Agent 与自动化AI 资源

Production Management AI：基于生产数据的 KPI 分析与多智能体运营决策支持

seojun-engineering/production-management-ai · Production KPI analysis, operational screening, and evidence-grounded multi-agent decision support using real manufacturing data

GitHub原文发布未知首次收录 2026-10-18上架 2026-10-18 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

该项目用 Python 计算 KPI、按规则校验数据，再交给 LLM 解读，从而进行生产数据的质量校验、异常与停机损失检测、运营优先级筛选，并生成管理层报告。当前仓库包含针对真实制造业数据的 V2 分析，涵盖 59 条日生产记录、265 条小时运行记录和 1388 条停机事件，以及基于确定性证据包的多智能体 V3 设计方案。

# 多智能体 # 数据校验 # 生产分析 # KPI 计算 # 停机分析

核心能力与快速开始

★ 0 · Python

能做什么: README 说明该项目覆盖以下流程：先校验跨表数据质量，再计算生产 KPI，然后检测异常与停机损失，随后进行相对运营筛查和停机帕累托分析，最后生成 LLM 报告。V3 规划多个专职 Agent（生产、停机、效率、模式）基于 Python 生成的证据包分析，并由 Production Manager Agent 汇总为行动报告。
适用场景: 适合制造业生产管理数据的质量校验与 KPI 分析、识别需优先排查的生产日、按持续时间分析停机事件集中度，以及用多智能体生成有证据支撑的运营决策报告。
项目形态: 研究实现
部署方式: 未说明；仓库为 Python 脚本与分析产物结构，未提供部署说明。
主要依赖: 未说明；README 列出 Python、pandas、NumPy、matplotlib、OpenAI API、openpyxl。
使用限制: 未说明许可证、硬件和 API 成本。README 说明数据中缺少设备故障代码、作业人员、物料和节拍时间等信息，因此不判定根因；筛查得分为数据内相对指标，不是企业控制限；V3 多智能体仍在开发中。
许可证: 未说明
最近推送: 2026-10-16 19:10

项目文档核对 README 依据 ↗

资料检查：2026-10-18 07:00 · 卡片整理：2026-10-18 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

相似资源

midgley：基于 LLM 多智能体的汽油价格预测框架

midgley 是一个用 Python 实现的多智能体时间序列预测框架，目标是预测美国批发 RBOB 汽油期货和多个都市区的零售无铅汽油价格。它把 Gemini、NOAA 天气模型、海运与内河咽喉点、行政社媒缺口、Cboe OVX、Baker Hughes 钻机数、USGS 水文与地震、炼厂检修等非结构化与物理数据，融合为特征向量，再结合 RB=F、CL=F、BZ=F 等商品期货，用 Ridge 回归与 XGBoost 建模，并通过情景模拟器、预测日志和每周复盘反馈回路迭代模型。项目还自动生成公开 Web 仪表盘，展示各地预测、准确率和数据源目录。

agent-skills：面向多种编程智能体的双语技能库

提供 100 个英俄双语 Agent Skills 技能，按 AI、后端、数据、DevOps、前端、移动、安全等 16 个领域组织，采用 SKILL.md 通用格式，可直接用于 Claude Code、OpenCode、Cursor、Windsurf 等兼容工具。库中还附带 Python SDK 和 CLI，用于统计、搜索、校验技能并计算质量分、重建目录，并且校验已在 CI 中强制执行；项目在 PyPI 上以 agent-skills-library 发布。

agent-squad：面向本地企业建站业务的 AI 智能体团队

agent-squad 是一组职责范围明确的 AI 智能体，用于自动化本地企业网站业务的销售与交付流程：寻找线索、筛选资格、与业主沟通、生成免费预览、在人工审批下成交，并处理售后修改。智能体之间不直接对话，而是通过 Postgres 状态、按客户隔离的记忆与审计事件进行协作；成本与声誉相关的动作（如成交、超出报价、对外发布）均需人工批准。项目支持通过配置文件、提示词、目录与可替换适配器进行定制，本地已用模拟客户测试，尚未在真实客户上验证。

rajhi-rag：阿拉伯语银行对账单验证与 RAG 问答工具

rajhi-rag 面向阿拉伯语优先的 Al Rajhi 银行对账单扫描件（无文本层的 PDF），流程为：VLM 逐字转录数字并做确定性归一化，再用余额链推导每笔交易的方向和金额，并以每页印刷的页脚合计（借方/贷方/累计余额）作为外部校验；最后通过阿拉伯语检索（FAISS + e5）加确定性工具进行问答，模型只调用工具、不自行计算，并展示答案所依据的行。项目还提供导出 Excel（交易、逐页校验、未证实项、说明四个工作表）、Markdown 转阿拉伯语 RTL PDF、发布前隐私扫描与 QA 网关。仓库为示例范围，公开样本为合成数据，实测结果与已知缺口在 README 中逐项列明。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。