常见问题
文档状态：当前产品与技术边界。
Ingot 解决的核心问题是什么？
统一的运行身份关联实际配方、过程曲线和质量结果，使工程师能够在同一处核对现场事实。系统让正常生产运行直接形成优化观察，在安全边界和历史覆盖范围内持续推荐下一份配方；需要更多证据时，通过现有生产流程收集后续真实运行。
Ingot 是数据采集系统吗？
Ingot 不以数据采集为唯一职责。采集负责接收原始数据；系统还负责确定数据所属运行、实际条件、质量结果和后续真实运行。
Ingot 会取代工艺工程师吗？
不会。系统负责整理事实、执行计算、说明不确定性并提出建议；工程师负责定义目标和安全边界、确认是否采用下一份配方，并对后续真实运行结果作最终判断。
系统能自动找到根因吗？
历史数据不能单独确认根因，只能识别因素之间的关联。材料、设备、时间和工装可能同时变化，形成混杂。系统记录这些限制，并把后续真实运行和质量结果纳入同一条证据链；候选原因仅在运行结果和工程判断共同支持后升级为已验证原因。
为什么系统要同时记录生产条件、运行和检验？
生产条件、运行和检验共同描述执行条件、执行过程和最终结果。在代码中，它们分别对应 Manufacturing、Process Executions 和 Inspections。任一部分缺失都可能导致不同条件下的运行被错误比较。
为什么计划参数不够？
设备实际执行可能受到限幅、偏差、人工调整和动态响应影响，因此计划值不等于实际值。缺少实际值时，系统明确排除该运行，禁止以计划值静默替代。
为什么过程曲线也重要？
相同设定可以产生不同升温速率、过冲、压力保持、位置和冷却轨迹。质量取决于真实过程，不只取决于配方版本表。阶段特征帮助工程师定位偏差发生在哪里。
为什么记录材料、工装和设备上下文？
材料、工装和设备上下文可能影响质量，也可能仅用于追溯。系统先检验不同条件下是否具有足够的可比数据，再评估其影响；字段存在本身不构成因果证据。
为什么不始终使用最复杂的模型？
模型复杂度不等同于可靠性。样本有限或条件混杂时，优先收集更多可比的真实运行通常比复杂模型更可靠。证据不足时，系统要求补充数据，不生成缺乏支持的结论。
语言模型承担哪些职责？
语言模型（LLM）用于解析问题、选择授权只读工具并生成计算结果说明。运行、检验和配置等结构化事实仍由确定性业务工具查询；SOP、手册、报告和工程记录等非结构化知识只从授权站点内已复核片段中检索，并保留片段引用。数值工艺设置由确定性计算产生；语言模型不替代统计分析、约束检查和真实运行结果取证，也不得生成无来源事实。
RAG 会替代生产数据查询吗？
不会。RAG 只检索已经复核的非结构化工艺知识，不能代替当前运行、检验、配置或优化记录的授权查询。语义检索未启用或失败时会退回关键词检索；没有满足权限、审核和适用范围的片段时，助手应说明证据不足，而不是用模型记忆补全事实。
基础模型和 Agent 能力持续增强后，Ingot 的定位是什么？
Ingot 的产品定位不随基础模型能力变化。语言模型属于可替换组件；运行记录、证据来源、运行状态、权限审批和最终结论继续由 Ingot 保存和约束。详见发展规划。
接入 MCP 就等于 Agent 可以安全驱动生产动作吗？
不等于。模型上下文协议（MCP）仅标准化模型发现和调用工具的方式。站点访问、建议审批、调用幂等性、设备确认和故障回退仍由平台与现场系统控制。Agent 不得批准自身建议，也不得绕过平台直接连接设备。
什么时候适合贝叶斯优化？
贝叶斯优化适用于单次运行成本较高且结果可用于逐次选择后续配方的问题。前提包括可控变量数量有限、目标可量化和安全边界明确。变量过多、过程快速漂移、结果反馈周期过长或关键因素未测量时，应先缩小问题范围或补充数据。
可以直接分析已有配方运行吗？
可以，这也是默认方式。优化任务会自动读取范围内已完成的真实配方运行，关联实际参数、过程上下文和质量结果；至少有三条有效运行和两种不同实际配方后，就可以生成下一配方建议。正常生产运行不需要工程师重新归类。若数据只有一种配方、关键质量结果缺失、需要证明因果关系或建议超出历史覆盖，则需要通过现有生产流程收集更多真实运行，并由工程师评估证据是否充分。
能一次生成多个配方建议吗？
日常优化默认只给下一份配方。工程师结合现场条件决定是否采用，并用后续真实运行的质量结果评估效果。
配方建议会自动写入控制系统吗？
不会。下一配方建议不自动产生设备下发指令；工程师在现有生产准备、MES 或配方版本流程中确认是否采用。设备联锁和现场安全规则始终独立于模型。
优化或语言模型服务故障会停止采集吗？
不会。现场采集、运行记录和检验保持运行；新的优化建议和自然语言说明暂停生成。
为什么仓库不附带验证数据？
验证数据、协议和结果通常与具体场景、目标及判定口径绑定，也会迅速堆积为难以维护的历史材料。仓库只保留产品代码、通用契约、合成测试和验证方法；使用者在仓库外管理自己的评估数据与结果。
如何验证系统减少运行次数？
在查看结果前，在 Ingot 之外固定目标、可用数据、运行预算、对照方法和通过标准。历史数据复盘与真实生产运行可用于评估建议稳定性，以及实际采用后的运行次数与周期。完整方法见场景评估。
仓库提供历史回放和方法对比能力，但不附带场景数据或效果结论。使用者可用自己的配方运行比较随机、空间填充、响应面和当前优化策略，并自行确定验收门槛。
文档是否已经定型？
核心价值、产品边界、证据原则和稳定架构已经确定。算法、默认建议参数、菜单、实现状态、路线图和验证结果继续滚动更新，但不能重新定义核心价值或绕过证据边界。