AI 时代：基于 DDD 搭建可供 AI Agent 调用的 MES/WMS/QMS 一体化架构

文章目录AI 时代基于 DDD 搭建可供 AI Agent 调用的 MES/WMS/QMS 一体化架构一、核心前置共识明确 AI 与工业系统的权责边界1.1 能力定位分工1.2 两条不可突破的铁律1.3 DDD 核心思想的时代升级二、第一步基于 DDD 严格划分限界上下文2.1 四大核心业务上下文定义【仓储上下文 WMS】【生产上下文 MES】【质量上下文 QMS】【设备上下文 EAM】2.2 跨上下文协作黄金规则三、适配 AI Agent 的 DDD 战术模型改造3.1 引入 CQRS命令查询职责彻底分离Query 查询只读、无副作用Command 命令写操作、有状态变更核心原则3.2 聚合重构只暴露行为不暴露数据3.3 统一通用语言为 AI 构建领域词典四、完整架构分层AI Agent 工业调用分层模型五、双通信机制AI 与工业系统的交互核心5.1 同步调用Command \ Query 即时交互5.2 异步订阅领域事件实时推送六、工业 AI 专属配套能力落地必备6.1 AI 专属操作审计与溯源6.2 人机协同开关与人工否决权6.3 标准化领域能力目录AI 工具集七、完整业务场景串讲看懂整套架构运转八、落地避坑清单多数团队的常见误区九、架构总结AI\DDD 的工业软件新范式AI 时代基于 DDD 搭建可供 AI Agent 调用的 MES/WMS/QMS 一体化架构随着工业 AI Agent、大模型落地制造场景很多企业会遇到一个核心痛点传统 MES、WMS、QMS 工业软件架构无法适配 AI 智能调度、自主决策、实时异常处理的能力。多数现有系统基于 CRUD 设计、业务规则散落、流程硬编码、数据耦合严重。一旦对接 AI Agent极易出现 AI 越权改数据、跨模块调用混乱、库存与生产数据不一致、合规追溯失效等致命问题。本文将给出一套可落地、可复用、面向 AI Agent 的DDD 工业一体化架构方案重新定义 AI 与 MES/WMS/QMS/EAM 的边界、通信规则、分层逻辑真正实现「AI 智能决策系统可信执行」。一、核心前置共识明确 AI 与工业系统的权责边界搭建 AI 友好的工业架构首要前提是划清权责这是所有设计的基石绝对不能颠倒。1.1 能力定位分工AI Agent 核心能力自然语言交互、任务规划、流程编排、异常识别、智能调度、决策推理。AI 擅长“思考与编排”不擅长“强事务与合规约束”。MES/WMS/QMS/EAM 核心定位可信记录系统System of Record。全权负责强事务一致性、固化业务规则、合规追溯、库存精准一致、生产工艺刚性约束。工业系统是工厂规则的底线与护城河。1.2 两条不可突破的铁律❌ 严禁 AI 直接操作数据库、绕过业务逻辑层✅ AI 仅能调用标准化领域能力所有业务规则、数据校验、事务约束全部锁死在领域模型内部1.3 DDD 核心思想的时代升级Eric Evans DDD 核心理论限界上下文、通用语言、聚合、领域事件完全不变只是落地目标升级传统 DDD解决人与系统的业务复杂度AI 时代 DDD构建可控、可信、可被智能体调用的工业能力底座改造核心聚焦三点领域能力标准化、面向 Agent 开放能力接口、构建高解耦的事件驱动模型。二、第一步基于 DDD 严格划分限界上下文混乱的架构始于边界模糊。想要支持 AI 自由调用且不出错必须先通过限界上下文切割业务域杜绝 Agent 跨域乱调用、避免生产、库存、质量数据互相污染。2.1 四大核心业务上下文定义【仓储上下文 WMS】核心聚合物料主数据、库存聚合、库位聚合、入库单、出库单、调拨单、批次 Lot核心能力收货上架、智能拣货、生产发料、库存冻结、批次追溯、库存盘点、库存预留、批次状态管控【生产上下文 MES】核心聚合生产工单、工艺路线、工序、在制品 WIP、生产报工、完工入库记录核心能力工单下发、工序流转管控、生产投料、工序报工、完工入库、产能数据采集、在制品追踪【质量上下文 QMS】核心聚合检验方案、IQC/IPQC/FQC/OQC 检验单、不良单据、CAPA 纠正预防单、特采审批单核心能力触发全流程检验、质量判定、不良隔离、缺陷复盘、特采审批、质量数据追溯【设备上下文 EAM】核心聚合设备台账、维保工单、故障记录、OEE 运行数据、点检记录核心能力维保工单创建、设备故障记录、设备稼动数据采集、OEE 分析、预防性维护调度2.2 跨上下文协作黄金规则禁止 AI 直接跨上下文调用接口彻底规避链式调用失败导致的数据不一致问题所有跨域流程基于领域事件解耦AI 只负责触发指令不负责复杂流程编排标准业务链路示例MES 生产完工 → 发布【生产完工事件】→ WMS 订阅自动触发成品入库 → QMS 订阅自动触发 FQC 终检风险反例AI 依次调用 MES 完工、WMS 入库、QMS 检验接口。一旦中间节点失败会出现“生产完工但未入库、已入库但未质检”的数据断层是工业系统绝对无法接受的问题。三、适配 AI Agent 的 DDD 战术模型改造传统 DDD 面向人工操作、页面交互设计而面向 AI 的 DDD需要将所有可执行业务动作标准化、可调用、可审计、可管控核心改造围绕 CQRS、聚合封装、通用语言三大维度。3.1 引入 CQRS命令查询职责彻底分离CQRS 是 DDD 适配 AI Agent 的最佳搭档通过区分查询与命令实现智能体决策自由、业务执行可控。Query 查询只读、无副作用用于 AI 获取工厂实时状态作为决策依据支持高频自由调用。示例查询工单进度、查询仓库可用库存、查询设备 OEE、查询批次检验结果、查询在制品数量Command 命令写操作、有状态变更用于执行业务变更所有命令必须经过领域模型校验、事务封装、规则拦截自动触发领域事件。示例创建工单、物料发料、检验 NG 判定、批次库存冻结、创建维保工单核心原则AI Agent仅能发起命令请求无权绕过领域规则直接改数据。AI 只负责“决策要不要做”领域模型负责“能不能做、怎么做”。哪怕 AI 计算出需要发料最终是否允许发料仍由 WMS 聚合内部规则库存充足性、批次有效期、物料冻结状态、工单匹配规则判定。3.2 聚合重构只暴露行为不暴露数据传统 CRUD 系统的最大弊端外部可直接修改字段业务规则散落接口、脚本、数据库约束中无统一管控AI 接入后极易击穿业务底线。DDD 标准改造方案聚合对外只暴露行为方法完全封装内部数据与业务规则。以 WMS 库存聚合为例仅对外提供标准化行为allocateMaterial() 物料预留issueMaterial() 物料发料freezeLot() 批次冻结checkLotValid() 批次有效性校验所有核心约束FIFO 先进先出、禁止负库存、不良物料禁止投料、冻结物料不可领用全部封装在聚合内部。人工操作、系统自动执行、AI 调用复用同一套规则从架构层面杜绝合规风险。3.3 统一通用语言为 AI 构建领域词典Eric Evans 的通用语言在 AI 时代拥有了全新价值不再仅用于研发、业务、产品的沟通统一更是AI Agent 的专属领域词汇表。系统必须统一所有工业术语杜绝 AI 自主编造名词导致指令解析错误严格区分生产工单 ≠ 生产任务、在制品 WIP、批次 Lot、特采、OEE 六大损失等专业术语输出标准化领域术语词典注入 AI Agent 上下文保障自然语言指令精准解析四、完整架构分层AI Agent 工业调用分层模型整套架构自上而下分层每层职责单一、边界清晰完美适配 AI 调用逻辑兼顾安全性、扩展性、合规性。┌─────────────────────────────────────┐ │ AI Agent 层大模型、业务智能体 │ 能力自然语言解析、任务规划、异常决策、流程编排 │ 场景缺料调拨决策、OEE 优化分析、质量异常拦截、设备维保预判 └───────────────┬─────────────────────┘ │ 调用标准化能力接口 ┌─────────────────────────────────────┐ │ 【能力网关 / Agent接入层】 │ 1. AI 专属鉴权、精细化权限控制 │ 2. 指令格式标准化、参数合法性校验 │ 3. AI 全操作审计留痕制造业合规必备 │ 4. 限流、熔断、风控防止 AI 高频指令冲击系统 │ 5. 自然语言指令 → 标准 Command 指令翻译转换 └───────────────┬─────────────────────┘ │ ┌─────────────────────────────────────┐ │ 应用服务层DDD Application Service │ 职责接收外部命令、协调聚合、管控事务、发布领域事件 │ 约束应用服务无任何业务规则仅负责流程调度 └───────────────┬─────────────────────┘ │ ┌─────────────────────────────────────┐ │ 领域层 Domain架构核心 │ 包含DDD 聚合、领域服务、全部业务规则、校验逻辑 │ 输出各类核心领域事件工单、库存、质量、设备状态变更 └───────────────┬─────────────────────┘ │ ┌─────────────────────────────────────┐ │ 基础设施层 │ 包含仓储 Repository、消息队列、事件总线、外部集成、数据库 └─────────────────────────────────────┘五、双通信机制AI 与工业系统的交互核心为适配 AI「主动决策 被动感知」的双重特性架构设计同步调用 异步事件两套通信机制覆盖全部业务场景。5.1 同步调用Command Query 即时交互适用于 AI 需要即时执行、即时获取结果的场景是 AI 主动操作工厂的核心入口。Query 示例AI 实时查询产线 WIP、查询物料库存余量、查询设备实时状态Command 示例AI 下发物料调拨指令、发起维保工单、执行批次冻结操作5.2 异步订阅领域事件实时推送领域事件是 DDD 留给 AI 最重要的实时数据通道让 AI 无需轮询即可被动感知工厂全部动态变化。系统核心事件生产完工事件、检验不良事件、库存短缺事件、设备故障事件、工单异常事件等。典型联动场景QMS 产生【批量不良领域事件】→ AI Agent 订阅感知 → 自动下发指令至 WMS 冻结对应不良批次 → 同步通知 MES 暂停该批次投料实现全自动异常闭环。六、工业 AI 专属配套能力落地必备通用 DDD 架构无法直接适配制造业合规要求必须额外增加三大工业专属能力保障 AI 落地安全可控。6.1 AI 专属操作审计与溯源所有 AI 发起的 Command 指令统一标记 operatorTypeAI_AGENT完整留存指令原文、AI 决策依据、入参数据、执行结果、操作时间、关联业务单据。完全满足 GMP、质量追溯、工业合规对「人机操作区分」的强制要求。6.2 人机协同开关与人工否决权在聚合内部内置风险审批策略实现分级管控低风险操作查询、正常报工、常规收货AI 全自动执行高风险操作批量报废、物料特采、工艺参数修改、大批量库存调整AI 仅可发起申请人工审批通过后才可执行6.3 标准化领域能力目录AI 工具集系统自动导出 OpenAPI 格式的能力清单包含能力名称、入参出参、业务约束、错误码、适用场景。AI Agent 可自动识别工具边界明确自身可执行、不可执行的操作完美适配大模型 Function Calling 机制。七、完整业务场景串讲看懂整套架构运转以「AI 设备运维优化」场景为例串联全链路架构逻辑AI Agent 持续订阅 EAM【设备故障事件】同时实时查询 MES 工单产出数据、QMS 不良质检数据、设备 OEE 统计数据AI 通过多维度数据分析识别目标设备频繁故障、OEE 持续下跌判定需要执行预防性维保AI 经由能力网关标准化下发 CreateMaintenanceOrderCommand 维保创建指令应用服务接收指令调度 EAM 领域聚合执行业务校验EAM 聚合内部执行规则校验设备台账有效性、是否存在在途维保工单、维保周期合规性等校验通过后创建维保工单自动发布【维保工单创建领域事件】事件同步推送可视化看板、推送运维人员同时系统标记该操作由 AI 发起完整留痕。全程核心逻辑AI 只负责决策领域模型守住所有业务规则无任何越权风险。八、落地避坑清单多数团队的常见误区❌ 允许 AI 直连数据库、绕过领域层短期迭代快长期引发库存错乱、合规失效、数据不一致属于工业系统致命缺陷❌ 模糊限界上下文、模块耦合AI 跨域调用极易引发连锁数据错误故障无法定位仅有 CRUD 接口、无领域事件AI 只能被动轮询无法实时感知工厂异常智能调度能力大幅降级缺少 AI 权限、风控、审计能力AI 异常失控会批量下发错误指令无追溯、无法止损试图用 AI 替代领域模型AI 是外层决策编排层领域模型是工业规则底线绝对不可替代九、架构总结AIDDD 的工业软件新范式AI Agent 时代DDD 的核心价值不再是解决研发与业务的沟通问题而是为工业软件构建一层安全、可控、标准化、可智能调用的能力底座。整套架构的核心纲领领域模型守住业务规则领域事件打通实时数据标准化 CQRS 作为 AI 工具接口AI 专注外层决策与编排绝不侵入领域内核。这套架构彻底解决了传统工业软件无法适配 AI 的痛点让 MES/WMS/QMS 既能保留工业系统的严谨性、合规性、数据一致性又能最大化释放 AI 智能决策、自动调度、异常治理的核心价值。