IronFlock 文档

工业 AI 和数字化运营不应需要数月的集成工作。IronFlock 是一个中间件系统，提供了机器与智能软件之间缺失的连接层——连接性、实时数据、AI 执行、安全访问和应用交付，全部集成在一个架构中。

IronFlock 解决的问题

每个为机器构建数字化服务的工业团队都会遇到同样的挑战：在部署监控仪表盘、AI 模型或远程服务工具之前，首先需要构建一整套集成技术栈——设备连接、数据管道、身份认证、安全隧道、容器编排等等。这些中间件工作需要数月时间，并且占用了本应用于实际应用开发的工程资源。

IronFlock 消除了这一层。您只需连接机器、PLC、传感器和网关，然后专注于创造价值的应用程序和 AI 工作流。

IronFlock 是什么

可以将 IronFlock 想象成智能手机上的 Android 系统——它在后台运行，而用户与您的应用和品牌交互。复杂性存在于中间件中，而不是日常体验中。

IronFlock 的核心是一个工业中间件系统，将多项能力整合为一个运行时：

• 设备与机器连接 — 注册机器、传感器、PLC 和网关。将它们组织到项目中，监控连接状态，并跨站点推送空中升级。
• 应用开发与部署 — 使用任何编程语言编写代码，通过 Docker 打包，部署到边缘设备或云端。使用内置的云端 IDE 或通过 GitHub/GitLab 集成使用您自己的工具。
• 实时数据采集 — 自动为每个项目配置时序数据库。从设备采集遥测数据，并通过仪表盘可视化展示——从边缘到屏幕的延迟低于一秒。
• 自定义面板 — 使用无代码小部件系统构建实时可视化、控制面板和多页仪表盘。图表、仪表、地图、表格、表单和设备控件——全部通过简单的 YAML 模板定义，数据到达时实时更新。
• 多智能体 AI 编排 — 每个应用可以配备多个针对不同任务的专用 AI 智能体——异常检测、根因分析、流程优化、基于机器数据的自然语言查询。IronFlock 通过一个运行时统一编排，共享对话、权限和运营上下文。
• 安全远程访问 — 隧道连接至设备 Web 界面、HMI、摄像头流、PLC 诊断或远程桌面，无需开放端口。每次会话均有日志记录，可供审计。
• 告警与可观测性 — 在任何实时遥测数据流上定义基于阈值或条件的告警规则。观测系统持续评估传入的设备数据，当条件满足时触发通知，让您实时掌握项目中每台机器和每个分组的健康状况。
• 云边融合 — 配置云设备——运行在与 IronFlock 相同云基础设施（Google Cloud、AWS 或同等平台）上的虚拟机——与您的物理边缘设备一起加入项目。云设备与任何物理设备共享相同的消息路由上下文，实现云端计算与本地硬件之间的直接通信，如同两者在同一局域网中。此功能在 IronFlock 云上可用，也可在虚拟私有云或本地部署中按需启用。
• 应用分发与市场 — 公开或私密发布工业应用。设定定价、追踪用量计量，并接收自动付款——将运营软件转化为可扩展的产品。

面向工业运营的多智能体 AI

传统的工业 AI 项目是单体式的——一个模型、一个用途、一个漫长的集成周期。IronFlock 采用不同的方式：多个专用 AI 智能体，每个负责特定任务，在共享的运营上下文中协同工作。

一个预测性维护应用可能包含一个监测振动模式的智能体、一个查询历史故障数据的智能体，以及一个生成维护工单的智能体。一个质量检测应用可能将视觉 AI 智能体与追溯智能体配对，后者将缺陷关联到特定批次和工艺参数。

这些智能体通过轻量级 YAML 模板声明式定义，连接到实时机器数据，并通过统一的对话界面进行编排。操作人员用自然语言提问——系统自动路由到正确的智能体，从正确的数据源获取信息，返回可执行的答案。

这不是一个附加在仪表盘上的聊天机器人。这是真正理解您的机器、流程和运营上下文的 AI。

工业应用场景

IronFlock 专为部署实际运营软件的团队而构建：

超越工厂

尽管 IronFlock 深深植根于工业自动化，但该平台并不局限于工厂用例。其架构——边缘代理、容器化应用、实时数据、安全隧道和 AI 编排——适用于任何需要管理、监控和智能化分布式设备的场景：

• 楼宇自动化与监控 — 暖通空调控制、能源计量、人员占用追踪，以及商业和住宅建筑的预测性维护
• 车辆车队管理 — 实时 GPS 追踪、驾驶员行为分析、维护调度和车队路线优化
• 视频管理与监控 — 边缘视频分析、摄像头车队管理、AI 驱动的目标检测，以及对实时视频流的安全远程访问
• 智慧城市基础设施 — 环境传感器网络、空气质量监控、电动汽车充电站管理、智慧照明、废物管理和停车系统

任何涉及在边缘运行软件的连接设备车队的场景，都适合使用 IronFlock。

云端或本地部署

IronFlock 可运行在云端或完全部署在您自己的基础设施上。对于需要私有网络、气隙部署或数据主权的敏感工业环境，完整系统——包括 AI 运行时、数据层和应用交付——可以部署在本地或私有云中。详情请参阅On-Premises Deployment。

快速链接