跳至主要内容
版本：最新版

概覽

IndustrialClaw 是基於 OpenClaw 打造的工業 AI Agent 平台，讓 AI Agent 可以直接運行在邊緣設備上，協助使用者的 Agent 能穩定運行任務。

Local First

資料與模型都在設備上執行

RBAC

每個角色只取得自己的資料與工具權限

Sandbox / OverlayFS

限制 Agent 能對產線做的事

Audit

每個動作都可追溯

平台主要提供四個核心能力：

  • Local First｜資料留在設備端

    AI Agent、模型與資料可以直接在本地設備執行，降低對雲端的依賴。

  • RBAC｜根據角色決定可以做什麼

    可以依照不同使用者或角色，限制可存取的資料、工具與功能。

  • Sandbox / OverlayFS｜降低操作風險

    限制 AI Agent 可以修改的範圍，避免錯誤操作直接影響正式環境。

  • Audit｜每個操作都有紀錄

    AI Agent 執行過哪些動作、使用哪些工具，都可以被追蹤與查詢。

核心原則​

任務導向的 Agent​

讓每個 Agent 專注在明確定義的工作上，而不是做出沒有邊界的自動化。

在 IndustrialClaw 中，Agent 的套件本身就是能力邊界；一張 Task 只能使用該 Agent 已安裝的 Skill，避免任務超出原本設計範圍。當 Agent 的責任、能力與可使用的工具都有清楚範圍，就會更容易驗證、部署、監控與除錯。

為工業邊緣而設計​

讓 Agent 在資料與工作實際發生的地方運行。

工業現場常常需要面對有限的算力、不穩定的網路、資料不能外流，以及設備必須持續運作等需求，因此平台從一開始就以邊緣環境為主要使用情境。搭配本機上的模型與 Skill，即使設備無法連上外部網路，Agent 仍然可以在現場完成工作。

人保有控制權的自動化​

該交給 Agent 自動執行的工作可以自動化，但重要決策仍然由人掌握。

所有帳號由 Administrator 建立，每一包套件（包含 Skill 要求的容器權限）都要經人核准，每個 User 能操作哪些 Agent 也由人指派。凡是帶有營運風險的動作，確認與覆核步驟就應該留在流程裡。

把 Agent 當成受管軟體資產​

部署出去的 Agent 是受管資產，不是一次性的 AI 實驗。

每一次匯入、更新、Task 啟動與停止、權限變更、設定變更都會寫進 Audit。每次執行都留下 Log、Session 與它產生的檔案。一張 Task 只有在平台親自確認那些檔案存在之後才算完成——不是模型說完成就完成。

應用情境​

IndustrialClaw 位於既有工業系統與 AI Agent 之間的應用與管理層。Agent 透過團隊自己撰寫、並由平台掃描過的 Skill 存取現場資料，執行核准的工作，同時對產線負責人保持可觀測。

IndustrialClaw 是讓 Agent 透過明確定義的工具、API 與介面與這些系統協作，把 AI 的分析與任務執行帶進既有流程。

建議從「輸入明確、結果可由人檢查」的工作開始：

  • 整理設備警報，供交班時查看；
  • 依維修狀況找出合適的 SOP；
  • 整理 AOI 異常，交給品質人員複核；
  • 將檢測資料轉成報告；
  • 彙整現場資訊，協助人員做決策。

選第一個應用時，挑一項會重複發生的工作，準備具代表性的測試資料，並確保結果能由人確認。在 Agent 接觸正式資料之前，至少測過三種情況：正常、資訊不足、以及執行失敗。凡是可能改變設備狀態或生產參數的動作，既有的核准流程與安全控制都原封不動保留。

設備警報整理

整理設備警報，供交班時查看。

SOP 查找

依維修狀況找出合適的 SOP。

AOI 異常整理

整理 AOI 異常，交給品質人員複核。

檢測報告

將檢測資料轉成報告。

決策輔助

彙整現場資訊，協助人員做決策。