对接ERP/MES的AI Agent:接口、权限、回读三项验收怎么做
一个插单需求进来,销售想知道"这批货能不能接、什么时候能交"。物料够不够在ERP里,产线排不排得下在MES里,BOM版本在工艺系统里,工单占用在车间台账里。于是流程变成:销售问计划,计划查系统,采购核库存,车间看排产,来回几轮口头确认,最后靠一个经验判断拍板。很多企业想让 AI 把这段跑通,但真正卡住上线的,往往不是"AI 够不够聪明",而是三件很工程的事:接口怎么定、权限怎么给、结果怎么核。
这也是为什么不少团队在演示环境里看到 Agent 打开系统、点几下、把单子提上去了,一到生产环境却不敢放开。演示不涉及账号审批、并发冲突、写错回滚,也不涉及"这条补货建议到底是不是它自己提交成功的"。本文把对接 ERP/MES 的 AI Agent 上线前必须过的三道关讲清楚:接口验收、权限验收、回读验收。对接ERP/MES的AI Agent 的价值不在"能操作界面",而在"每一次操作都可定义、可授权、可核对"。
一、演示跑通不等于可以上线
演示环境和生产环境差在哪
在演示里,Agent 面对的是一条干净路径:账号现成、数据齐全、没人同时改同一张单、点了提交就算完成。生产环境里,这四条几乎都不成立。
- 账号与审批:ERP 的关键动作往往绑定了审批流和岗位权限,Agent 用的账号能不能提交、提交后由谁审,演示里通常没走全。
- 并发与状态漂移:你在读库存的那一刻,车间可能刚领走一批料;写入时的库存已经不是读取时的库存。
- 写入不确定性:点击"提交"之后,单据可能成功、可能失败、可能卡在审批节点,界面上的提示未必等于真实结果。
- 可追溯要求:财务、审计、生产安全场景需要能回答"这一步是谁做的、依据是什么"。
三项验收分别管什么
把上面这些问题收敛成三条可执行的验收线:
- 接口验收:读哪些字段、写哪些单据、调用频率、失败如何重试,形成书面清单并可复算。
- 权限验收:Agent 用哪个账号、能碰哪些组织与仓库、哪些动作必须有人确认、全程是否留痕。
- 回读验收:每一次写入之后,回到系统里核对单据号、状态、数量与金额,确认"写进去了、写对了"。
这三项都过了,才谈得上扩大范围。少一项,形成的都是"看起来跑通了"的假象。
二、接口验收:把"能连上"变成"连得准、连得稳"
先列接口清单,再谈智能
接口验收的第一步不是写代码,是写清单。清单粗,后面全是模糊地带。一份可用的清单至少要回答四件事:
- 读什么:物料主数据、可用库存与已占用数量、有效 BOM 版本、在制工单、设备与工时占用、预警线与历史出库。
- 写什么:补货建议单、采购申请、订单评审结论、状态回写字段。写操作要逐条列出字段名和取值规则。
- 写几次:同一业务对象在一个周期内允许提交几次,重复提交如何识别。
- 什么时候写:是事件触发(订单变更)、定时触发(每日盘点),还是人工确认后触发。
清单落到字段级之后,业务方才能判断"这个口径对不对"。例如补货量按"近三月月均出库 × 1.5 − 当前库存"向上取整,这个公式必须写在验收文档里,而不是藏在某段逻辑里——否则上线后没人能复算。
三种接入方式,对应三类系统现状
制造企业的系统现状很少整齐,接口验收要按系统分别定方式:
- 标准接口/数据库直连:有开放 API 或可读的中间表,优先用这条路。适合取物料、库存、BOM 这类结构化主数据。
- 操作客户端界面:大量老系统没有可用的 API,只有客户端。这时由设备(Soia Worker)在本机界面上完成查询、录入与提交,把"人点界面"的动作变成可编排的步骤。
- 文件与中间表批量交换:财务对账、月度结算这类 T+1 场景,走文件交换反而更稳,也更容易留底。
在 Soiawork 中,这三类路径分别对应连接器取数、Soia Worker 操作本机软件、文件空间读写。选择哪一种,取决于系统有没有接口、动作是否要求实时、以及出错后能否补偿——而不是取决于哪种听起来更先进。
幂等、重试与错误码,是接口验收的硬指标
一个 Agent 能不能上生产,看的不是它成功那一次有多顺,而是它失败那一次有多可控。
- 幂等:同一张采购申请重复提交,系统里必须只有一条,或者能被明确识别为重复。验收时要专门测一遍"连续点两次"。
- 重试:网络超时、系统繁忙导致的失败可重试;业务校验失败(如物料已停用)不可盲目重试,必须挂起转人工。
- 错误码归集:把系统返回的错误码整理成表,标注"可重试 / 需人工 / 需修数据"三类,这直接决定了后续异常处理的自动化程度。
顺便说一句能力边界:实在智能自 2018 年起投入 AI 与自动化,累计服务 6,000+ 企业客户;据其公开数据,2026 年 7 月产品在 OSWorld 上的任务成功率为 90.2%。这类指标说明界面级操作已经具备可用性,但它替代不了接口清单——成功率再高,也不能回答"这条单据该不该由它提交"。
三、权限验收:给 AI 一个岗位,而不是一把万能钥匙
账号隔离与最小权限
权限验收最常见的错误,是让 Agent 借用某个管理员的账号。省事,但审计上说不清,业务上也危险。
- 独立账号:为 Agent 建立专门账号,命名能看出用途与责任人,不与人共用。
- 按组织与仓库隔离:一个账号只覆盖它负责的工厂、仓库、组织范围,跨范围的数据读不到、写不进。
- 最小权限:读权限与写权限分开授予,写权限再按单据类型细分。补货建议可以写,采购订单的最终审批不写。
- 权限回收有流程:岗位调整、试跑结束、范围收缩,账号权限要能一键收回。
在 Soiawork 中,这类边界通过工作空间与账号授权来划:哪个空间里的哪个技能,能用哪个连接器、访问哪些数据、执行哪些动作,都是配置项,而不是靠"约定"。
高危动作必须留人工确认点
不是所有动作都适合自动执行。判断标准很朴素:做错了能不能低成本撤回。
- 可以自动:查询、比对、生成建议、生成草稿、状态标记。
- 需要确认:单据提交、数量变更、审批流转、影响下游排产或付款的动作。
- 不建议自动:涉及资金入账、价格审批、合规判定的最终决定。AI 可以提供依据和初稿,责任仍在岗位责任人。
这也是一条不能越的红线:AI 不替代专业判断。处方审核、法务意见、财务入账这些结论,仍由具备资质的人签字。
留痕:能还原"它做了什么"
- 每一步操作记录时间、账号、对象、前后值。
- 关键判断记录依据来源,例如"依据 BOM 版本 V3.2 与可用库存 1,240 件"。
- 异常与转人工的节点单独标记,便于复盘。
在 Soiawork 中,工作流把步骤固定下来,同一个任务每次走的路径一致,记录也就一致;技能把方法沉淀成可复用的能力,换个人、换个工厂,判断口径不会漂移。
四、回读验收:写完必须回来核一遍
回读核哪几个字段
回读是三项验收里最容易被跳过、也最能区分"演示"和"可用"的一环。写入之后,Agent 要回到系统里把结果取回来,至少核四项:
- 单据号与主键:系统是否真的生成了这条记录,编号是什么。
- 状态字段:是"已提交""待审批"还是"已驳回",与预期是否一致。
- 数量与金额:写入值与系统回显值逐字比对,防止精度、单位、四舍五入导致偏差。
- 关联关系:这条建议是否挂到了正确的物料、工厂、需求来源上。
三种回读结果,三种处理
- 一致:记录成功,任务闭环,进入下一个对象。
- 不一致:以系统回显为准,记录差异并告警,不自行"修正"以免掩盖问题。
- 查不到:视为未成功,触发重试或转人工,绝不当成功处理。
这条规则看似保守,实则是效率来源:异常被明确分类后,人只需要处理真正需要判断的那一小部分。
复现验证里的回读长什么样
在制造场景的库存需求预测与补货触发复现验证中,路径是这样的:Agent 通过 Soia Worker 打开业务系统,一次读完 8 个物料的在库数量、预警线与近三月月均出库;按固定顺序判定缺料、积压、呆滞、临界、正常五类;只对缺料物料按"月均 × 1.5 − 当前库存"向上取整计算补货量;确认后在系统中新增 2 条建议、提交 2 条申请,最后回读校验。判定边界也写得很清楚——库存等于预警线判为临界不补,三个月无出库判为呆滞不补。
需要说明的是:该场景为复现验证,8 个物料为演示数据,未接入真实 WMS/ERP,也没有需求预测模型,仅按出库历史推算。它的价值在于展示"判定规则 + 写入 + 回读"的完整链路可跑通,而不是提供可直接引用的成效数字。
订单评审场景同理:读订单与附件整理规格、数量、交期,核对有效 BOM 与可用库存做齐套判断,比对已有工单与产能占用,最后输出接单条件、冲突点与缺失资料,交销售与计划负责人确认。这类场景里,Agent 输出的是"一张放得下的表 + 需要拍板的清单",拍板的人没变。
五、把三项验收排进一次试跑
验收不是上线前一周才做的动作,它应该嵌在试跑里。
- 选一个单据闭环:从"读—判断—写—回读"能在一张单据上走完的场景开始,例如补货建议、订单评审结论,而不是一上来做跨系统全流程。
- 先只读,再写草稿,最后写正式单:三个阶段分别验收接口与权限,写正式单之前必须已有回读机制。
- 范围灰度:先一个仓库、一个物料组、一个产品线,权限也只开这一块。
- 保留人工复核期:前若干批次逐条比对 Agent 结果与人工结果,差异逐条归因——是接口字段问题、权限问题,还是判断规则问题。
- 设扩大条件:回读一致率达到约定水平、异常分类清晰、人工复核工作量明显下降,再谈扩范围。这些条件由企业自己定,不由供应商替企业承诺。
在 Soiawork 中,这套路径可以这样落地:用连接器打通 ERP/MES 的读接口,用知识库沉淀判定规则与 BOM 口径,用技能把"五类判定 + 补货量计算"固化为可复用能力,用工作流把"读—判—写—回读"的顺序固定,用自动任务按固定时点触发盘点,异常项统一挂起转人工。AI 组织的意思不是让 AI 替人决策,而是让重复的判断和搬运有稳定的执行者和稳定的记录。
结尾
对接 ERP/MES 的 AI Agent,成败不取决于模型多强,而取决于接口是否写到字段级、权限是否收到岗位级、回读是否成为每次写入的固定动作。建议从一个重复度高、结果可核对的小闭环开始试跑:先只读,再写草稿,再写正式单;每批次核对结果与异常,把差异归因清楚;确认回读稳定、异常处置顺畅之后,再决定是否扩大范围。对接ERP/MES的AI Agent 走得远,靠的是这三项验收一次比一次扎实,而不是一次演示有多惊艳。
常见问题解答
1. 上线 AI Agent 需要改造现有 ERP/MES 吗?
多数情况不需要改系统本身。有标准接口的直接用连接器;没有接口的老系统,用设备(Soia Worker)在客户端界面完成操作;批量场景走文件交换。真正需要企业配合的是三件事:提供接口文档或界面操作说明、开一个专用账号并划定权限范围、指定业务方确认判定口径。
2. 数据和权限怎么控制?
四个动作:账号专用不共用、按组织与仓库隔离数据范围、读写权限分开授予、高危动作设人工确认点。加上全程留痕,任何一步都能还原到账号、时间、对象和前后值。权限不是一次性配置,要有回收流程。
3. AI 写错了谁负责?
写入前的确认点由人把关,写入后的回读负责发现偏差,异常统一挂起转人工——责任链条因此是清楚的:判断规则由业务方确认,动作由授权账号执行,最终审批仍由岗位责任人完成。涉及财务入账、合规判定、专业审核的结论,不由 AI 决定。
4. 和现有的 RPA、BI 是什么关系?
三者解决的问题不同。BI 负责"看见",回答数据是什么;RPA 负责"搬运",把固定路径的重复操作自动化;对接 ERP/MES 的 AI Agent 在此基础上多了判断与核对——按规则判定、按需取数、写后回读。已有 RPA 脚本不必推翻,可以作为工作流里的一个步骤被调用。
5. 从哪个场景开始最合适?
选同时满足三条的场景:重复频率高、判断规则能写清楚、结果能回读核对。制造企业常见起点是补货建议与订单评审,财务侧是对账与凭证草稿,运营侧是经营数据监控。先从一项重复工作试跑,核对结果与异常,再决定是否扩大范围——这条路径比一次性铺开更稳。



