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

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 operatorType=AI_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：

1. 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；

2. 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；

3. AI 经由能力网关，标准化下发 CreateMaintenanceOrderCommand 维保创建指令；

4. 应用服务接收指令，调度 EAM 领域聚合执行业务校验；

5. 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；

6. 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】；

7. 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：AI+DDD 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。