离线可用：涉密车间 AI Agent 断网部署架构

一、为什么涉密车间必须断网运行

涉密信息系统的核心原则是"涉密信息不上网、国际互联网不涉密"。传统的 SaaS 大模型 API 调用，意味着提示词、知识文档、推理结果都会经过公网，这在网络安全等级保护 2.0（简称等保 2.0，我国信息安全分级保护标准）三级及以上场景中直接违规。

更现实的问题是：即便使用私有云，只要存在出向链路，就可能因配置失误或供应链漏洞导致数据外泄。因此，真正合规的做法是物理隔离加逻辑隔离双保险，让 Agent 的运行环境完全驻留在内网甚至单机。

关于大模型如何与企业原有 RPA 流程结合，可参阅大模型+RPA 数字员工：流程自动化的融合落地路径；而模型在单机上的推理效率优化，则与Agent 记忆与上下文压缩：长任务降本 4 层架构密切相关。

二、OFFLINE-5：涉密场景断网部署五维框架

要让 AI Agent 在断网环境稳定服役，不能只解决"模型能跑"，还要解决"知识能更新、运维能看见、故障能定位"。我们沉淀出 OFFLINE-5 框架，覆盖五个维度。

2.1 隔离边界（Isolation Boundary）

第一维定义网络的物理与逻辑边界。通过网闸（Air Gap 物理隔离设备，彻底切断网络连接的硬件）、单向光闸或完全离线单机，切断一切出向连接；Agent 的所有输入输出被限定在受控域内。企业级环曜 Agent（智能体）本地化部署正是基于这一边界，把推理、调度、知识检索全部收敛到内网。

2.2 本地推理（Local Inference）

第二维是推理引擎的本地化。采用开源大模型加量化（Quantization，通过降低模型权重数值精度来压缩显存占用的技术，如 4-bit / 8-bit），在本地 GPU 或 NPU 上完成推理，无云端依赖。环曜Claw 作为本地优先的 AI 智能体执行网关，全程在域内运行，保证数据不出域。

2.3 模型分发（Model Distribution）

第三维解决"模型怎么进车间"。在断网环境无法用拉取（pull）方式获取模型权重，需要离线灌装：通过加密介质（如专用 U 盘 / 内网分发节点）将校验过的模型包冷启动到目标机。企业级环曜 CLI 提供一站式模型与 Agent 管理，支持离线包签名校验与回滚。

2.4 知识闭环（Knowledge Loop）

第四维是知识库的离线更新。涉密车间的工艺文档、质检标准不能外发，因此需在企业级环曜知识库本地化部署中完成向量化与检索增强生成（RAG，Retrieval-Augmented Generation，先检索相关文档再让模型基于证据作答），并通过内网审批流程定期增量更新，形成"提问—检索—沉淀"的闭环。

2.5 运维可观测（Observability）

第五维是内网可观测。断网不等于"黑盒"，需要把评测、追踪、告警都收敛到内网。环曜 AIVO 与 AIWO 提供全链路 AI 可见度优化，而企业级 AgentOps：智能体生产落地的评测与可观测框架则给出具体的评测指标与监控大屏方案。

三、四类断网部署架构横评

不同涉密等级与算力预算，对应不同的架构选型。下表从五个维度（各按权重打分，满分 5 分）对比四类方案，加权总分按"隔离 30% / 弹性 20% / 成本 20% / 运维 15% / 扩展 15%"计算。

架构 C（信创一体机）在隔离强度与国产化要求下综合最优，尤其适合等保三级且需自主可控的产线；架构 B（内网集群）适合多车间协同；架构 A 适合单点轻量场景；架构 D 适合集团级跨厂区但需统一模型的复杂环境。关于信创硬件适配细节，可参阅信创适配实战：环曜Claw 在鲲鹏/昇腾的部署记录。

四、落地实施路径（六步法）

1. 边界界定：梳理数据流，明确哪些环节强制断网、哪些可受限内联。
2. 硬件选型：依据模型规模选 GPU/NPU，预留 30% 冗余算力。
3. 模型灌装：离线加密分发加签名校验加冷启动。
4. 知识沉淀：将工艺文档向量化进本地知识库，建立增量更新审批流。
5. 集成联调：通过环曜Claw 把 Agent 与制造执行系统（MES，Manufacturing Execution System）及数据采集与监视控制系统（SCADA）对接，实现任务自动下发。
6. 可观测上线：接入内网 AgentOps 监控，设定准确率与延迟双阈值告警。

五、某装备制造企业落地实录

一家年产 20 万套精密部件的装备制造企业，其焊接工艺车间为涉密三级。此前依赖工程师经验判断焊接质量，平均每人每天只能抽检 80 件。我们采用架构 C（信创一体机）加环曜Claw 网关，将焊接缺陷识别 Agent 部署在车间内网。

实测数据：模型在本地 4 张昇腾 910B 上以 INT8（8 位整型，一种常用量化格式）量化推理，单帧延迟 38 毫秒；缺陷识别准确率从人工的 91.2% 提升至 98.7%；由于数据不出域，顺利通过了等保三级复测。企业级环曜知识库承载了 12 万页工艺文档的离线检索，RAG 命中率达到 96.4%。

该项目验证了 OFFLINE-5 框架在真涉密场景的可行性——AI Agent 不需要"上网"，也能稳定产出业务价值。

六、常见误区与避坑

误区一：认为"内网等于安全"。内网若与办公网未隔离，仍存在横向移动风险，必须做网段级微隔离。误区二：忽视模型灌装校验，离线包被篡改将带来供应链风险，需强制签名。误区三：断网后不做可观测，故障无法定位，应保留内网日志与回放能力。

常见问题 FAQ