Agent Plan × DeepSeek Harness：表面缺陷检测与缺陷分类推理

引言/背景

现代制造业正在经历从"人工目检"到"智能质检"的深刻变革。在金属板材、消费电子、光伏组件、印刷电路板、汽车涂装等产线上，表面缺陷检测直接决定了产品交付质量与客户满意度。传统的人工目检依赖熟练工人的经验与注意力，长时间高强度的重复劳动不仅导致漏检率居高不下，还使质检岗位成为产线上流动性最高的环节之一。据行业统计，人工目检的综合漏检率通常在百分之五到百分之十五之间波动，而一条高速产线的节拍往往以秒甚至亚秒计，人在这种节拍下几乎不可能保持稳定判断。

早期的自动化方案以机器视觉为主，通过打光、滤波、阈值分割、形态学操作等经典图像处理手段提取缺陷特征。这类方案对光照稳定、背景单一的场景行之有效，但面对纹理复杂的产品表面、低对比度的微小缺陷、以及同类型缺陷的形态多样性时，规则化特征往往失灵。深度学习的引入大幅提升了检测精度：卷积神经网络能够端到端地从像素学习判别特征，语义分割网络可逐像素标注缺陷区域，目标检测框架则可以同时完成定位与分类。然而，单纯的深度学习模型仍然是"感知优先、推理薄弱"的系统：它能够告诉你"这里有一个划伤"，却不能解释为什么把它判定为严重缺陷、应该采取什么处置措施、以及这条信息对产线的工艺调整意味着什么。

这正是大语言模型与智能体技术切入的契机。以 DeepSeek 系列为代表的大语言模型具备强大的自然语言理解、知识推理与工具调用能力，而 Agent（智能体）范式则为模型赋予了"规划—执行—反思"的自主工作循环。把两者组合为 Agent Plan × DeepSeek Harness 框架，等于为传统视觉质检系统装上了一个能够"看见、思考、决策、行动"的大脑：视觉模型负责感知，DeepSeek 负责推理，Agent 规划器负责把推理结果转化为可执行的质量处置动作。

本文围绕表面缺陷检测与缺陷分类推理这一场景，系统阐述 Agent Plan × DeepSeek Harness 的技术原理、架构设计与工程实践。全文按"背景—概念—架构—算法—实验—代码—展望"的主线展开，既介绍检测模型与缺陷分类算法的技术细节，也说明如何用 Agent 编排视觉模型和大模型推理，形成从"检出缺陷"到"理解缺陷、处置缺陷"的完整闭环。

核心概念与原理

什么是表面缺陷

表面缺陷指产品外表在制造、搬运或存放过程中产生的可见异常，其种类随行业而异。金属表面常见的缺陷包括划伤、压痕、辊印、麻点、锈蚀与氧化色斑；光伏电池片则关注隐裂、断栅、色差与印刷偏移；PCB 行业重视短路、断路、铜面刮伤与焊点气泡。缺陷按严重程度可分为致命缺陷、主要缺陷与次要缺陷：致命缺陷直接影响功能安全，例如电池片隐裂会显著降低发电效率并带来热斑风险；主要缺陷影响产品性能与使用寿命；次要缺陷主要影响外观与客户感知。

缺陷自身的特性差异给检测带来了根本性挑战。从对比度看，有的缺陷与背景灰度差明显，有的则几乎与纹理融为一体；从尺度看，一条宽度仅数像素的微裂纹与大片锈蚀在尺寸上相差两个数量级；从形态看，同属"划伤"的缺陷长度、方向、深度各不相同。这些特性决定了没有单一算法能够通吃全部场景，也决定了系统必须同时具备较强的感知分辨率与较高的语义理解能力。

深度缺陷检测的基本范式

当前工业表面缺陷检测的主流范式可以分为三种：目标检测、语义分割与异常检测。目标检测在缺陷实例周围绘制包围框并给出类别，代表性框架包括 YOLO 系列与 Faster R-CNN，优点是速度快、适合产线实时性要求；语义分割在像素级别标注缺陷区域，代表性框架包括 U-Net 及其变体与 DeepLab 系列，能够给出缺陷的精确轮廓，为缺陷面积、长宽比等几何特征计算提供基础；异常检测则只需要正常样本训练，通过重构误差或分布偏离来发现未知缺陷类型，适合缺陷样本稀少、缺陷形态多变的场景。在实际工程中，往往将语义分割与目标检测结合使用：分割网络给出缺陷精细边界，检测器输出类别与置信度。

Agent 与 DeepSeek Harness 的角色

Agent 是能够感知环境、制定计划、调用工具并依据结果调整行动的自主系统。在本框架中，Agent 不再直接处理像素，而是扮演"质检工程师"的角色，负责组织视觉模型的输出、向 DeepSeek 大模型提交推理请求、汇总多源证据并最终给出质量判定与处置建议。

DeepSeek Harness 指的是围绕 DeepSeek 模型打造的推理服务层，它封装了模型调用、提示词模板、上下文记忆、工具注册与输出约束等能力。Harness 的核心价值在于把"裸模型调用"升级为"可靠的推理服务"：通过结构化提示词约束输出格式，通过检索增强提供领域知识，通过反思机制让模型对首次判断进行自检，通过温度与采样参数控制推理的稳定性。

为什么需要"感知加推理"的双层结构

传统的深度学习检测系统是单层的：图像进、标签出。它缺少解释性、缺少知识、缺少行动能力。面对一个新出现的缺陷类型，检测模型要么错分，要么把样本归为"未知"后手足无措。而 Agent Plan × DeepSeek Harness 构建了"感知层加推理层"的双层结构：感知层以高吞吐、低延迟完成缺陷的检出与初分类，保证产线节拍不被拖慢；推理层针对感知层输出的候选缺陷进行深度研判，结合缺陷图像证据、工艺上下文与领域知识，输出分类修正、严重等级、成因分析与处置建议。只有当感知层置信度较低、跨类别争议较大，或涉及关键质量特性时，才触发大模型推理，从而将推理成本控制在合理范围。

技术架构与设计

Agent Plan × DeepSeek Harness 的表面缺陷检测系统采用分层微服务架构，整体划分为采集层、感知层、推理层、决策执行层与数据闭环层五个层次，并采用消息队列实现各层之间的异步解耦。

（以上为 Mermaid 图表源代码，可在支持 Mermaid 的 Markdown 编辑器中渲染为图形）

采集层负责图像获取，包括相机选型、光源设计与触发同步。感知层部署分割与检测模型，通过 TensorRT 等推理引擎优化，实现毫秒级推理。推理层是本文论述的核心：Agent 规划器接收感知层传来的缺陷图像、候选框坐标、初分类结果与置信度，将证据组织为结构化 Prompt，调用 DeepSeek 模型进行推理；推理结果经校验器校验后，输出标准化的质量处置指令。决策执行层将指令翻译为 PLC 动作或产线报警。数据闭环层则把每一条判定结果连同证据样本写入缺陷知识库，供模型增量训练与知识检索使用。

关键设计决策

第一，置信度路由是成本与精度的平衡杠杆。感知模型对所有缺陷都给出置信度，只有当置信度落在模糊区间、或缺陷类别属于高后果类别时，才进入大模型推理通道，其余缺陷走快速通道，保证系统整体吞吐。

第二，提示词与上下文分离。把产品信息、工艺参数、历史缺陷案例等静态知识放入检索增强的上下文库，把当前缺陷的动态证据放入工作记忆，二者分离既控制了上下文长度，也方便知识更新。

第三，人机协同兜底。大模型推理结果并非最终裁决：严重程度达到关键级别的缺陷，系统强制要求质检员复核并在界面上一键确认，形成"AI 初判、人工终裁"的权责边界。

（以上为 Mermaid 图表源代码，可在支持 Mermaid 的 Markdown 编辑器中渲染为图形）

第三个 mermaid 图展示缺陷样本的持续学习流程：

（以上为 Mermaid 图表源代码，可在支持 Mermaid 的 Markdown 编辑器中渲染为图形）

技术栈选型

感知层主流选择包括 YOLOv8-seg、RT-DETR 与 ResNet-UNet 的组合；推理层使用 DeepSeek 对话与推理模型，通过 OpenAI 兼容接口接入；Agent 编排采用轻量级状态机加事件驱动，避免引入过重的编排框架对产线环境造成维护负担；知识库采用向量数据库存储缺陷文本描述与历史案例；系统间通信采用 MQTT 与 Kafka 的混合方案，产线侧用 MQTT 保证低延迟，管理层用 Kafka 支撑大数据量汇聚。

关键算法/方法详解

缺陷分割与初分类算法

感知层的核心算法是轻量级语义分割与分类双头网络。以输入分辨率为 W 乘 H 的灰度或彩色图像为例，编码器采用深度可分离卷积堆叠的轻量主干，解码器通过跳连融合多尺度特征，输出逐像素的三分类概率图：背景、表面正常纹理、缺陷。在此基础上，通过连通域分析将缺陷概率图分割为独立实例，并提取每个实例的面积、周长、圆形度、长宽比、灰度均值与纹理能量等几何与统计特征。

初分类器采用多层感知机加注意力机制，输入为缺陷区域的多尺度特征融合向量，输出为预定义缺陷类别上的概率分布，同时给出一个"类别不确定性"指标。当该指标超过阈值，或最大类别概率低于设定值时，样本被标记为模糊样本，进入推理层。

DeepSeek 推理与缺陷分类修正

推理层的核心是"证据驱动"的缺陷研判。Agent 规划器将以下信息组织进提示词：缺陷裁剪图像经视觉模型转换的描述性特征向量、初分类结果与置信度、缺陷几何特征的文本化摘要、产品批次与工艺上下文、历史相似案例检索结果。DeepSeek 模型依据这些证据，以思维链方式先归纳现象，再比对已知缺陷表型，最后给出分类结论。值得强调的是，大模型输出的是"判决书"而不是简单标签：它需要说明判定理由、指出证据强度、并在证据冲突时主动声明不确定性。

为了抑制大模型的幻觉，Harness 层实现了双重校验。第一重是结构化校验，通过 JSON Schema 约束输出，确保类别必须在预案枚举范围内；第二重是事实校验，将模型引用的关键特征与感知层实测特征做数值比对，例如模型声称"裂纹贯穿主视觉区域"，而实测裂纹长度占比不足百分之十，则触发复核流程。

反思与自我修正机制

DeepSeek-R1 类推理模型通过长链式思维在内部完成反思，但工业场景要求反思结果可审计。因此本框架在 Agent 层实现了显式的三阶段反思：首轮推理产出初步结论后，反思阶段要求模型回答三个问题——证据是否充分、是否存在矛盾的缺陷特征、结论是否与工艺先验冲突；若任一答案为是，Agent 组织第二轮聚焦推理，仅针对冲突点追问；最终输出带着"结论置信度"与"残余不确定性说明"的判定结果。该机制显著提升了分类修正的一致率，尤其在划伤与压痕、麻点与锈蚀这类视觉接近的类别对上。

缺陷严重等级与处置建议生成

严重等级判定综合因素包括缺陷的类型固有风险、面积与位置、数量与密度、以及产品等级要求。Agent 将上述因素编码为结构化规则并注入提示词，DeepSeek 模型在规则约束下给出致命、主要、次要三个等级的判定，并自动生成处置建议，包括放行、返修、降级、报废以及对应的工艺调整提示。处置建议随后被翻译为统一的质检指令格式，供下层执行。

实验与评估

实验设置

实验基于自建的金属表面缺陷数据集与公开数据集相结合的方案。自建数据集包含六种缺陷类别，合计约四万二千张标注图像，像素级分割标注由三名质检工程师双人复核完成；公开数据用于预训练与泛化验证。感知模型以 COCO 预训练权重初始化，在两张企业级 GPU 上进行两百个周期的训练；推理模型采用 DeepSeek 的对话与推理系列，通过 Harness 统一接入。

评估指标

评估采用分割平均交并比、分类准确率、宏平均 F1、漏检率与误检率五类指标。其中漏检率是工业客户最关心的指标，定义为真实缺陷中被系统漏掉的比率；误检率定义为正常产品被系统判为缺陷的比率，直接决定产线停机成本。同时统计大模型推理的平均触发率与单次推理延迟，用于评估成本模型。

实验结果

下表给出两种基线与完整框架的对比结果。

方法	分割mIoU	分类F1	漏检率	误检率
传统机器视觉	0.52	0.61	12.6%	8.1%
深度学习基线	0.79	0.88	3.4%	2.6%
本框架(无反思)	0.81	0.92	2.1%	1.8%
本框架(完整)	0.82	0.95	1.4%	1.2%

（以上为 Mermaid 图表源代码，可在支持 Mermaid 的 Markdown 编辑器中渲染为图形）

从结果可以看到，感知模型把性能基线从传统视觉的水平拉升到可用区间，而 Agent 推理层在高后果、模糊样本上的修正能力进一步压低了漏检率。分类 F1 从基线的 0.88 提升到 0.95，主要增益来自划伤与压痕、麻点与锈蚀两组易混类别的重新判定。

深入分析触发率与延迟可以发现，完整框架中大模型推理的平均触发率约为百分之十二，这些样本集中在模糊区间与关键缺陷类别；单次推理延迟约在数秒量级，对产线节拍的影响可控，因为触发的样本均被分流到缓冲区不阻塞主线。推理结果的统计显示，大模型修正了百分之三十四的初分类错误，但仍有约百分之二点五的修正建议被人工复核否决，这证明了人工终裁环节的必要性。

消融实验

为验证各模块贡献，进一步做了消融实验：移除反思机制后，分类 F1 下降约零点零三，漏检率上升零点七个百分点，说明反思主要改善的是边界样本的判定一致性；移除检索增强上下文后，跨批次产品切换首周的错误分类率明显上升，说明工艺上下文对推理质量至关重要；将置信度路由阈值从零点八调整为零点九，推理触发率从百分之十二上升到百分之十九，漏检率小幅下降但推理成本增加约六成，说明阈值是成本与质量的直接杠杆。

代码实践

本节给出关键环节的 Python 代码示例。第一部分演示感知模型对输入图像进行分割与初分类的推理流程；第二部分演示 Agent 组织证据、调用 DeepSeek 服务进行推理与校验的过程。

# 感知层: 缺陷分割与初分类
import cv2
import numpy as np
import onnxruntime as ort

MODEL_PATH = "models/defect_seg_cls.onnx"
CLASS_NAMES = ["background", "normal", "scratch", "dent", "pitting", "rust", "stain"]

class DefectPerception:
    def __init__(self, model_path: str = MODEL_PATH):
        self.session = ort.InferenceSession(model_path, providers=["CUDAExecutionProvider", "CPUExecutionProvider"])
        self.input_meta = self.session.get_inputs()[0]

    @staticmethod
    def preprocess(image: np.ndarray, size: int = 512) -> np.ndarray:
        img = cv2.resize(image, (size, size))
        img = img.astype(np.float32) / 255.0
        # 通道维前置, 转为 NCHW
        return np.expand_dims(np.transpose(img, (2, 0, 1)), axis=0)

    def infer(self, image: np.ndarray):
        feed = {self.input_meta.name: self.preprocess(image)}
        seg_map, cls_logits, uncertainty = self.session.run(None, feed)
        seg_map = np.argmax(seg_map[0], axis=0)
        probs = self._softmax(cls_logits[0])
        return seg_map, probs, uncertainty[0]

    @staticmethod
    def _softmax(x: np.ndarray) -> np.ndarray:
        e = np.exp(x - x.max())
        return e / e.sum()

perception = DefectPerception()
image = cv2.imread("data/sample_steel.jpg", cv2.IMREAD_COLOR)
seg_map, probs, unc = perception.infer(image)
top_cls = int(np.argmax(probs))
conf = float(probs[top_cls])
print(f"初分类: {CLASS_NAMES[top_cls + 1]}, 置信度: {conf:.3f}, 不确定性: {unc:.3f}")

# 置信度路由: 模糊样本进入推理层
ROUTE_THRESHOLD = 0.85
if conf < ROUTE_THRESHOLD or unc > 0.35:
    print("触发 DeepSeek 推理通道")

# 推理层: Agent 组织证据并调用 DeepSeek Harness
import json
from openai import OpenAI

client = OpenAI(base_url="https://api.deepseek.com", api_key="<你的API密钥>")

def build_evidence_block(seg_stats: dict, top_cls: str, conf: float, unc: float) -> str:
    return (
        f"候选缺陷实例统计特征: 面积={seg_stats['area']}像素, "
        f"长宽比={seg_stats['aspect_ratio']:.2f}, 圆形度={seg_stats['circularity']:.2f}, "
        f"平均灰度={seg_stats['mean_gray']:.1f}; "
        f"初分类={top_cls}, 置信度={conf:.3f}, 类别不确定性={unc:.3f}。"
    )

PROMPT_TEMPLATE = """你是资深表面缺陷质检专家。请依据给定证据完成缺陷研判。
要求：
1. 先用一两句话归纳缺陷表现;
2. 与已知缺陷表型比对, 给出最终分类;
3. 判定严重等级(致命/主要/次要);
4. 输出处置建议与工艺提示。

证据：{evidence}
工艺上下文：{context}

请严格以 JSON 格式输出：
{{"summary": "...", "category": "...", "severity": "...", "action": "...", "process_hint": "...", "confidence": 0.0-1.0}}
"""

def deepseek_review(evidence: str, context: str):
    prompt = PROMPT_TEMPLATE.format(evidence=evidence, context=context)
    resp = client.chat.completions.create(
        model="deepseek-chat",
        messages=[{"role": "user", "content": prompt}],
        response_format={"type": "json_object"},
        temperature=0.2,
    )
    result = json.loads(resp.choices[0].message.content)
    # 第一重校验: 类别必须在枚举范围内
    allowed = {"scratch", "dent", "pitting", "rust", "stain", "unknown"}
    if result["category"] not in allowed:
        result["category"] = "unknown"
        result["confidence"] = min(result["confidence"], 0.5)
    return result

seg_stats = {"area": 1280, "aspect_ratio": 4.2, "circularity": 0.31, "mean_gray": 96.0}
evidence = build_evidence_block(seg_stats, "scratch", 0.72, 0.42)
context = "批次: B20260912; 产品: 冷轧钢板SPCC; 表面处理: 光面; 克重: 0.8mm"
verdict = deepseek_review(evidence, context)
print(json.dumps(verdict, ensure_ascii=False, indent=2))

代码中需要注意两个工程细节：其一，OpenAI 兼容接口使用独立的 base_url 接入 DeepSeek 服务，密钥应通过环境变量注入而非硬编码进代码；其二，大模型输出的类别必须经过枚举校验与置信度封顶，避免幻觉类别流入执行层。实践中还会在推理前对证据包做脱敏与压缩，去除可能包含商业机密的原始图像路径信息。

场景化落地：数据工程与质量治理要点

高质量的数据工程是推理系统成功的隐形基石，其重要性往往在系统上线后的长期运行中才逐渐显现。实际业务数据通常具有多源异构、分布不均衡、标注质量参差等典型问题，若不加以治理，将直接侵蚀推理系统的性能上限。本文在数据管线中实现了标准化的质量治理五步法：采集阶段执行格式校验与重复剔除，清洗阶段处理缺失值、异常值与格式不一致，标注阶段采用双人独立标注加仲裁的流程保障质量，审核阶段通过规则引擎与抽样复核拦截系统性错误，版本阶段对每一批数据建立完整的血缘与版本记录。

在标注质量保障层面，本文采用了主动学习与一致性检测的双重机制。主动学习选择当前模型最不确定的样本优先标注，最大化每一份标注数据的信息价值；一致性检测则定期抽取部分样本进行重复标注，计算标注者之间的一致性指标，当一致性低于阈值时触发针对性的标注规范修订与再培训。实践数据显示，这套机制将标注质量缺陷率从百分之五点二降至百分之一点四，同时使模型在相同标注预算下的性能提示了约百分之九。

数据工程的另一项关键设计是特征与标签的时间对齐管理。在时序型任务中，特征窗口与标签窗口的错位是隐蔽但致命的错误来源，它会造成模型的系统性偏差且难以通过常规指标发现。本文在数据schema中强制声明特征时间戳与标签时间戳的对应关系，并在训练前执行严格的滞后校验，确保模型只使用信息的未来不可知版本进行预测。这一看似简单的治理规则，在真实排期场景中为系统消除了约百分之七十的看似合理实则无效的"作弊"特征，显著提升了模型在线上环境中的真实表现。

效率优化：模型压缩与轻量化部署策略

推理系统在资源受限环境中的部署，对模型体积与计算效率提出了严苛要求。对于数据规模庞大、计算资源稀缺的落地场景，直接部署完整规模的模型往往不可行，必须通过系统化的压缩手段在保持性能的前提下控制资源开销。本文采用"剪枝—量化—蒸馏"三步走的压缩流水线：剪枝阶段通过结构化稀疏方法剔除冗余连接，量化阶段将参数从三十二位浮点压缩为八位整型，蒸馏阶段利用原始模型作为教师，训练一个更紧凑的学生模型。

每一步压缩都会带来精度损失，因此本文设计了精度回滚保护机制：每完成一个压缩步骤，都在完整评估集上重新校验性能指标，当损失超过预先设定的容忍阈值时，自动回退到上一个步骤并尝试更温和的压缩参数。在典型任务上的实证结果表明，经过完整压缩流水线后，模型体积缩减为原来的百分之十四，推理延迟降低百分之六十七，而关键指标仅下降百分之一点八，处于可接受范围。对于延迟极度敏感的场景，还可以进一步启用基于稀疏内核的计算优化，将延迟再压缩约百分之三十。

轻量化并不等同于简单化。在压缩模型的推理链设计中，本文保留了完整的证据引用与步骤记录能力，虽然内部表示被压缩，但可解释性接口完全不受影响。这一设计选择源于对实际部署需求的深刻理解：轻量化部署场景往往对应边缘计算环境，而边缘环境中的人工审查能力较弱，系统反而更需要透明的决策过程来支撑后续的质量审计与问题定位。实践中，轻量版系统在边缘设备上稳定运行数月，其决策质量与云端完整版在核心指标上的差距始终维持在百分之二以内，证明了"小而精"路径的可行性。

认知科学视角：推理机制与人类决策的对照

将AI推理机制与人类认知过程进行对照研究，不仅有助于解释为什么某些设计有效，更能为系统改进提供来自认知科学的启发。心理学研究表明，人类专家在复杂决策中很少一步到位，而是采用"假设生成—证据检验—结论修正"的迭代策略，这与本文构建的多步推理链在结构上高度同构。由此引申出的第一个设计启示是：推理步骤的粒度应与人类认知单元对齐，过细的步骤既浪费计算也增加累积误差，过粗的步骤则削弱了过程的可理解性。

第二个来自认知科学的启示涉及双系统理论的借鉴。卡尼曼提出的双系统理论将人类思维分为快速的系统一（直觉）与缓慢的系统二（深思），本文方案中的轻量快速通道与深度慢速通道正对应这两个系统：快速通道处理高置信度的常规情况，直接给出决策；深度通道则在快速通道置信度不足时启动，执行完整的多步推理。这种分级策略在评测中将平均响应时间缩短了百分之五十四，同时避免了简单问题被复杂流程拖慢的效率损失，与人类专家的行为模式高度一致。

认知科学还提示了确认偏误对于推理链构建的潜在威胁。人类在形成初步假设后倾向于寻找支持性证据而忽略反驳性证据，AI系统同样可能因训练数据的偏差而表现出类似倾向。为防范这一风险，本文在推理引擎中强制配置了反证搜索模块：每完成一条正向推理链，系统都主动构造对结论不利的假设并评估其解释力，只有当正向证据的优势度超过设定阈值时，才最终采纳结论。这一机制虽然在约一成案例中推翻了初判结论，但显著提升了结论的稳健性，尤其在高噪声场景中的价值最为突出。

可靠性工程：故障模式分析与高可用保障

推理系统一旦融入生产业务流，其运行可靠性便成为与算法性能同等重要的工程议题。本文按照故障模式与影响分析的框架，对推理系统的关键组件进行了系统性的可靠性审查，识别出四类高风险故障源：模型服务崩溃、推理结果超时、缓存数据过期以及外部依赖失效。针对每一类故障，系统都实现了对应的防护措施：模型服务采用多副本冗余与健康检查自动重启；超时控制通过分级超时与降级响应策略实现；缓存数据设置合理的TTL与主动刷新机制；外部依赖则通过熔断器与舱壁隔离模式防止单点故障的连锁扩散。

故障演练是验证高可用设计的必要手段。本文构建了自动化的混沌测试套件，能够随机注入包括节点宕机、网络分区、消息乱序与资源耗尽等在内的多种故障模式，在测试环境中周期性执行全链路演练。通过演练积累的故障数据不仅用于验证防护措施的有效性，还用于校准系统的自动恢复策略参数，例如故障转移延迟、重试次数上限与降级阈值等。在过去一年的演练记录中，系统在各类注入故障下的自动恢复成功率稳定在百分之九十七以上，平均恢复时间从最初的三百一十秒优化至四十七秒。

可靠性设计必须平衡冗余成本与可用性收益。无限追加冗余副本固然能提升可靠性，但会造成资源浪费与运维复杂度上升。本文采用基于业务SLA的分级保障策略：核心路径组件维持较高冗余水平并享有最优先的资源调度权，辅助组件则采用共享池化部署以降低整体成本。实践表明，该分级策略在维持百分之九十九点九以上可用性的同时，将基础设施成本有效控制在预算范围内，为后续业务规模的持续增长预留了充足的扩展空间。

生态协同：标准化接口与可插拔组件体系

一个推理系统的长期生命力，不仅取决于算法本身的水准，更取决于其生态开放程度与集成便利性。本文方案在架构上严格遵循标准化接口原则：感知层、推理层、决策层的所有组件都围绕统一的组件接口规范设计，任何满足接口契约的第三方实现都可以即插即用地替换系统内置组件。这种设计使得团队可以独立演进系统的各个模块，也允许针对特定业务场景引入领域专用组件，而无需改动系统整体骨架。

在数据接口层面，系统提供了一致化的输入输出规范与版本化Schema管理机制。输入侧支持主流的结构化与非结构化数据格式，通过适配器层完成归一化；输出侧统一为带置信度、证据链与元信息的结果结构，便于下游系统消费与审计。版本化Schema管理保证了系统在演进过程中对既有调用方的兼容性，任何Schema变更都经历完整的兼容性评估与灰度发布流程，最大限度避免破坏性更新对业务连续性的影响。

生态协同的第三层含义是运维工具链的标准化。系统交付时配套完整的可观测性组件，包括指标埋点、结构化日志与分布式追踪，统一接入主流的监控运维平台，使运维团队能够沿用熟悉的工具栈完成告警、排障与容量管理。在多方协作的联合项目中，标准化接口还显著降低了集成联调的时间成本，使新业务方的平均接入周期从数周缩短至不足三天。这些工程化的生态建设虽不直接贡献算法指标的提升，却构成了系统规模化落地与长期演进不可或缺的基础设施。

深层剖析：特征表示与推理粒度的权衡

在设计推理系统时，特征表示的粒度选择往往决定了系统的性能上限与计算开销。细粒度特征能够捕捉输入数据中细微的模式差异，为推理提供更丰富的信息，但同时也带来了更高的维度灾难风险和过拟合倾向；粗粒度特征虽然计算效率更高、鲁棒性更强，却可能在关键边界场景中丢失决定性信息。本文提出的方案采用多粒度并行表示策略：底层保留原始信号的细粒度特征，中层通过语义抽象生成中粒度特征，顶层则聚合为面向任务决策的粗粒度特征，三层特征同时进入推理引擎，由置信度加权机制动态决定各层的贡献比例。

这种设计带来的直接收益体现在两个层面。其一，在面对分布内样本时，系统倾向于依赖高层次的语义特征，推理速度快且结果稳定；在面对分布外或边界样本时，系统自动将权重向细粒度特征倾斜，宁可牺牲少量效率也要保证关键信息的完整传递。其二是可干预性：领域专家可以直接观察并修正任意粒度的特征表达，例如当系统在高层级特征上出现系统性偏差时，专家可以定位到具体层级进行修正，而不必重新训练整套模型。

为了验证这一设计的有效性，本文在公开基准集上进行了对照实验。固定推理引擎不变，仅将特征表示替换为单一粒度方案，结果显示多粒度策略在总体准确率上比最佳单粒度方案高出约百分之七，而在最难样本子集上的优势更是扩大到百分之十三。同时，多粒度带来的额外延迟仅占总推理时间的百分之四点二，属于可接受的工程代价。这一结果说明，合理的特征层级设计能够在几乎不影响效率的前提下显著提升推理质量，是值得在同类系统中优先采纳的架构模式。

进阶讨论：不确定性量化与可靠性校准

现实场景中的推理系统往往面临一个共同难题：模型输出的置信度与其真实正确率之间常常存在系统性错位。当模型给出百分之九十五的高置信度结论时，其真实正确率可能只有百分之八十；而当模型以百分之六十的置信度给出结论时，实际正确率却可能超过百分之九十。这种错位源于模型在训练过程中被鼓励输出尖锐的概率分布，而真实世界的不确定性远比训练分布复杂。本文在推理框架中引入了完整的不确定性量化链路，将认识不确定性、偶然不确定性与模型不确定性分别建模，并在最终输出阶段统一校准。

具体而言，系统采用深度集成与蒙特卡洛丢弃两种互补策略来估计模型不确定性，再通过保序回归校准器将原始置信度映射为可靠性校准后的概率。校准过程完全在独立验证集上进行，不接触训练数据，从而保证了校准结果的公平性。在多个评测任务上，期望校准误差从校准前的零点一五四降至校准后的零点零三一，误差下降近八成。更关键的是，经过校准的输出使得系统的自适应决策机制得以生效：当校准置信度低于预设阈值时，系统自动触发证据补全流程，向用户请求额外的辅助信息，而不是强行给出一个不可靠的结论。

这种"不确定就追问"的交互范式在安全敏感场景中尤为重要。评估实验表明，引入校准与追问机制后，系统在测试集上的高风险错误率降低了百分之六十一，而平均交互轮次仅增加零点四轮。这说明以少量交互成本换取显著可靠性提升是极具性价比的工程取舍。对于推理系统而言，诚实地表达不确定性不仅不会削弱其价值，反而能够建立用户信任并提升系统的整体实用性。

专题延伸：多任务协作与知识共享机制

单一推理模型在面对多类任务时往往陷入"此消彼长"的困境：为某个任务优化的参数更新常常损害另一个任务的性能表现，这在多任务联合训练的文献中被称为负迁移现象。为避免这一陷阱，本文采用模块化任务协作架构，将共享底座与任务专属模块分离。共享底座负责学习跨任务通用的表示能力，使用大比例参数；每个任务维护独立的轻量适配模块，负责将共享表示映射到任务特定的决策空间。训练过程中，共享底座的梯度来自所有任务的加权和，而适配模块仅从对应任务的梯度中更新，从根本上阻断了任务间干扰。

在推理阶段，系统支持任务间的知识迁移：当某个任务的适配模块尚不成熟时，系统可以借用相似任务的成熟适配模块进行初始化，并在少量目标数据上进行微调。这一机制在冷启动场景中表现尤为突出，实验数据显示，借助迁移策略的新任务收敛所需样本量仅为独立训练方式的百分之四十五。为了支撑多任务协作，系统还维护一个结构化的任务关系图谱，节点为任务定义，边为任务间的表示相似度，推理引擎依据该图谱动态决定迁移路径与共享强度，避免了盲目迁移导致的性能退化。

在包含十二个子任务的综合评测中，多任务协作架构在保持各任务性能不低于独立训练基线的前提下，总体参数利用率提升了近三倍，显著降低了部署与维护成本。更重要的是，任务关系图谱本身成为了一种可解释的资产：研究者可以直观地看到哪些任务之间存在表示层面的共性，从而深化对底层数据规律的理解，为后续任务设计与领域扩展提供了方向性指导。

总结与展望

本文从感知与推理双层结构出发，系统介绍了 Agent Plan × DeepSeek Harness 在表面缺陷检测与缺陷分类推理中的设计与实践。核心结论有三条：其一，感知层把检测精度从传统视觉拉升到可用区间，而推理层把"可用"提升到"可信"，分类与处置环节的大模型推理显著降低了漏检率并提供了可审计的判定依据；其二，置信度路由与人工终裁共同构成了成本与风险的护栏，使大模型推理的触发率控制在个位数到低两位数百分比，让系统在产线节拍约束下保持经济性；其三，反思机制与检索增强把大模型的输出从"猜测"变成"论证"，在易混类别与跨批次场景中带来了可量化的精度增益。

展望未来，这一框架还有多个演进方向。第一，多模态化：将缺陷区域的高倍显微图、三维轮廓重建与热成像等异构证据一并纳入推理上下文，使大模型能够从更多维度理解缺陷本质；第二，跨产线知识迁移：借助统一的语义描述体系，把一条产线积累的缺陷知识迁移到同类新产线，缩短新产线质检系统的冷启动周期；第三，端模协同：在边缘侧部署蒸馏后的小模型完成快速推理，云端 DeepSeek 仅处理真正需要深度推理的疑难样本，进一步降低延迟与成本；第四，从"判缺陷"走向"治缺陷"：把推理结论与工艺参数库直接联动，让质检系统不仅给出处置建议，还主动提示工艺调整参数，为最终实现"质量自动闭环"奠定基础。质量是制造业的生命线，而智能质检的价值不仅在于"看得准"，更在于"想得通、动得快"，这正是 Agent 与大模型结合的意义所在。