我之前写 AI 产品可信链路时，用过几个词：source、state、citation、action log。

这些词在软件产品里有用，但如果直接拿到我们内部，可能会显得太 IT。对设备工程交付公司来说，可信链路不能只停在“答案有没有引用”。它必须落到更硬的东西上。

我们的 source，不只是文档来源，而是合同、方案、配置清单、图纸、BOM、采购单、供应商承诺、到货记录、生产记录、发货单、现场安装日志、调试记录、KPI 测试数据、验收单、发票、回款记录。

我们的 state，不只是“处理中/已完成”，而是设计是否冻结、BOM 是否齐套、采购是否下单、物料是否到货、生产是否开工、设备是否发货、现场是否具备安装条件、调试是否完成、KPI 是否达标、验收是否通过、款项是否回收。

我们的 citation，不只是“这句话来自哪份资料”，而是“这个判断依据哪张图纸、哪个 BOM 版本、哪条合同条款、哪个供应商交期、哪次现场测试、哪份验收记录”。

我们的 action log，也不只是 AI 调了哪个工具，而是“谁改了配置，谁确认了 BOM，谁批准了替代料，谁变更了交期，谁确认了发货，谁记录了现场问题，谁确认了 KPI，谁触发了开票”。

这才是设备工程公司的真实链路。

如果这条链路做不起来，AI 再聪明也不敢用。因为设备工程里的很多判断会产生真实成本。

一个配置判断错了，可能买错物料。
一个 BOM 版本错了，可能生产错设备。
一个到货状态不清，可能现场缺件。
一个安装前置条件没确认，可能人员白跑。
一个 KPI 口径不清，可能验收扯皮。
一个收款节点漏跟，可能现金流被拖。

所以 SCS 不应该只做“信息登记”，而应该做“项目证据链”。

每一个项目状态，都应该能回答三个问题：

现在为什么是这个状态？
依据是什么？
下一步谁负责？

比如“BOM 已齐套”。

这句话不能只是一个勾选框。系统应该能看到：齐套依据是哪版配置清单、哪版图纸、哪些 BOM 行、哪些库存、哪些采购到货、哪些替代料批准记录。如果后来项目出问题，能追溯当时为什么认为齐套。

比如“可发货”。

这也不能只是物流说一句可以发。它应该同时检查：设备是否生产完成，配套件是否齐，包装是否完成，海外项目是否准备好运输和清关材料，现场安装窗口是否确认，客户收货条件是否满足，商务节点是否允许发货。

比如“现场可安装”。

这不是项目经理一句话。它应该包含：设备到货、现场空间、电源网络、地面条件、客户人员、施工许可、安装工具、备件、工程师排班、风险事项。

比如“KPI 可测试”。

它应该包含：测试口径、样本类型、吞吐量要求、准确率要求、异常处理方式、客户见证人、测试时间、测试记录。

这些状态一旦有证据链，AI 才能真正发挥作用。

AI 可以在项目周会上自动总结风险，但它必须引用具体物料、具体采购单、具体图纸版本、具体现场日志。AI 可以回答“这个项目为什么延期”，但它必须能指向：设计变更、供应商延期、生产排期、现场条件、客户验收口径里的哪一个。AI 可以建议“这个项目要重点盯”，但它必须说清楚，是因为关键件未到、发货窗口临近、回款节点绑定验收，还是项目毛利被加急成本侵蚀。

没有证据的 AI，只是会写。

有证据链的 AI，才是项目管理能力。

我觉得 SCS 可以从四个看板开始，但每个看板都不能只是展示，而要能追溯。

第一，设计配置看板。

显示每个项目的方案、配置、图纸状态。重点不是“图纸上传了没”，而是配置是否冻结，变更是否影响 BOM，图纸版本是否和采购、生产一致。

第二，供应链齐套看板。

显示项目级 BOM、采购、到货、生产、发货状态。重点不是采购台账，而是某个项目、某批发货、某次现场安装所需物料是否齐套，哪些物料会影响关键路径。

第三，现场交付看板。

显示安装、调试、KPI、验收状态。重点不是记录现场日志，而是把现场问题和设计、供应链、客户条件、验收口径关联起来。

第四，商务损益看板。

显示收款节点、开票、回款、成本变化、项目毛利。重点不是财务报表，而是让项目过程里的变更、延期、加急、返工、二次进场都能回到损益。

这四个看板连起来，我们才真正拥有项目链路。

这时候 AI 才适合进来。

AI 可以做项目风险解释。
AI 可以做配置-BOM 变更影响分析。
AI 可以做采购齐套预警。
AI 可以做现场问题归因。
AI 可以做验收资料自动整理。
AI 可以做项目复盘，总结哪些损耗来自设计、供应链、现场还是商务。

但所有这些都建立在真实链路之上。

我们的 AI 产品不是为了让内部多一个聊天窗口，而是为了让项目经理、工程、采购、生产、现场、商务看到同一条项目事实链。

这条链路一旦跑通，公司很多管理问题会变得更清楚：

到底是设计变更太多，还是采购响应慢？
到底是供应商交期不准，还是 BOM 拆解不完整？
到底是生产排期问题，还是项目齐套问题？
到底是现场条件没确认，还是设备交付质量问题？
到底是验收口径不清，还是 KPI 没跑出来？
到底是项目本身报价低，还是过程损耗吃掉了利润？

这才是我们应该追求的 AI 化。

不是让 AI 替公司说话，而是让公司第一次真正看清：一个设备工程项目，从合同到回款，中间每一步到底发生了什么。

对我们来说，可信 AI 的底座不是模型，而是项目事实链。

配置、BOM、采购、到货、生产、发货、安装、KPI、验收、回款。

这十个词，比任何 Agent 口号都重要。