉，变成钢

铁水含碳约 4%，钢一般要求 0.05%～0.8%。转炉的做法简单粗暴：往铁水里吹纯氧，碳被氧化成 CO 跑掉，同时放出的热量维持温度。整个过程十几到二十分钟，一旦开始就没法暂停——这是钢铁厂「容错率低」最典型的体现。

典型温度出钢约 1650 °C 量级时间节奏一炉约 30～40 分钟量级（吹炼约 15～20 分钟）

ai 视角一次不可中断、不可回滚、不可重放的批处理作业。你只有一次机会把参数调对。

两种学法，随你挑

按场景学，适合有明确项目在手；按体系学，适合想把地基打扎实。两边互相链接，随时切换。

by scenario / 12 个

按场景学

每个场景一页：业务痛点讲人话、涉及哪些工序、必懂概念、数据长什么样、以及 AI 工程师视角的类比。

短期 · 生产研发侧

S1检测认证全流程 Agent S2质量溯因 Agent：从缺陷反查工艺 S3排程调度副驾驶 S4能源与碳核算 Agent S5设备运维诊断 Agent S6研发知识库 Agent

中长期 · 科学研究侧

L1PSPP 逆向设计 Agent L2仿真代理模型 Agent L3自驱动实验室（SDL）L4服役寿命预测 Agent L5冶金本体与机理知识图谱 L6检测标准智能演进 Agent

by chapter / 8 章

按体系学

从行业全景到炼铁炼钢轧钢，再到材料科学、检测标准、工厂自动化与双碳。每章末尾都有测验。

01钢铁行业全景一座钢厂就是一条不能停机、不能回滚的分布式流水线12′02炼铁：从矿石到铁水高炉是一个跑了三百年、至今仍靠间接信号推断内部状态的黑箱14′03炼钢 · 精炼 · 连铸二十分钟的氧化反应，决定一炉钢的一生16′04轧钢与深加工组织性能是「轧」出来的，不只是「炼」出来的15′05材料科学基础：PSPP成分 → 工艺 → 组织 → 性能，钢铁版的端到端管线18′06检测、质量与标准标准条款就是行业的 Schema，检测就是运行时的契约校验15′07工厂自动化与数据体系L0–L4：钢厂里藏着一整套「嵌入式 → 中间件 → 微服务 → 数仓」的技术栈17′08能源与双碳钢厂同时是耗能大户和自备电厂13′

concept cards

104 张概念卡片

每张卡片附一句「AI 工程师类比」。行业黑话配英文原词，方便你去查文献和读设备手册。

工艺流程22process 装备产线13equipment 材料科学32materials 检测标准13testing 自动化数据16automation & data 能源双碳8energy & carbon

why analogies

为什么全站都在打比方

你已经有一套完整的系统工程直觉。与其从头学冶金，不如先把行业概念映射到你熟悉的东西上：炉次≈不可重放的批处理 Job，标准条款≈JSON Schema，本体≈类型系统。建立映射之后，细节自己会长出来。

teaching illustration

所有数值都是教学示意

站内出现的温度、时间、吨位一律标注为「量级」，用于建立直觉，不能用于工程计算。真实数值随企业、产线、钢种差异极大，工程决策请以现行标准与实测数据为准。

content scope

讲的是行业通识

内容为钢铁行业公开的通用知识与场景形态，不含任何具体企业的内部信息、经营数据或竞争研判。场景评级是面向学习者的教学性判断，不是采购或投资建议。

要给钢厂造 Agent，先看懂钢厂