← 返回
未分类

砖生产工艺推荐

砖坯浇铸工艺参数推荐。当用户输入砖坯的基本属性(材质、部位、规格型号、净重、浇铸量、砂型材质),需要推荐浇铸工艺参数(温度、时长、班次、班炉次、框次)时使用此技能。基于加权相似度阈值检索从历史合格砖中查找相似样本,返回推荐值、建议区间、可信度等级、风险提示和录入校验。特别擅长处理罕见材质(如 36#ZWS)和新规格(6 级回退机制),并能自动检测录入错误(密度合理性校验)。适用于砖坯浇铸前的工艺决策辅助。
砖坯浇铸工艺参数推荐。当用户输入砖坯的基本属性(材质、部位、规格型号、净重、浇铸量、砂型材质),需要推荐浇铸工艺参数(温度、时长、班次、班炉次、框次)时使用此技能。基于加权相似度阈值检索从历史合格砖中查找相似样本,返回推荐值、建议区间、可信度等级、风险提示和录入校验。特别擅长处理罕见材质(如 36#ZWS)和新规格(6 级回退机制),并能自动检测录入错误(密度合理性校验)。适用于砖坯浇铸前的工艺决策辅助。
user_09377e9a
未分类 community v1.0.8 8 版本 100000 Key: 无需
★ 0
Stars
📥 94
下载
💾 0
安装
8
版本
#latest

概述

砖坯浇铸工艺参数推荐

本 Skill 基于历史合格品的加权相似度阈值检索,给砖坯浇铸提供工艺参数推荐。


何时使用此 Skill

当满足任一条件时调用:

  • 用户询问砖坯浇铸前的工艺参数(温度、时长、班次等)
  • 用户提到材质代号:33#WS / 33#PT / 36#ZWS
  • 用户描述具体规格:例如"600×400×75 的铺面砖"
  • 用户提及关键词:"工艺推荐"、"浇铸温度"、"浇铸时长"、"应该用多少度"、"怎么浇"
  • 用户在排查不合格砖坯的成因,需要参考历史相似工艺

使用步骤

Step 1: 收集用户输入(6 个必备字段)

字段类型取值说明
------------
材质string33#WS / 33#PT / 36#ZWS砖坯材质编号
部位string铺面 / 胸墙 / 池壁 / 压缝 / 销子 / 喷火口 / 料道 / 挂钩 等 18 种砖在炉中的部位
规格型号string长×宽×厚(mm),如 600×400×75三维尺寸,全角乘号 ×
净重numberkg单块砖净重
浇铸量numberkg浇铸总量(≥ 净重)
砂型材质string树脂砂 / 水玻璃砂砂型材料

如果用户缺少字段,主动询问补全,不要使用默认值。

Step 2: 调用推荐 API

推荐用法(LLM 友好,英文短名避免编码问题):

python scripts/recommend.py \
    --m "33#WS" \
    --p "铺面" \
    --s "600×400×75" \
    --w 0.09 \
    --pour 0.12 \
    --sand "树脂砂"

直接 HTTP 调用:

curl -X POST https://css-maria-librarian-lyric.trycloudflare.com/recommend \
    -H "Content-Type: application/json" \
    -d '{
      "材质": "33#WS",
      "部位": "铺面",
      "规格型号": "600×400×75",
      "净重": 0.09,
      "浇铸量": 0.12,
      "砂型材质": "树脂砂"
    }'

Step 3: 解读结果给用户

返回的 JSON 包含 5 类信息,按重要性向用户呈现:

  1. 核心推荐(最重要)
    • 浇铸温度推荐值 + 建议区间
    • 浇铸时长推荐值 + 建议区间
    • 班炉次、框次、班别、班次
  1. 可信度等级(决定用户是否照做)
    • 高 / 中-高 → 可直接采纳
    • 中 / 中-低 → 建议结合经验
    • 低 / 极低 → 必须人工把关
  1. 输入警告(如有,必须显式提示)
    • 例:净重 0.2 kg 与规格 600×400×75 不一致务必让用户复核
    • 例:浇铸量 0.09 小于净重 0.12,物理上不可能
  1. 风险提示
    • 列出该输入条件下相似历史中常见的不合格原因
    • 例:"相近条件下出现过 14 次夹腰、塌盖等缺陷"
  1. 匹配层级(专业用户参考)
    • 相似样本检索:基于相似度阈值(优先 sim≥80;样本不足时服务端会放宽到 70/60)纳入历史邻居
    • L1-L6:分级回退兜底(L1 完全相同 → L6 全局兜底)

详细字段说明见 references/api_spec.mdreferences/output_format.md

Step 4: 低置信度或有警告时主动提示

  • 可信度等级 = 低 / 极低 → 提示用户:"此输入历史样本极少,强烈建议人工把关"
  • _输入警告 → 提示用户:"系统检测到输入数据可能录入错误,请复核 [具体字段]"

不要做的事

  • ❌ 不要在用户没提供完整 6 字段时调用 API(应主动追问)
  • ❌ 不要忽略"输入警告"字段,必须显式提示用户
  • ❌ 不要把"可信度=极低"的推荐当成"高置信度"展示
  • ❌ 不要修改用户输入的字段值(保持原样传给 API)
  • ❌ 不要在 API 返回错误时编造推荐值

服务地址

环境URL
------
生产服务https://css-maria-librarian-lyric.trycloudflare.com
Swagger 文档https://css-maria-librarian-lyric.trycloudflare.com/docs
健康检查https://css-maria-librarian-lyric.trycloudflare.com/healthz
OpenAPI Schemahttps://css-maria-librarian-lyric.trycloudflare.com/openapi.json

性能基准(5 折交叉验证 1702 块砖)

指标含义
---------
缺陷预警召回率71.7%七成缺陷可提前预警
推荐执行合格率提升+10.2pp按推荐做的合格率显著更高
极端档合格率差距+11.6pp极接近 vs 远离推荐的差距
置信度校准误差 ECE0.0159业界优秀(<0.05 即合格)
冷启动温度退化≤ 4°C新规格首次出现时几乎无损
跨折温度推荐 std<1°C推荐极稳定

参考资料

  • references/api_spec.md — 完整 API 字段说明
  • references/output_format.md — 推荐结果字段含义
  • examples/example1_typical.json — 典型查询示例
  • examples/example2_rare.json — 罕见材质示例
  • examples/example3_input_error.json — 录入错误检测示例

版本历史

共 8 个版本

  • v1.0.8 v1.0.8 — 稳定性 + 工程化双重升级 【核心修复】 - 修复空规格 / 格式错规格请求触发 500 错误 (HTTP 层 NaN 序列化崩溃) - CORS 默认 '*' 时关闭 credentials,符合 W3C 规范,避免浏览器跨域拒绝 - sanity_check 新增 0 级基础校验:负数 / 零净重浇铸量明确报警 - 损耗率异常阈值修正:0.9 → 0.7,与"正常 < 70%"文案对齐 - 空规格 vs 格式错规格区分两类警告文案,定位更精准 【代码质量】 - parse_spec 函数去重,统一从 features 模块导入 - 算法 / 数据 / 服务 / 评估 / 测试目录分层 (code / data / docs / eval / skill_pkg / tests) - xlsx 路径智能定位,支持容器 / 本地 / 评估脚本多场景 - 新增 tests/ 单元测试套件,6 个核心场景 100% 通过 【文档】 - README 全面对齐 v1.0.8 目录结构 - examples 模糊化精确数字,防止数据更新后漂移 - eval 脚本自动生成 .txt 报告 无 breaking change,API 接口完全向后兼容,直接升级即可。 当前
    2026-05-18 15:38 安全 安全
  • v1.0.7 v1.0.7 - 文档同步 修复: - 文档示例数据 (温度区间/样本数/合格率等) 同步为当前接口实际返回值 - 顶部加"以接口为准"声明, 防止漂移再发生 调整: - 术语 "KNN" 统一为 "相似样本检索" 说明: 仅文档变更, 不影响 API 行为, 无需升级服务端
    2026-05-18 09:19 安全 安全
  • v1.0.6 v1.0.6 主要修正了技能包中的 KNN/Top-K 误导性表述,统一为“加权相似度阈值检索”;补充 SkillHub 展示元数据,修正示例和文档引用,并重新以安全路径格式打包,解决 SkillHub 上传时文件路径不安全的问题。推荐算法本身未改变。
    2026-05-11 09:54 安全 安全
  • v1.0.4 Initial release
    2026-05-09 16:48 安全
  • v1.0.3 Initial release
    2026-05-09 16:20 安全
  • v1.0.2 Initial release
    2026-05-09 16:08 安全
  • v1.0.1 Initial release
    2026-05-09 14:44 安全 安全
  • v1.0.0 Initial release
    2026-05-08 17:57 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

ai-intelligence

self-improving agent

pskoett
捕获经验教训、错误及修正内容,以实现持续改进。适用于以下场景:(1)命令或操作意外失败;(2)用户纠正Claude(如“不,那不对……”“实际上……”);(3)用户请求的功能不存在;(4)外部API或工具出现故障;(5)Claude发现自身
★ 4,071 📥 804,752
security-compliance

Skill Vetter

spclaudehome
AI智能体技能安全预审工具。安装ClawdHub、GitHub等来源技能前,检查风险信号、权限范围及可疑模式。
★ 1,223 📥 267,317
ai-intelligence

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,371 📥 319,663