老师傅的工艺经验怎么变成数据和模型？先选最小场景单元，拆六要素，再做盲评验收

直接答案：老师傅的工艺经验要变成可用的数据和模型，第一步不是“建一个大而全的知识库”，而是选一个边界清楚的最小场景单元，把老师傅的判断拆成情境、线索、判断、动作、边界、结果六要素；再把“什么时候不能判”、复检规则、风险等级和伪影负样本一起收进数据集；最后用留出案例盲评验收，而不是看一次演示。公开信号已经很清楚：上海市经信委沪经信软〔2026〕403号第 2 条明确支持构建工业原生数据、“老师傅”经验数据的治理方法论和开源工具链（最高支持 2000 万元，面向平台/项目，不是每家企业自动可得）；经济日报 2026-08-05 的调查报道记录，2026 年 7 月上海启动“工业老师傅”经验数据集共建，8 家制造企业与 5 家服务商参与；第一财经 2026-11-04 发布的《2026AI+高端制造产业应用图谱》把“技术逻辑与工艺逻辑脱节”列为场景侧三大堵点之一。上观新闻 2026-08-19 又补了关键一步：库帕思把“老师傅经验库是否有用”归结为语义对齐，振华重工在钢桥焊接现场用 30 帧/秒的多模态数据，把“异常现象—经验判断—数据特征”一一对应；上海 640 号第 10 条则把“老师傅经验语料化工程”写进 2027-2028 行动方案，列出六类语料和评测机制。本文资料截止 2026-11-12；具体以企业工艺、质量体系、数据权限和合同为准。

2026-11-12 更新：补充语义对齐、现场跟班三联对应、六类语料与评测机制、2 条 FAQ 和 3 条来源；原 URL、标题与发布时间不变。

本文面向制造企业厂长、工艺/技术、质量、生产、IT/数字化和采购负责人。它不横评工业 AI 厂商，也不承诺“上线就能替代老师傅”；它解决一个更基础的问题：第一个场景怎么选，经验怎么拆，数据怎么收，验收怎么判。

为什么“大而全的知识库”多半会停？

因为工艺经验不是一堆可以复制粘贴的文档。经济日报的调查里，上海库帕思交付运营总监邓思文说得很直接：问老师傅怎么判断，他可能回答“看一眼就知道”“这个不对劲”——这些话对人有用，对机器是无效指令。振华重工首席数字官赵子健也提到，接入真实产线后发现，复杂焊接工况对数据质量、工艺机理和现场经验的要求远高于预期，单纯靠算法开发公司“交付一个模型”很难真正解决产线问题。常见的停摆点有五个：经验说不清、只收标准答案、懂制造的人不主导、数据与机理不够、验收只看演示。它们不是技术问题，而是场景定义和交付方式的问题。

验收看：断点是否被点名、谁负责补、补到什么程度。常见缺口：把“知识库”当终点；把文档数量当成果；把一次演示当验收。

断点归纳为编辑整理；具体原因以企业现场诊断为准。

第一个场景怎么选：最小场景单元

最小场景单元不是一个部门、一条产线，而是一个边界清楚、结果可判定、案例可回放的判断任务。经济日报记录的“环焊缝质量评定”就是一个典型：老师傅怎么看底片、怎么判缺陷、怎么定等级、什么情况必须复检或开挖，边界相对清楚，结果又能被复检验证。选场景时看六条：①任务边界是否清楚（输入、输出、责任岗位）；②结果是否可判定（有复检、客诉、返工或第三方结论）；③历史案例是否够（典型、边界、罕见都要有）；④数据是否拿得到（图像、声音、振动、参数、工单）；⑤老师傅是否愿意配合；⑥风险是否可控（先做辅助判断，不直接替代放行）。反过来，第一场景不要选“全厂工艺知识库”“所有设备故障诊断”“跨工序一键优化”——边界太大，验收无从谈起。

验收看：场景一句话能否说清、结果由谁判定、案例从哪来。常见缺口：把“质检”当唯一答案；把“知识问答”当工艺判断；把多个工序塞进一个 POC。

场景示例来自公开报道与常见工厂任务；是否适合首做需按本厂风险、数据和人员判断。

六要素怎么拆：把“看一眼”变成可记录的话

六要素是“情境、线索、判断、动作、边界、结果”。它不是把 SOP 再抄一遍，而是把老师傅从观察到处置的链路拆开：在什么产品、材料、设备、工况、班次下（情境）；他看到/听到/摸到了什么（线索）；他判成什么类型、什么等级（判断）；他接下来做什么（动作）；什么情况下他不判、要求复检或上报（边界）；最后实际结果是什么（结果）。每一步都要落到可查询的字段和可复核的证据，而不是“处理完成”四个字。经济日报的报道还特别提到，只有把复检规则、风险等级、伪影负样本一起沉淀，机器学到的才不是“像什么”，而是“为什么这样判、什么时候不能判”。

验收看：六个要素是否都有记录；每个判断是否有线索支撑；边界是否有“不知道”。常见缺口：只写结论；动作没有责任人；边界空白；结果没有回填。

六要素来自经济日报对库帕思“最小场景单元”法的报道；字段设计为编辑建议，需按企业工艺调整。

录了口述、拍了视频，为什么还是不能用？

因为还差“语义对齐”。上观新闻 2026-08-19 的报道里，上海库帕思语料运营总监邓思文说得很直接：“老师傅经验库是否有用的关键，在于语义对齐。”老师傅说“看一眼便知”“就觉得哪里不对劲”，对 AI 是无效指令；说“颜色偏暗”“硬度刚好”“火候到了”，必须同步锚定当时的炉温、电流、投料比例等全维度数据，通过反复校准和确认，“把模糊语言钉死在可追溯的数字坐标上”。壹珈智晟的做法是“蒸馏”：找懂行的人与老师傅深聊，跟他进入真实场景，忠实记录图像、音视频、口述文字，再交给 AI 消化。关键不是把话录下来，而是让每一句判断都能回到同一时刻的数据和结果。

验收看：模糊词是否锚定、锚定字段是否可追溯、是否记录反例、是否经老师傅复核。常见缺口：只录音；只写“颜色偏暗”；没有同时段数据；没有确认记录。

锚定字段为编辑示例；具体以工艺、设备和检测条件为准，不能把“颜色/声音”当通用特征。

现场跟班：老师傅当教练，不是接受采访

真正可训练的数据，往往是在生产现场跟出来的。振华重工在狮子洋通道钢桥项目气保焊现场，采集电压、电流、气体流量和熔池形貌，视频每秒 30 帧；AI 算法人员、工艺人员和检测人员共同跟班，由老师傅现场指出异常时刻并说明判断依据，标注人员同步记录熔池图像与电信号特征，经反复比对，形成“异常现象—经验判断—数据特征”的三联对应。报道披露，钢桥板单元焊接缺陷识别准确率已达 98%，检测响应从焊后 24–48 小时缩短到数十毫秒，今年底“焊中缺陷 AI 识别”有望投入一线。库帕思则把方法压成从场景定义到语义对齐再到评测闭环的“七步法”，并建了老师傅语料工程化平台，让语料与生产环节伴随式转化。

验收看：跟班记录、三联对应表、标注一致性、异常时刻是否可回放。常见缺口：只在会议室访谈；没有异常片段；标注没有老师傅依据；结果不回填。

角色分工为编辑建议；振华案例为企业公开报道，98% 和响应时间是其特定项目口径，不能直接外推。

边界和负样本：最容易被漏掉的一半

工业 AI 最危险的错误不是“不会判”，而是“不会说不会”。边界至少要覆盖五类：超出训练范围（新材料、新设备、新工况）、证据不足（图像模糊、声音缺失、参数断点）、线索冲突（图像像缺陷但参数正常）、罕见组合（没见过）、安全风险（判错会导致人身或重大设备损失）。系统对每一类都要有明确输出：拒绝判断、转人工、要求复检、限定适用范围，而不是硬给一个置信度。负样本同样重要：伪影、反光、油污、正常但少见的纹理，都要作为“不是缺陷”的样本收进去，否则模型会把“像”当成“是”。

验收看：边界类型是否齐、系统是否会拒判、人工接管是否有路径。常见缺口：只测典型缺陷；没有伪影负样本；拒判被当成“系统不好用”而关掉。

边界分类与输出为编辑建议；具体阈值和处置按企业质量体系、安全规程确定。

老师傅愿意讲吗：角色、授权、激励

经济日报的报道里，上海电气上重铸锻公司副总经理周思敏坦言，开始的时候老师傅还是有戒备心理，不清楚把经验交出来后会怎么样；“教会徒弟饿死师傅”的观念，在 AI 时代会被放大为对未知的恐惧。所以这件事不能只靠“请老师傅配合”，要把角色、授权、署名、工作量和收益讲清楚：谁参与、经验用在哪、谁能看到、是否署名、是否影响岗位、项目结束后怎么维护。振华重工的做法是由公司内部工艺人员与算法工程师深度协同，而不是把问题整体外包给算法公司——懂制造的人主导，AI 才可能真正赋能制造。

验收看：角色表是否有名字、授权是否有书面边界、激励是否兑现。常见缺口：只找老师傅录一次口述；没有署名和授权；把“经验上交”与岗位调整混在一起。

角色与激励为编辑建议；涉及劳动合同、保密和知识产权时按企业制度与法律处理。

语料库不是把文件堆在一起：六类语料和评测机制

上海 640 号第 10 条把“老师傅经验语料化工程”写得很具体：加强工业图纸、物料参数、缺陷样本、设备手册、故障案例、维修工单等高价值语料库建设，构建覆盖多模态的“行业专识高质量数据集”；支持多模态数据治理工具链，鼓励生产伴随式语料服务，建立健全数据集评测机制，促进语料与模型、智能体深度联动。上观新闻 2026-07-20 报道，上海语料运营公共服务平台 2.0 已发布焊接老师傅语料库、港口堆场老师傅经验语料库等，并发布 15 项团体标准和 2 项行业标准，覆盖采集、清洗、标注、评测、应用、运营管理全流程。对工厂的启示是：语料库不是把图纸和手册扫描一遍，而是六类对象都能追溯到来源、版本、权限和评测结果。

验收看：六类是否齐、来源/版本/权限是否可查、是否有评测集、是否持续更新。常见缺口：把文件扫描当语料；没有评测；没有更新；没有权限边界。

六类语料来自上海 640 号第 10 条；字段为编辑建议，具体按企业数据目录和权限制度调整。

数据集和验收：怎么证明“学到了”

一个场景配一个数据集，至少分四层：典型案例、边界案例、负样本（伪影/正常少见形态）、罕见案例。数据要能回答“来源、采集条件、标注人、标注依据、版本”。验收不要用训练过的案例，要用留出集：按时间、产线、班次或设备分组留出，避免同一批案例泄漏。评测至少看五项：与老师傅/工艺的判定一致率、边界拒判率、误判的后果分级、复现性（换人换时间能否得到同样结果）、可解释性（能否指出依据的线索）。如果条件允许，做一次背靠背盲评：老师傅和系统各自独立判，再比对分歧，分歧本身就是下一轮规则和样本的输入。

验收看：留出集是否独立、盲评是否真的盲、分歧是否有记录。常见缺口：拿演示案例当测试集；只报准确率不报误判类型；没有版本，改完无法复现。

验收项为编辑建议；阈值应按缺陷后果、客户要求和质量体系设定，不套用统一准确率。

4 周 POC 怎么排：先证明能复现，再谈推广

第一周定场景和边界：选一个产品族/工序，写清输入、输出、责任岗位和不做什么；第二周拆六要素、收案例：老师傅、工艺、质量一起把典型、边界、负样本凑齐，缺的数据列采集计划；第三周做基线和小模型/规则：先用简单方法跑通，再决定是否需要更复杂的模型，避免一上来就训练大模型；第四周盲评和复盘：留出集测试、分歧归因、给出继续/停止建议。停止条件要提前写：案例不足、数据拿不到、边界无法定义、老师傅不参与、误判后果不可接受，任何一条成立就停，不硬推上线。

验收看：四周是否有明确产出、停止条件是否提前写。常见缺口：第一周就选模型；案例不够硬做；没有停止条件，项目拖成“永远在调”。

4 周安排为编辑建议；实际周期取决于场景复杂度、数据基础和老师傅可用时间。

谁该读、谁不适合、能支持什么决策？

适合多品种、依赖老师傅判断、质量/工艺经验集中在少数人身上、正在做智能工厂或工业智能体项目的制造企业；也适合已经买了“知识库/大模型”但现场不用、验收说不清的团队。不适合产品单一、工艺稳定、没有明确判断任务的工厂；也不适合希望用一篇清单替代工艺验证、质量体系或安全规程的团队。

该读：经验在老师傅脑子里；知识库建了没人用；模型演示好、上线掉；缺陷定义和复检规则说不清；不知道第一个场景怎么选。不适合：把 AI 当万能；把知识库当工艺文件柜；把一次演示当验收；指望跳过数据治理直接上大模型。能支持：场景选择、六要素拆解、边界与负样本设计、老师傅参与机制、数据集与盲评验收、4 周 POC 的继续/停止判断。

常见问题

工艺经验数字化是不是把老师傅的话录下来、做成知识库？

不是。录音和文档只能留下“他说了什么”，不能留下“他依据什么线索、在什么边界内、做完动作后结果如何”。可执行的做法是选一个最小场景单元，把情境、线索、判断、动作、边界、结果六要素拆出来，再配案例、负样本和留出集评测。知识库可以作为载体，但不是验收对象；验收对象是系统在新案例上的判断和拒判能力。

第一个场景一定要选质检吗？

不一定，但质检类场景通常更容易起步：有图像/声音等可采集信号，有复检或客诉作为结果，缺陷定义相对明确。第一财经发布的图谱也把智能质量检测排在场景落地优先级首位。不过设备异常、工艺参数优化、报价工艺解析同样可以做，前提仍是边界清楚、结果可判定、案例可回放。不要因为“质检热”就选一个本厂没有数据、没有判定标准的质检任务。

六要素和普通 SOP 有什么区别？

SOP 描述“标准动作”，六要素还要记录“判断依据”和“什么时候不能判”。同样一条“发现气孔要复检”，SOP 可能只写动作；六要素会追问：什么图像/声音算气孔线索、判到什么等级、什么情况下必须开挖、复检结果如何回填。对 AI 来说，边界和负样本往往比标准动作更重要，因为工业现场最怕的是“看起来很确定地判错”。

老师傅不愿意配合怎么办？

先把“交经验”变成“共同做一件事”：明确署名、授权范围、使用场景、谁能看到、项目结束后的维护方式；把参与时间计入工作量，给评审费或专项激励；不让经验数字化与岗位调整、裁员挂钩。经济日报的报道提到，老师傅最初的戒备来自“不清楚交出来后会怎么样”，这不是靠说服解决的，而是靠书面机制和可验证的尊重。管理层要先把边界讲清楚，再谈采集。

没有历史数据，能不能先做？

可以先做小范围采集，但不要假装有数据。先选一个能现场采集的场景，补图像、声音、振动、参数和结果记录；同时用老师傅的历史案例做冷启动，但必须把“回忆案例”和“真实留出案例”分开，不能拿回忆案例当测试集。如果数据采集需要改造产线或停机，先算停线成本和节拍影响，再决定是否值得做。

怎么判断模型“学会了”而不是“背答案”？

用独立留出集，按时间、产线、班次或设备分组，确保测试案例没有参与训练；做背靠背盲评，老师和系统各自独立判断；看边界拒判和误判后果，不只看总体准确率；换版本后能复现同样结果。若换一批案例准确率明显下降，说明模型学到的是表面相关性，不是工艺判断。公开报道里的 98% 之类的数字，是特定项目、特定缺陷类型下的企业披露，不能直接当作本厂验收标准。

预算和周期大概怎么估？

不要按“一个模型多少钱”估，按场景拆：场景定义与工艺梳理、数据采集与标注、案例与负样本整理、基线/模型开发、留出集评测、系统集成与培训。先做 4 周 POC，用停止条件控制投入；POC 通过后再谈推广。政策支持方面，上海 403 号文对工业高质量数据集专业服务平台、“老师傅”经验数据治理方法论等给出最高 2000 万元支持，但这是面向平台/项目的竞争性支持，不是每家企业自动可得，也不覆盖全部项目成本；具体申报以官方通知为准。

老师傅的话怎么变成可训练的数据？

先把模糊词锚定到同时段数据：说“颜色偏暗”，就记录当时的炉温、电流、投料比例和图像；说“声音发闷”，就同步电弧声、电流电压和视频；再把老师傅的判断、采取的动作和复检结果写进同一条记录，形成“异常现象—经验判断—数据特征”的对应。库帕思把这叫语义对齐：不是把话录下来，而是把话钉在可追溯的数字坐标上。没有同时段数据、没有结果回填，录音仍然不可训练。

录了视频、音频为什么还不够？

因为视频/音频只记录了“发生了什么”，没有记录“老师傅为什么这样判、什么情况下不判、最后结果如何”。振华重工的做法是 30 帧/秒采集熔池形貌，同时采电压、电流、气体流量，由老师傅现场指出异常时刻并说明依据，标注人员同步记录，形成三联对应；再用留出案例盲评。只有信号、没有语义锚点和结果标签，模型只能学表面相关性。

一句话总结

老师傅经验数字化不是“建一个大知识库”，而是选一个边界清楚的最小场景单元，把情境、线索、判断、动作、边界、结果六要素拆出来，连同复检规则、风险等级、伪影负样本一起做成可评测的数据集；用独立留出集盲评验收，先证明能复现、能交接，再谈平台和规模化。

研究方法与局限

本文为公开资料与项目方法整理，不是工艺设计、质量体系或 AI 模型效果承诺。文中没有使用未公开的企业工艺、缺陷、工单、客户或员工数据；六要素、边界分类、角色表、验收项和 4 周安排均为编辑建议，不构成统一标准。公开事实来自上海 403 号文、经济日报调查报道、第一财经图谱报道、新华财经萧山报道、上观新闻 2026-08-19/07-20 和上海 640 号第 10 条；企业披露的准确率、数据集规模、复购率等数字有各自的项目条件和口径，不能直接外推。本文不横评厂商，不承诺“替代老师傅”“零误判”或“降本比例”。

数据来源与口径

资料截止 2026-11-12；以下为公开页面，具体以原文为准。

1. 上海市经济和信息化委员会《上海市进一步推动“AI+制造”发展的若干措施》（沪经信软〔2026〕403号，2026-07-07 印发，2026-07-17 发布）：上海市经信委。第 2 条支持构建工业原生数据、“老师傅”经验数据的治理方法论和开源工具链，最高支持 2000 万元；第 6 条把质量控制与工艺优化、生产排程、供应链优化列为高价值场景。用于说明政策方向，不代表每家企业可获得支持。
2. 经济日报《工业“老师傅”的数字“新学徒”》（2026-08-05）：经济日报电子报。报道 2026 年 7 月上海启动“工业老师傅”经验数据集共建（8 家制造企业、5 家服务商），库帕思“最小场景单元”与六要素方法，振华重工钢桥板单元焊接缺陷识别准确率 98%、检测响应从焊后 24–48 小时缩短到毫秒级；数字为企业公开披露的特定项目结果。
3. 第一财经《2026AI+高端制造产业应用图谱》发布报道（2026-11-04）：第一财经。图谱把智能质量检测列为场景落地优先级首位，指出技术逻辑与工艺逻辑脱节、方案供给与真实痛点脱节、交付模式与生产节奏脱节，并建议实施“工业老师傅经验数字化”专项工程；图谱由 8 家机构联合编制，属行业研究而非官方统计。
4. 新华财经《杭州萧山：从“买AI”到“卖AI” 制造业车间里长出新产业》（2026-11-05）：中国金融信息网。报道萧山区已建成 5 个全省首批工业重点行业数据集、14 个省级人工智能行业数据集；友成控股用 2 年把 30 多个车间、1000 多台设备的工艺经验变成 6 亿多条数据，系统应用于全球 16 大基地并销往 400 多家企业（复购率 80%，为企业公开披露）。
5. 上观新闻《上海七旬工业老师傅终于敢退休了：徒弟非人类，却让隐形经验“开口说话”》（2026-08-19）：搜狐转载。库帕思邓思文提出“语义对齐”，要把“颜色偏暗/硬度刚好/火候到了”锚定到炉温、电流、投料比例等数据；振华重工 30 帧/秒采集熔池形貌与电信号，形成“异常现象—经验判断—数据特征”三联对应；缺陷识别 98%、响应数十毫秒；库帕思形成场景定义—语义对齐—评测闭环的“七步法”。企业公开报道，数字为特定项目口径。
6. 上观新闻《上海建设的全国首个语料公共平台发布升级版，用焊工老师傅的经验驱动 AI》（2026-07-20）：腾讯新闻转载。上海语料平台 2.0 发布焊接老师傅语料库、港口堆场老师傅经验语料库等；发布 15 项团体标准和 2 项行业标准，覆盖采集、清洗、标注、评测、应用、运营管理全流程。
7. 上海市经济和信息化委员会《上海市加快推动人工智能赋能工业服务业高质量发展行动方案（2027-2028年）》（沪经信生〔2026〕640号，2026-10-23 发布）：第10条“老师傅经验语料化工程”。工业图纸、物料参数、缺陷样本、设备手册、故障案例、维修工单六类语料；多模态治理工具链；生产伴随式语料服务；数据集评测机制。政策方向，不等于本厂可获得补贴或自动具备能力。