🚀 拒绝无效加班！我用 FlowyAIPC + Herdsman 打造了一个“AI 质检员”

制造业 QA/QC 尺寸检验报告与 APQP 交付物自动化审查实战

💡 前言：制造业质量管理的“隐秘痛点”

在制造业的质量管理（QA/QC）工作中，尺寸检验报告（Dimension Report） 和 APQP 交付物 的审查是一项极其繁琐且容易出错的“脏活累活”。传统人工审查面临四大痛点：

1. PDF 扫描件“哑巴数据”：供应商发来的多为扫描版 PDF，无法直接复制，人工录入效率极低且易错。
2. Excel 数据“野蛮生长”：有的只填“OK”不填具体数值，有的小数点位数混乱，关键信息（如零件号、责任人）经常漏填。
3. 潜在风险“隐形埋雷”：虽然所有数据都在公差范围内，但如果数据呈现某种趋势（如孔径全部偏大），可能预示着刀具磨损，人工极难从几十行数据中一眼洞察。
4. 复杂文档“图文混杂”：支持携带图片的 Word、Excel 等文件，图文分离处理再合并审查的逻辑极其复杂。

为了彻底解决这些痛点，我基于 FlowyAIPC 平台，结合 Herdsman（牧马人）本地模型引擎，开发了一个名为 AutoDimensionReport 的 AI Skill。它不仅能“看懂”复杂的图纸和报告，更能像资深质量工程师一样进行深度的逻辑审查。

🛠️ 一、 核心能力展示：它不仅仅是 OCR，更是“业务大脑”

这个 Skill 的核心价值在于理解业务逻辑，而不仅仅是把图片转成文字。

🔍 场景 1：扫描件 PDF 的“火眼金睛”

• 任务：审查一份 4 页的供电转接头监测报告 PDF。
• 难点：纯扫描件，包含复杂的表格和几何公差符号。
• AI 执行：系统自动进行了 19 次工具调用，丝滑完成 PDF转图片 ➔ OCR识别 ➔ 数据提取 全流程。

✨ 审查结果亮点：

• 自动化判定：精准提取 29 项实测值，确认全部在公差范围内，且判定用语规范（统一识别并校验了 "OK"）。
• 敏锐发现隐患：
  • 🚩 信息缺失：OCR 识别出“XX有限公司”，智能提示缺失具体企业名称。
  • 🚩 签章校验：智能识别出图形章无法通过纯文本 OCR 确认，精准提示需人工复核原 PDF 第 2 页底部。
  • 📊 检测手段画像：自动统计出二次元 11 项、游标卡尺 9 项、2.5 次元 9 项，帮助管理者快速掌握检测手段分布。

📊 场景 2：Excel 数据的“深度体检”

• 任务：审查一份 储气罐交付物相关Excel 表。
• 难点：数据量大，且存在隐蔽的合规性与工艺性问题。
• AI 执行：通过 12 次工具调用，直接读取 Excel 单元格数据并进行复杂的逻辑运算。

✨ 审查结果亮点：

1. 🚨 严重合规问题拦截：
   • 发现 零件号 和 责任人 单元格为空。
   • 发现供应商名称仅简写为“A有限公司”，不符合规范。
2. 🔎 数据质量“找茬”：
   • 违规填写：发现 6 项（如 SEQ 5-8）有明确公差标准，但供应商仅填了“OK”，未记录实际测量值，导致无法追溯原始读数。
   • 精度不一致：发现 SEQ 4 的测量精度为 "18.1"（1位小数），而其余均为 2 位，提示数据录入不规范。
3. ⚠️ 工艺趋势预警（高阶功能）：
   • AI 敏锐发现 4 项孔径数据全部偏正。
   • SEQ 17 (Φ13+0.2/0)：测1=13.16，距上限仅 0.04mm ➔ 🔴 最紧贴边界。
   • SEQ 15 (Φ13+0.2/0)：测2=13.15，距上限仅 0.05mm ➔ ⚠️ 紧贴边界。
   • 💡 洞察：这意味着虽然产品当前合格，但加工过程可能存在系统性偏差，需立即提醒工艺人员调整刀具，防患于未然！

⚙️ 二、 技术架构：全本地化部署，安全与高效兼得

为了保护企业的核心数据（图纸和检测数据绝不出域），本方案采用了100% 本地化部署架构：

1. FlowyAIPC (Agent 调度中枢)：
   • 负责全局任务调度。当输入“帮我审查此 PDF”时，Agent 自动加载 AutoDimensionReport Skill。
   • 具备任务拆解能力：转图片 ➔ OCR ➔ Python脚本校验 ➔ 生成 Markdown 审查报告。
2. Herdsman 牧马人引擎 (本地算力底座)：
   • 大脑：Qwen3.6-35B-A3B-MTP 本地大语言模型。提供强大的本地推理能力，无需联网，节省 Token 费用，确保私密信息绝对安全。
   • 眼睛：paddleocr-ppocrv5-server。强大的本地 OCR 模型，快速准确地提取图片中的复杂文字与表格信息。
3. Python 脚本集群 (执行手脚)：
   • 包含文档转换、图片抽取、OCR 识别、判定校验、审查报告生成等 4 个核心自动化脚本。

🚀 三、 极简上手指南：开箱即用

只需简单几步，即可让你的 FlowyAIPC 拥有质检能力：

Step 1: 准备本地环境
在本地提前安装 Herdsman 牧马人本地模型引擎，点击 模型 ➔ 图像处理 下载并安装 OCR 模型，等待启动成功。

Step 2: 安装 Skill 包
在 FlowyAIPC 中安装以下两个 Skill 包（复制以下标识符前往SkillHub中搜索下载即可）：

• Herdsman-skill：提供本地模型调用能力，让 FlowyAIPC 能够无缝调用 Herdsman 中运行的 OCR、文生图等服务。
• AutoDimensionReport-skill：包含完整的审查材料流程指导和相关 Python 脚本，开箱即用。

Step 3: 唤醒使用
安装完成后，Skill 会自动注册到 FlowyAIPC 的 Skill 空间中。下次只需在对话中提及 “尺寸检验报告”、“供应商资料审查” 或 “签章检查”，Agent 就会自动唤醒该技能并执行审查！

🎯 四、 总结与展望

通过这个实战案例，我们看到了 AI Agent + 本地模型 在垂直行业的巨大潜力。它不再是简单的聊天机器人，而是一个拥有工具链、懂业务逻辑、能执行复杂任务的“数字员工”。

• ⚡ 效率飞跃：人工核对 30 分钟的工作，纯本地 AI 审查仅需 10 分钟。
• 🛡️ 质量跃升：精准揪出“仅填 OK”、“精度不一致”、“趋势偏差”等人工极易漏看的隐蔽问题。
• 🔒 数据安全：基于 Herdsman 本地引擎，敏感图纸和检测数据 100% 不出局域网。

未来规划：我计划在此 Skill 中融入更多行业标准（如 VDA 6.3 过程审核标准），让这个“AI 质检员”变得更加全能与智能。

欢迎制造业同行、开发者交流探讨！如果你有类似的自动化痛点，欢迎在评论区留言，我们一起用 AI 解决它！👇