麦睿菱AI实践 03｜AI写出新算法，交付还要过三道关

AI 写出一段算法，解决了实现中的一部分工作。要把结果交给客户，还需分别确认：程序算得对不对，现场测量能否支持这种比较，指标能否回答客户的问题。这三层依据连同验证样本一起留下，下一位员工才知道什么可以复用、什么需要重新确认。

以两组峰谷差都是 2 微米的测量曲线为例：它们的形状明显不同。如果客户希望分清这种差异，现有指标还够不够用？

两条曲线提醒我们 指标会丢掉信息

下面讨论旋转工件同一侧端面的轴向位移：在约定的装夹和基准条件下，沿指定半径取得一圈数据。

两条理想曲线的最高点都是正 1 微米，最低点都是负 1 微米。一条每圈起伏一次，另一条每圈起伏两次。峰谷差只取最大值与最小值之差，所以两条都是 2 微米。

图1｜两条理想曲线的峰谷差相同，周期构成不同。示例为一侧端面的轴向位移，不代表两侧表面之间的厚度变化。

峰谷差把整条曲线压成一个数，方便比较，也舍去了起伏方式。这未必是缺点。如果客户只关心总的变化范围，原指标可能已经够用。

但若客户要比较“一圈两次的起伏有多明显”，就需要保留另一种信息。可以把曲线分解成每圈起伏一次、两次等成分，再比较其中两次起伏的幅度。这种分解可用傅里叶分析完成。[1] 这里的“2阶”，就是一圈重复两次。

按正弦分量的振幅定义，对图1的理想整圈曲线，每圈起伏一次那条的2阶幅值为0，每圈起伏两次那条为1微米。这个量把原指标没有表达的差异显现出来了。处理实际数据时，还需要考虑噪声和多种成分的影响。

接下来最值得追问的是：看见这项差异以后，客户准备改变什么决定？

如果用于比较两种工艺，需要验证它是否稳定反映客户关心的变化；如果要作为验收条件，还需要明确阈值依据、测量能力和判定要求。仅凭 2 阶幅值较大，也不能直接认定某种故障。

先把用途说清，才知道要证明到哪一步。否则，很容易做出一个每次都能算、却没有人知道该如何使用的新数字。

验证要分别回答三个问题

用途明确后，企业就应安排三类检查。图2列出每一类需要留下什么证据、由哪些专业人员判断。三者不能互相替代，也不必等程序全部写完才开始考虑。

第一，程序有没有实现约定的计算。

用已知答案的合成曲线，与独立、可信的计算结果核对。除了纯 1 阶、纯 2 阶，还可以检验约定范围内的混合成分，以及角度起点改变时幅值是否按定义保持一致。这样容易发现幅值口径、角度处理或实现上的错误。

不满足要求的数据也要测试。缺段、单位缺失、采样条件不符时，系统应当识别并提示，不能默默算出一个数。

第二，现场测量能不能支持这种比较。

这需要结合设备状态与校准、实际样件、参考方法、重复测量及重新装夹后的变化，由专业人员判断。合成信号能检查程序，却无法替现场证明测量能力。

第三，这个量能不能支持预定用途。

即使计算正确、测量稳定，新增指标也可能与客户关心的工艺差别关系很弱。应用于新样本以后，还应检查它是否仍有解释和比较价值。若准备进入合格判定，就需要补齐相应的验证与批准条件。

国际计量词汇区分两件事：是否满足已定要求，以及这些要求是否适合实际用途。[4] 分别检查，才能看清已有证据支持到了哪一步。

也要留出没有参与调参的样本。若每次看到结果不理想，就继续改参数直到符合预期，最后得到的可能只是对已有样本的迎合。

图2｜三道关分别需要证据；先明确用途，再安排检验。图中是建议的分工，任何一项不成立都应补证或收窄用途。

原始数据决定了这一步能不能做

在写程序以前，现场员工需要确认取得的是什么数据。

只有一个峰谷差，无法反推出原始曲线的周期构成。如果保留了位移样本，却没有角度或可靠的采样规则，也不能直接按每圈阶次解释结果。数据还要覆盖约定的测量范围，采样条件能够支持所关注的分量。

信息缺失时，需要查原始记录、补问现场，必要时重新安排采集。

衡准 Metrivon 是 MEASIX 的精密测量与设备协同软件，面向设备、工件、原始采样、专业算法和结果复核。[2] 这类新分析首先需要能核对的原始测量材料，衡准面向的正是这一侧。

例如，本次任务至少要把工件与采集编号、测量轨迹、基准条件、角度规则和位移单位联系起来。是否去除某些成分、采用哪种预处理，也要明确记录。悄悄平滑一次曲线，就可能改变客户想观察的分量。

现场员工负责带回这些材料，公司负责准备获取材料的工具和方法。

工具接通以后，还要能查清怎么算的

企业可以为这些数据配置获准使用的工具，让助手取得样本并发起分析。MCP 是 AI 应用连接外部工具与资源的标准协议，规定工具如何被发现、调用和返回结果。[3] 真正读取样本或执行计算的，仍是工具背后的程序。

数据单位、角度含义、算法版本和返回错误如何解释，由具体工具约定；读取样本与修改配置也应按各自权限处理。协议连通、参数格式正确，不能代替这些核对。

有了数据，AI 可以协助准备候选脚本，解释处理步骤，并根据工具返回继续比较。数值结果应由确定的程序按输入实际计算，不能把聊天中生成的一串数字当成测量结果。

试算过程中的材料也要留下。原始样本、脚本、依赖、参数和输出如果散在不同人的电脑里，即使本次结果正确，下次也很难复核。

工舱 Runcove 是 MEASIX 的自托管智能体工作空间，为员工的文件留存和远端执行提供载体。[2] 它适合承载这一段探索：保留每次试算所用的材料和产物，便于专家检查，也便于下一次复算。再次试算前，先确认使用的是哪一份样本、脚本和参数；候选脚本经验证后，再按批准范围投入使用。

留给下一位同事的是可复算的依据

经过确认的方法，至少应能让后来者重现这次结果，并判断自己的条件是否相同。

通用的计算定义、输入检查和验证样本可以共同维护；当前客户选定的阶次、测量半径、预处理要求和判定阈值，应当单独确认。两者混在同一份脚本里，最容易把一个客户的选择带到另一个客户的任务中。

AI 可以协助整理说明、关联样本和输出。企业则需要挑选值得复用的部分，请专业人员补上适用范围、失败情形和验证依据，再交给其他员工使用。客户专属数据是否进入共同范围，还要遵守相应授权。

一个实用的交接检验，是请具备必要基础、没有参与开发的同事处理一份新样本。观察他是否能够认出条件、复算结果，并在条件不满足时停下来。若仍需原作者逐步补充，就说明某些关键依据还没有交出去。

能交给下一位同事的，不只是算法，还包括它适用的问题、所需数据和验证依据。新客户改变了其中哪一项，就重新确认哪一项。

参考阅读

[1] NIST：Digital Library of Mathematical Functions 1.8 Fourier Series

[2] MEASIX：衡准 Metrivon、工舱 Runcove

[3] Model Context Protocol：工具规范

[4] JCGM 国际计量词汇：Verification、Validation