我们工控自动化行业的工程师如何本地部署自己的知识库和AI大模型呢？

我们之前关于工控圈的朋友是否要养龙虾的投票结果已经出来了：

可以参与投票看到最新的结果。如果把观望和不养的朋友加起来差不多有70%，也就是说7成的是处于观望或者坚决不养的态度。

具体原因我这里无法给出，各位投票的朋友可以留言为啥不养，给出原因。

当然，评论区更多的是安全方面的原因。所以，我们这期分享下本地化部署的方案，大家一起来参考。

01

总体布局

要想把数据都放在本地，那么我个人认为模型+知识库+微调+必备插件等都要能够离线运行，而且能隔离开，完全不受影响。

我把这个想法放到Deepseek里面，它给出的总体框架：

当然这个是目前比较容易实现的方案，我们接下来也把主要的过程放到公号里，请持续关注！

02

实施计划

借鉴工业界和学术界的实践，建议按以下阶段推进：

🚩 第一阶段：基础RAG问答（2-3个月）

• 目标：实现类似天行AI助手的"内嵌知识库问答"
• 功能：自然语言查手册、查API用法
• 验收：能回答常见PLC编程问题，引用准确
• 技术：RAGFlow + Obsidian经验库同步

🚩 第二阶段：单厂商代码生成（3-4个月）

• 目标：实现AutoPLC的四阶段流程
• 选择：先攻克一个厂商（如Siemens SCL）
• 功能：从自然语言生成可编译代码，实现编译验证
• 验收：编译成功率>70%

🚩 第三阶段：多智能体协同（4-6个月）

• 目标：实现Agents4PLC的多智能体架构
• 新增：验证智能体、调试智能体、自动修复
• 功能：代码解释、优化、多语言转换
• 验收：编译成功率>85%

🚩 第四阶段：多厂商支持与IDE集成（6-12个月）

• 目标：扩展至CODESYS、Mitsubishi等主流平台
• 功能：VS Code插件完整集成
• 优化：多模型竞争策略
• 验收：编译成功率>90%，用户满意度>8/10

03

关键成功因素

主要有以下四点：

1. 知识库质量决定上限：投入50%精力构建高质量、结构化的厂商知识库
2. 编译验证闭环：必须实现实时编译反馈，这是达到高编译成功率的唯一途径
3. 从单一厂商突破：不要一开始就想支持所有平台，先攻克一个再横向扩展
4. 安全第一：所有处理本地化，核心代码绝不外传。