Ingot 解决的不是“怎样多采一些数据”，而是采集之后的两个关键问题：
工艺追因：这次运行为什么没达到规格，偏差来自哪个变量、哪段轨迹？
工艺优化：在实验昂贵、噪声存在、样本很少且有安全边界的情况下，下一次运行应该怎样设置，才能用尽可能少的试验达到规格？
两个问题共用同一套证据：真实周期、实际配方、版本化过程特征和检验结果。区别只在于一个解释已发生的结果，一个决定还没做的实验。
系统不绑定特定工艺、设备厂商或控制器型号。Edge 采集实际配方与生产轨迹，Platform 将运行周期和检验结果组成可追溯实验样本，周期诊断定位偏差来源与候选变量，Python 优化服务使用高斯过程和受约束贝叶斯优化推荐下一次运行参数。换工艺时，核心闭环不变，只替换变量、结果、安全约束、数据映射和领域特征。
- 工艺追因与优化一体：同一套证据既解释已发生的偏差，也推荐下一次实验；采集、特征、检验和实验管理都服务于这条闭环。
- 适合小样本：使用校准不确定性的高斯过程，而不是依赖大量数据的深度网络。
- 使用真实轨迹：先学习设定参数如何形成过程轨迹，再学习轨迹如何影响质量；这个两阶段结构同时是追因的依据——偏差可以落到具体变量和具体轨迹段。
- 把安全写进优化器：参数硬约束、质量结果约束和最低可行概率共同限制候选点。
- 人在闭环内：程序提出带预测区间的实验，工程师批准后执行。
- 可追溯：每条观察绑定周期、检验记录、特征版本、模型版本和内容哈希。
产品按六个业务阶段推进：
工艺定义 → 设备接入 → 生产采集 → 数据闭环 → 工艺追因 → 工艺优化
下面是这条业务路径在系统内部的数据与模型关系：
flowchart LR
A["控制系统 / 设备信号"] --> B["周期与阶段特征"]
C["检验结果"] --> D["实验观察"]
B --> D
D --> J["周期诊断 · 偏差归因"]
J --> E["轨迹代理模型"]
D --> E
E --> F["质量与约束代理模型"]
F --> G["qLogNEI / qLogNEHVI"]
G --> H["下一次运行参数 + 预测区间"]
H --> I["工程师审核与执行"]
I --> A
当前可用能力：
- MELSEC A1E、Modbus TCP、OPC UA、MQTT 和 HTTP 采集边界；
- 断网缓存、幂等上送、周期物化和版本化阶段特征；
- 实验运行、实际配方、过程轨迹和检验结果自动关联；
- 周期诊断、偏差归因、研发假设、假设验证实验和工艺窗口复核；
- 单目标与多目标优化、目标权重、参数约束、结果安全约束；
- qLogNEI / qLogNEHVI、批量建议、待执行点避让和安全冷启动；
- 相同数据快照幂等推荐，实验结果原子持久化；
- Platform 内嵌 Agent 调查、聊天和数据工具，数值决策仍由独立 Optimizer 负责；
- 中英文官网、文档站和 React 工艺研发工作台。
项目不会把尚未验证的算法效果写成产品结论。真实价值需要使用历史项目回放和新项目在线实验分别验证。
| 组件 | 职责 | 技术 |
|---|---|---|
| Edge | PLC/设备连接、采样、断网缓存与补传 | .NET 10、SQLite |
| Platform API | 模块化单体；工业对象、实验、周期、检验、证据、Agent 和业务事务 | ASP.NET Core、PostgreSQL/TimescaleDB |
| Agent | Platform 内嵌的调查、聊天和数据工具 | .NET、Deterministic/OpenAI Provider |
| Optimizer | 无状态代理模型训练与下一实验推荐 | Python、PyTorch、GPyTorch、BoTorch |
| Platform Web | 独立前端；对象、诊断、研发和执行工作流 | React、Vite |
| Website / Docs | 开源项目介绍和产品文档 | Next.js |
中心平台保持模块化单体，Agent 作为平台内嵌能力运行；数值优化作为独立无状态计算服务。现场部署单元是 Edge ConnectorHost，平台部署单元是 Platform API，平台是唯一业务记录源，优化器不私存实验状态。Website 和 Docs 使用独立公开站点拓扑。
- Docker 与 Docker Compose
- Git
git clone https://github.com/liuweichaox/Ingot.git
cd Ingot
cp .env.example .env
docker compose -f docker-compose.app.yml up -d --build启动后：
- 工艺研发界面：http://localhost:3000
- Platform API 健康检查：http://localhost:8000/health
- 优化器就绪检查：http://localhost:8100/ready
默认 Compose 不启动现场连接器。连接真实设备或业务系统前，请先阅读设备与数据接线。
dotnet restore Ingot.sln
dotnet build Ingot.sln
dotnet test tests/Ingot.Core.Tests/Ingot.Core.Tests.csproj
npm --prefix apps/platform ci
npm --prefix apps/platform run dev
uv sync --project optimizer --extra service --group dev --locked
uv run --project optimizer --locked uvicorn service:app --app-dir optimizer --port 8110完整验证：
./scripts/verify.sh- 定义可控参数、目标、单位、范围、权重和安全结果约束。
- 为变量声明实际来源，例如
recipe:holding-temperature。 - 让实验
RunKey与 PLC 周期相关标识、检验OperationRunId使用同一个值。 - 执行安全基线实验并完成检验。
- 在研发项目中提出假设并开始研发；
- 生成下一次运行方案，审核后执行；
- 新周期和检验完成后再次优化，直到达到停止规则。
不要用计划值冒充实际值。显式配置的数据源缺失时，该运行会被排除并显示原因。
src/edge/ 现场采集与可靠上送
src/platform/ 中心 API 与业务模块
src/agent/ AI 调查与解释能力
src/shared/ 领域模型与公共契约
optimizer/ GP / 贝叶斯优化服务
tests/ .NET 核心测试
apps/platform/ React 工艺研发工作台
apps/website/ 官方网站
apps/docs-site/ 文档站
docs/ 中英文项目文档
deploy/ 部署资产
scripts/ 验证与运维脚本
- 真实周期、配方、过程特征与检验结果自动组成优化观察
- 两阶段轨迹/质量 GP 与受约束 qLogNEI/qLogNEHVI
- 实验幂等、待执行点避让和安全冷启动
- 使用真实制造历史项目公布逐次运行回放基准
- 加入经过标定的领域机理先验和跨产品迁移
- 在线校准不确定性、漂移检测和自动停止规则
- 发布可复用的场景配置包与匿名示例数据
路线图以可复现实验为准；功能建议和已知问题在 Issues 中跟踪。
欢迎贡献设备适配、优化算法、回放数据、测试、文档和工艺领域知识。开始前请阅读：
Ingot 使用 MIT License。
项目的优化内核建立在 PyTorch、GPyTorch 和 BoTorch 之上；README 信息结构参考 Best-README-Template。