扫码添加微信
某大型集成电路晶圆制造企业 如何在 集成电路制造 / 半导体晶圆制造（12 英寸特色工艺晶圆代工） 中协同落地 AI 知识库与智能体
面对特色工艺多平台并行、机台品牌繁杂、良率异常排查高度依赖资深工程师经验的现实挑战，该企业以 HiNowly AI 知识库与 HiNowly AI 智能体开发平台为底座，在园区内完成全栈私有化部署，构建了覆盖工艺规范、设备手册、失效分析、8D 报告、SPC 报表与机台日志的可信知识底座，并在此基础上开发并发布了良率异常分析、机台运维、工艺变更评审、新员工上岗等多类智能体。智能体不只回答问题，而是通过 Skill 与工具调用直连 MES、YMS、EAP、SPC、EAM、ITSM，按工作流完成数据拉取、异常判定、相似案例检索、根因初判、工单派发与定时巡检等任务。项目在 18 周内完成从盘点、接入、治理、编排到试点与推广的完整落地，良率异常初判耗时由 4.5 小时压缩至 25 分钟，8D 报告一次关闭率由 61% 提升至 89%，机台非计划停机时长月均下降 23%，新人独立上岗周期由 9 个月缩短至 5 个月，且全程数据不出园区、调用全程可审计。
项目背景
该企业近三年持续扩产，两座晶圆厂的产线规模与工艺平台数量同步增长，随之而来的是知识资产的快速膨胀与结构化程度不足。工艺规范（SPEC）、作业指导书（SOP）、设备手册、Recipe 变更记录、失效分析（FA）报告、8D 报告、SPC 控制图、机台 Alarm 日志、客户特殊要求（CSR）等资料分散在个人电脑、共享盘、邮件、OA 与各类业务系统中，格式涵盖 PDF、Word、Excel、扫描件、图纸、邮件正文与系统数据库记录。与此同时，半导体行业人才流动加剧，一批参与建厂与工艺爬坡的资深 PE、EE 陆续转岗或离职，大量隐性经验未能沉淀。良率异常发生时，值班工程师往往要同时联系 PE、EE、PIE、QA 多方，人工比对历史案例与机台参数，跨部门协同链路长、响应慢。工艺变更（ECN/PCN）涉及 SPEC 版本、Recipe 版本、客户通知与影响范围评估，过去依赖人工比对与邮件流转，存在版本用错与追溯困难的风险。此外，企业受出口管制与客户保密协议约束，任何涉及配方、图纸、客户数据的内容都不允许上传至公网大模型，必须实现数据不出园区的私有化推理与全链路审计。
项目总览
项目采用知识底座与智能体执行双引擎架构。第一层是 HiNowly AI 知识库：通过统一接入网关连接共享盘、OA、邮件归档、MES、YMS、EAP、SPC、EAM、ITSM 等数据源，对 PDF、Word、Excel、扫描件、图纸、数据库记录进行解析、OCR 识别、表格结构还原与多语言处理，再按工艺平台、机台型号、工序、缺陷类型、客户项目等维度建立元数据标签与知识图谱关系，形成机台—工艺—Recipe—缺陷—根因—措施的知识链路。知识入库后进行去重、版本对齐、密级标注与权限打标，检索时采用向量检索与关键词检索混合召回，配合重排模型、知识图谱扩展与引用溯源，答案必须附带原文出处与版本号，无法从知识中找到依据时主动拒答并提示人工确认，从机制上保证可信。第二层是 HiNowly AI 智能体开发平台：以可视化方式完成智能体设计、提示词与技能编排、工具注册、工作流编排与发布运营。良率异常分析智能体通过定时任务在每班次拉取 YMS 良率与 SPC 数据，识别超出控制线的站点后调用 EAP 接口获取对应机台参数与 Recipe 版本，检索知识库中相似失效案例与 8D 报告，生成根因初判、验证清单与责任部门建议，并调用 ITSM 自动派发 8D 工单；机台运维智能体面向 EE，可查询 Alarm 释义、调取设备手册与备件库存、生成点检计划并调用 EAM 提交备件申领；工艺变更评审智能体在 ECN 发起时自动比对 SPEC 与 Recipe 版本差异、评估受影响产品与客户、生成风险评估表并推送会签。整个平台运行于园区内网，支持本地大模型私有化推理与国内外主流大模型按场景路由，提供部门角色管理、数据权限隔离、操作审计与信创环境适配能力。
项目痛点
工艺与设备知识散落在共享盘、邮件、个人电脑与 MES、YMS、EAP、SPC、EAM 等异构系统中，检索依赖关键词与熟人关系，同一个问题在不同班次得到不同答案，知识可用性差。
良率异常与机台 Alarm 排查高度依赖资深 PE、EE 经验，跨部门协同链路长，历史失效分析与 8D 纠正措施复用率低，异常初判往往需要 4 小时以上，影响在线在制品（WIP）流转。
工艺规范与 Recipe 版本频繁迭代，ECN/PCN 变更评审涉及多部门会签与客户通知，历史版本与审批记录追溯困难，存在使用过期版本与变更影响范围评估不全的风险。
机台来自欧美日与国产多家厂商，设备手册、备件资料多为外文，术语与维修规程不统一，新入职 EE 上手慢，备件申领与点检任务缺少自动化触发。
数据安全与合规约束严格，出口管制与客户保密协议不允许配方、图纸、客户数据外流，公网大模型无法使用，而原有系统又不具备自然语言问答与任务执行能力。
项目诉求
建设园区内私有化部署的 AI 知识库，统一接入工艺、设备、质量、变更、客户要求等多源异构知识，形成可治理、可追溯、可信赖的统一知识底座。
构建 AI 智能体开发与运营平台，把知识转化为可执行任务，让智能体能够调用 MES、YMS、EAP、SPC、EAM、ITSM 等业务系统，而不局限于智能问答。
建立覆盖部门、厂区、工艺平台、客户项目的多级角色与数据权限隔离机制，确保不同岗位只能访问授权范围内的知识与工具。
支持本地大模型私有化推理，并可按场景灵活对接国内外主流大模型，满足不同任务的成本、时延与能力匹配需求。
沉淀专家大模型与专家智能体，将资深 PE、EE 的判读逻辑、排查路径与处置经验固化为可复用资产，缓解人才断层压力。
全面适配信创与国产化要求，在国产 CPU、操作系统、数据库、中间件与国产大模型上稳定运行，并通过等保与内部安全审计。
HiNowly 解决方案设计
统一接入和治理企业知识，通过可信检索与引用问答为智能体提供知识底座
支持智能体设计、调试、发布与运营，让业务人员快速构建场景化智能体
通过 Skill、工具调用和业务系统连接，让智能体从回答问题升级为执行任务
支持工作流编排、自动化任务与定时任务，串联知识、模型、工具与审批节点
支持本地及私有化部署、主流模型接入、权限隔离，并适配信创与国产化环境
通过统一接入网关对接共享盘、OA、邮件归档及 MES、YMS、EAP、SPC、EAM、ITSM 等系统，支持 PDF、Word、Excel、扫描件、图纸与数据库记录解析，配合 OCR、表格结构还原与中英日多语言处理，按工艺平台、机台型号、工序、缺陷类型、客户项目等维度自动打标，并完成去重、版本对齐、密级标注与权限打标，让分散的知识沉淀为可治理的统一资产。
采用向量与关键词混合召回、重排模型与知识图谱扩展相结合的方式提升召回精度，答案强制附带原文出处、文档版本与生效日期，工程师可一键跳转原文核对；当知识库中缺少依据或版本冲突时，系统主动拒答并提示人工确认，避免模型臆造工艺参数带来的产线风险。
将资深 PE、EE 的判读逻辑、排查路径与处置经验结合历史案例训练为工艺专家模型与设备专家模型，以专家智能体形式对外提供服务；新工程师提问时，得到的是与该企业工艺平台高度匹配的判读建议，而非通用半导体知识，从而实现隐性经验的规模化复用。
平台提供智能体设计器，支持角色设定、提示词模板、知识范围绑定、工具白名单与会话策略配置，可一键发布到 Web 门户、企业即时通讯工具、值班终端与工单系统，并支持灰度发布、版本回滚与效果对比，让工艺、设备、质量等部门可以自主迭代自己的业务智能体。
以 Skill 形式封装可复用能力，包括良率数据查询、机台参数调取、Recipe 版本比对、相似案例检索、备件库存查询、工单创建与知识检索等，通过受控 API 与 RPA 方式调用 MES、YMS、EAP、SPC、EAM、ITSM，智能体不再停留在对话层，而是能够真正读取数据、生成结论并回写业务系统。
支持多步骤工作流编排，包含条件分支、并行执行、人工审批节点与失败重试；可配置定时任务按班次或每日自动拉取 YMS 良率与 SPC 数据、执行机台 Alarm 巡检、生成点检与备件申领计划、推送变更评审提醒，实现从被动问答到主动执行的任务闭环。
整套系统部署于园区内网，本地大模型承担涉密与敏感场景推理，数据不出园区；同时提供模型路由策略，可按任务复杂度与成本要求对接国内外主流大模型，敏感数据默认禁走外部通道并保留完整调用审计记录。
按厂区、部门、工艺平台、客户项目、密级五级维度构建权限模型，PE、EE、PIE、QA 与外部客户支持人员仅能检索与调用授权范围内的知识与工具，敏感字段支持脱敏展示，所有检索、调用与导出行为均记录审计日志，满足保密协议与内部合规要求。
已完成国产 CPU 服务器、国产操作系统、国产数据库与中间件、国产大模型以及国产化浏览器的适配验证，支持在信创环境下稳定运行，并兼顾存量 x86 集群的混合部署，满足企业国产化替代与自主可控的整体规划。
项目实施范围
知识接入范围：工艺 SPEC 与 SOP、设备手册与备件资料、失效分析与 8D 报告、SPC 与良率报表、Recipe 与 ECN/PCN 变更记录、客户特殊要求（CSR）、洁净室与安全规范、ITSM 工单历史。
系统集成范围：MES、YMS、EAP、SPC、EAM、ITSM、OA 与邮件归档系统的只读或受控读写接口对接，含接口鉴权、限流与审计埋点。
智能体开发范围：良率异常分析智能体、机台运维智能体、工艺变更评审智能体、新员工上岗培训智能体、洁净室合规与安全问答智能体共五类首批智能体。
平台能力范围：AI 知识库治理与可信检索、智能体设计器、Skill 与工具注册中心、工作流编排引擎、自动化任务与定时任务调度、发布与运营监控。
模型与算力范围：园区内 GPU 推理集群部署本地大模型，同时预留国内外主流大模型的安全路由通道，敏感数据强制走本地模型。
安全与权限范围：部门角色管理、厂区与工艺平台数据权限隔离、密级标签、字段级脱敏、全链路操作审计与数据不出园区策略。
信创适配范围：国产 CPU 服务器、国产操作系统、国产数据库与中间件、国产大模型与国产化浏览器终端的兼容验证。
实施工期与计划
| 阶段 | 周期 | 关键交付物 |
|---|---|---|
| 第一阶段：现状调研与知识资产盘点 | 2 周 | 完成 PE、EE、PIE、QA、MFG 五个部门的需求访谈，梳理知识源清单与机密等级，输出知识分类体系、权限矩阵草案与智能体场景优先级清单。 |
| 第二阶段：私有化环境搭建与知识接入 | 3 周 | 在园区内网完成 HiNowly 平台私有化部署与 GPU 推理集群接入，打通共享盘、OA、邮件归档及 MES、YMS 等首批数据源，完成文档解析、OCR 与初始向量化入库。 |
| 第三阶段：知识治理与可信检索调优 | 3 周 | 完成元数据打标、版本对齐、密级与权限标注、知识图谱关系构建，调优混合检索与重排策略，建立引用溯源与拒答机制，并通过工艺、设备两个专业域的问答评测。 |
| 第四阶段：智能体开发与工具打通 | 5 周 | 完成 Skill 与工具注册中心建设，打通 EAP、SPC、EAM、ITSM 接口，开发并调试良率异常分析、机台运维、工艺变更评审、新员工上岗培训、洁净室合规问答五类智能体及配套工作流与定时任务。 |
| 第五阶段：试点上线与运营调优 | 3 周 | 在一条特色工艺产线与两个设备模块试点上线，采集使用反馈与准确率数据，迭代提示词、检索策略与工作流分支，完成用户培训与运营看板配置。 |
| 第六阶段：全厂推广与验收 | 2 周 | 推广至两座晶圆厂全部工艺平台与设备模块，完成权限核验、安全审计与信创环境验收，输出运营规范、智能体迭代机制与项目验收报告。 |
项目最终成果
建成园区内私有化 AI 知识库，统一纳管工艺、设备、质量、变更、客户要求等九大类知识资产，实现全量知识的版本可追溯、密级可管控与权限可隔离。
良率异常分析智能体在每班次自动执行数据巡检与根因初判，从异常发现、相似案例检索到 8D 工单派发形成闭环，工程师由人工比对转向结论复核，异常响应节奏显著加快。
机台运维智能体面向设备工程师提供 Alarm 释义、手册调取、备件库存查询与申领、点检计划生成能力，高频重复性工作被自动化承接，设备团队可将更多精力投入根因改善。
工艺变更评审智能体实现 SPEC 与 Recipe 版本自动比对、受影响产品与客户影响范围评估、风险评估表生成与会签推送，变更过程留痕完整，版本用错风险大幅降低。
专家大模型与专家智能体沉淀了资深 PE、EE 的判读逻辑与处置经验，新员工在培训智能体陪伴下快速熟悉工艺与设备体系，人才断层压力得到有效缓解。
平台全面运行于国产化与信创环境，本地大模型承担敏感场景推理、外部模型按需路由，所有检索与工具调用均留审计记录，顺利通过企业安全与合规评审。
| 指标项 | 结果值 | 说明 |
|---|---|---|
| 良率异常初判耗时 | 由 4.5 小时缩短至 25 分钟 | 良率异常分析智能体自动完成 YMS 数据拉取、SPC 越限判定、相似案例检索与机台参数调取，工程师只需复核结论并确认验证清单。 |
| 8D 报告一次关闭率 | 由 61% 提升至 89% | 历史失效分析与纠正措施被结构化复用，根因初判准确度提升，跨部门会签往返次数明显减少。 |
| 机台非计划停机时长 | 月均下降 23% | 机台运维智能体提供 Alarm 快速释义、备件库存前置查询与点检任务自动生成，故障定位与备件到位时间同步压缩。 |
| 工艺变更评审周期 | 由 7 天缩短至 2 天 | 工艺变更评审智能体自动完成版本比对与影响范围评估，会签材料一次生成，评审会议次数减少。 |
| 新工程师独立上岗周期 | 由 9 个月缩短至 5 个月 | 新员工上岗培训智能体结合岗位路径推送知识、模拟排查场景并自动测评，导师带教负担下降。 |
| 知识问答引用可溯源率 | 94% 以上 | 答案均附带原文出处、文档版本与生效日期，无依据场景主动拒答，工艺与设备专业人员对结果的信任度显著提升。 |
“我们最看重的不是智能体能聊得多好，而是它敢不敢把依据摊开给我们看，能不能真的把工单派下去。HiNowly 的知识库让每一条工艺结论都能追到原文和版本，智能体又能直接进 MES、YMS、EAP 把数据取回来、把工单发出去，工程师从查资料变成做判断，这是产线上真正省下来的时间。系统全在园区内跑，敏感数据不出厂，权限按厂区和工艺平台分得很细，安全和合规部门也放心。”
某大型集成电路晶圆制造企业 项目负责人