不改代码不接API怎么打通制造业各系统之间的数据流？这样做

直接结论：不改代码、不接API，也能打通制造业各系统之间的数据流，但前提不是再上一套重平台，而是用界面层自动化、文档理解、规则引擎、任务编排建立一条非侵入式数据通路。它最适合老系统多、接口缺失、供应商不愿改、上线窗口小的工厂场景；真正不适合的是毫秒级控制和高并发实时集成。

更重要的是，制造业数据流通常不是一个问题，而是三类问题叠在一起：文档流、字段流、动作流。API主要解决字段流，但工厂里最耗人的往往是图纸、合同、邮件、Excel、审批、回写这些文档流与动作流。

一、先把问题拆开：制造业数据流为什么总卡在系统之间

很多企业已经有ERP、MES、PDM或PLM、WMS、SRM、OA，系统并不少，但数据仍然靠人搬运，根源在于系统建设是按部门纵向完成的，协同却发生在跨部门横向流程里。

1. 三类数据流，决定了三种不同的打通难度

• 文档流：图纸、合同、采购单、质检报告、发票、邮件附件。
• 字段流：物料编码、BOM字段、订单号、供应商信息、库存数量。
• 动作流：登录系统、查询、下载、复制、比对、录入、回传、通知。

很多集成方案只盯着字段流，结果文档流没人识别，动作流没人执行，最后仍要人工兜底。

2. 最常见的四个断点

3. 为什么这件事值得优先做

McKinsey在2023年指出，生成式AI每年可带来2.6万亿至4.4万亿美元的经济增量，但企业若无法把知识、文档和业务动作接入流程，AI价值就会停留在问答层，难以进入生产经营闭环。对制造企业来说，真正的瓶颈通常不是模型不够聪明，而是数据与动作无法穿过现有系统边界。

二、不改代码不接API，真正可落地的路径是什么

可落地的方法不是强行重做系统，而是构建非侵入式数据通路：让数字员工像人一样看界面、读文档、懂规则、跨系统执行，再把结果回写并留痕。

1. 一条完整闭环通常包含六步

1. 触发：图纸检入PDM、邮件到达、OA表单提交、共享报账发起、Excel落盘等事件触发流程。
2. 识别：通过OCR、小模型、IDP与大模型组合识别图纸、附件、票据、合同中的关键信息。
3. 理解：把制度、流程、业务规则转成可执行校验逻辑，而不是只做关键词匹配。
4. 执行：跨ERP、MES、PDM、WMS、OA、邮箱、浏览器等系统自动查询、录入、下载、回传。
5. 校验：执行字段比对、累计金额核验、状态一致性检查、异常识别等深度校验。
6. 反馈：生成审核结论或任务结果，推送给人复核，并沉淀全链路日志。

2. 这条路为什么适合制造业

• 不碰原系统代码：特别适合供应商系统封闭、停机改造成本高的工厂。
• 不依赖接口完备：界面能操作、文档能读取，很多流程就能先跑起来。
• 兼容中文业务规则：制度、作业指导书、审批说明往往是中文自然语言，适合先转规则再执行。
• 更容易留痕审计：每次识别、校验、回写、失败原因都能记录，便于复盘。

3. 它不是替代所有API，而是先解决最难啃的80%

因此，最优策略往往不是二选一，而是接口处理高实时字段流，数字员工处理文档流与动作流。如果企业想在不动原系统的前提下先把流程跑通，可优先评估实在Agent这类企业级数字员工方案，通过大模型理解、RPA执行、IDP识别和审计闭环，把跨系统任务变成一句指令可交付的流程。

4. 哪些场景最适合先上

• 每天重复上百次的录入、查询、比对、回传。
• 数据散落在PDF、扫描件、Excel、邮件、图纸中的流程。
• 规则清晰但人工容易漏判的审核、校验、对账、变更流程。
• 需要7×24小时连续流转、又要求审计可追溯的流程。

如果你的目标是PLC、SCADA到MES的毫秒级联控，仍应优先走工业通信与实时集成方案；如果你的问题是跨部门、跨系统、跨文档的业务协同，上述路径通常更快见效。

三、制造企业最值得先打通的场景，真实实践长什么样

场景1：PDM检入图纸时，自动识别BOM中的长交期物料

某制造企业在图纸检入PDM时，由数字员工自动识别BOM中的长交期物料，弹窗提醒工程师并生成清单，重点价值不在于单次识别，而在于把图纸数据、BOM结构、提醒动作、清单生成连成一条链，减少漏订风险。

场景2：C类合同自动生成并回传，打通内网与外网数据传输

在某类工业与医疗业务场景下，客户录入选型后，机器人自动生成合同并回传至销售或客户邮箱。这里打通的不是单一字段，而是选型结果、合同生成、邮件回传、内外网边界之间的动作流，避免人工反复导出、粘贴、发送。

场景3：共享报账不改原习惯，AI做识别、校验与结论生成

某集团型企业的共享报账场景中，规则管理端上传制度文本后，可由大模型解析生成可执行规则；业务端仍沿用原有共享报账系统，上传附件并填写信息；随后由数字员工自动扫描，利用OCR小模型+LLM提取关键信息并分类切割，再由IDP引擎执行规则校验和系统穿透查询，例如核验累计付款金额；最终生成审核辅助结论，审核员只需重点复核疑点项，实现人机协同闭环。全流程还能记录AI校验详情，支持按单据号或提报人快速检索。这个案例说明，不改入口、不改习惯，也能先把中后台的数据流与校验流跑通。

从综合实践看，制造业更看重的不是炫技，而是三项结果

• 年节省工时超过30000人天：减少重复录入、搬运、查询、回传。
• 100%规则执行合规率：把优秀经验固化成可重复执行的规则。
• 7×24h全天候运转：打破人工班次限制，缩短端到端业务响应周期。

从制造及集团型业务场景的落地经验看，真正容易拿到ROI的项目，往往不是最宏大的平台工程，而是先盯住一条跨系统、跨文档、跨部门的高频流程，把识别、校验、执行、回写、审计一次性闭环。

数据及案例来源于实在智能内部客户案例库。

🙋 FAQ：企业在选型和落地时最常问什么

Q1：不接API的方式稳定吗，会不会页面一变就失效？

A：稳定性取决于三个层面：一是流程是否标准化，二是是否具备异常重试与自主修复能力，三是是否有全链路日志审计。页面会变化，但成熟方案会结合控件识别、视觉识别、规则校验和失败回退，不是简单的坐标点击。

Q2：这种方式能不能替代中台或接口平台？

A：不能简单替代。更准确的定位是补足接口平台覆盖不到的文档流与动作流。对于主数据、实时库存、设备联控等高实时场景，接口和消息机制仍然必要；对于合同、票据、图纸、审批、邮件回传等流程，非侵入式方式更有性价比。

Q3：落地时先从哪里试点，成功率最高？

A：优先选同时满足四个条件的流程：高频、规则相对清晰、跨两个以上系统、当前人工搬运明显。制造企业通常可从BOM校验、合同回传、订单录入、共享报账审核、IT工单处理这几类流程先做试点，先验证节拍与准确率，再逐步扩到更长链路。

参考资料：McKinsey，2023，《The economic potential of generative AI: The next productivity frontier》；内部检索材料《企业大脑Agent制造数字员工最佳实践》，资料时间为2026年3月28日。