新闻详情

新闻详情

首页 / 资讯中心 / 详情

# AI 功能总览 —— 让组态会说话

发布时间:2026/11/19 21:44:19来源:尧图网络
# AI 功能总览 —— 让组态会说话
AI 功能总览 —— 让组态会说话鲲鹏恒控把 AI 做进了组态软件的骨头里,不是贴一个聊天框了事。它有三条已经落地的 AI 能力,外加一张正在路上的产品蓝图。核心理念只有一句:你说人话,AI 动手改工程;每一步看得见、拦得住、可回退。一、三条能力,一条边界能力一句话谁在用 AI① 内置 AI 助手编辑器右侧对话框,一句中文改画面/绑点/建点你调云端大模型② 外部 AI 接入(MCP)让 Claude Desktop / Cursor / Claude Code 连进来组态别的 AI 连进你的软件③ 教学式操作回放AI 每改一步,画布上切画面→定位→高亮演示让你看着AI 操作④ 需求方 AI 窗口(蓝图)领导对着 AI 提需求,改动落到他的分支,主程序员评审合并规划中,见蓝图文档同一条安全边界:①②③ 全部走同一套组态能力出口,只做组态与只读感知,作用在工程 JSON 上、可逆;绝不写 PLC、不启停设备、不下发。这是设计上的硬线,任何 AI、任何模式都越不过。二、为什么这件事重要组态软件的老问题:功能越强,菜单越深,新人越难上手。一个把这个泵的运行状态做成红灯闪烁的需求,老手点几十下,新手翻半天菜单。鲲鹏恒控的答案是:把翻菜单这件事交给 AI。你描述目标,AI 去翻译成一串组态操作。而且:它看的是工程模型(代码),不看截图—— 靠感知工具读你工程里真实的画面名/点名/元素,不靠视觉猜,不会改出对不上的东西。它改的是唯一真源(工程 JSON)—— 不是脆弱地去脚本化点击界面,而是改模型、再把每一步回放成看得见的动作。危险操作有闸—— 删画面、删点这类操作默认拦下来让你确认,确认令牌一次性;你也可以显式打开完全自主让它连删除也直接做(但运行态红线依然越不过)。三、①内置 AI 助手 —— 一句话改画面编辑器右侧的对话面板。你说:“在首页加个开始按钮” · “把液位棒图绑到 Tank.Level” · “新建一张参数设置画面,加三个数值输入框”AI 调用你配置的云端大模型(OpenAI / Claude / 任意兼容接口都行),模型通过一组受限工具直接把工程改好,做完用一句话汇报。支持多家服务商切换,每条配置都能一键测试连通。密钥存在工程目录之外,不外泄。危险操作走确认卡,可开完全自主。四、②外部 AI 接入(MCP)—— 让 Claude / Cursor 直接组态鲲鹏恒控内置一个MCP(Model Context Protocol)服务器,把组态 感知能力以标准 MCP 工具暴露出来。任何支持 MCP 的 AI 客户端 ——Claude Desktop、Cursor、Claude Code、你自研的 Agent—— 都能连进来,直接读你的工程、帮你改画面/点/配方。一次暴露84 个工具(感知 36 组态 48),覆盖画面、元素、点、通道设备、配方、报警、历史、报表、多语言、皮肤、整工程导入导出。两种连法:stdio(客户端按需拉起)和http 常驻(编辑器面板一键启停,多个工具连同一实例)。http 模式支持token 鉴权、只读白名单、工具收窄。五、③教学式操作回放 —— 看着 AI 一步步操作AI 改画面不该是啪一下全变了。鲲鹏恒控把 AI 的每一步做成看得见的教学式演示:切到对应画面 → 定位到被改的元素 → 选中 滚动进视野 高亮聚光,一步一步、有节奏地发生,配正在做什么的旁白。可调速、可直接看结果、尊重系统的减少动效设置。面板顶部还有两个开关:实时跟踪(要不要表演给你看)和完全自主(危险操作免确认)。六、④需求方 AI 窗口与分支评审(产品蓝图)⚠这一条是规划中的产品蓝图,尚未落地实现,写在这里是为了让你看到方向。设想:不写代码的人(领导 / 工艺 / 运维)也能对着 AI 窗口直接改项目。登录后用自然语言提需求,AI 在他名下的工程分支上落地修改;每人一条分支,互不干扰;主程序员保留最终裁决权,决定每条分支的改动是否合并回主工程。全程只跑在本机。类比工程界的「Issue → Fork 分支 → 提改动 → PR Review → 合并」,只是把提改动的人换成了 AI。七、安全,不是事后补的只组态、不控制:所有 AI 能力只改工程配置、只读现状,不碰运行态 PLC 写值。危险操作两档:默认删除类走人工确认(令牌一次性);可显式开完全自主免确认,但作用域与运行态红线不变。只作用于当前工程:AI 工具全按名字动内存里当前工程模型,没有任何工具吃文件路径,跳不到别的工程或目录外。幻觉工具拦得住:模型就算幻想出别的方法名,后端白名单直接挡下,绝不落到真执行器。密钥不外泄:AI 服务商密钥存在工程目录之外,列表接口只回掩码。一句话:AI 能帮你干活,但干不了不该干的事。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/19 20:26:12

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/19 15:16:22

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/19 18:03:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉