AI 工具进入轻工业后，最先改变的是资料流转而不是工厂外观
AI 在轻工业中的价值不只在自动生成图片或文本，也在于把质检、采购、设计和售后资料放进可以检索、比较和复核的流程。
先把资料分成可读和可执行
产品规格、会议纪要、质检照片、客户反馈和生产排程的结构不同。语言模型可以帮助摘要与分类，但最终执行仍需要明确字段、负责人和确认状态。
如果输入资料没有来源、版本和时间，AI 的输出即使语句顺畅，也无法替代项目记录。
视觉模型要保留原图与判断条件
图像识别可以发现外观差异、缺件和标签问题，但光线、角度、遮挡和拍摄设备会影响判断。每个结论都应能回到原图、拍摄环境和人工复核。
不要把模型概率当成质检结论，更不要把未审阅结果直接发送给客户。
连接稳定是流程条件，不是质量证明
模型服务、企业知识库和团队协作工具可能由不同服务方提供。请求能成功返回，只说明这次通信完成，不说明数据权限、输出质量或模型适用性已经得到证明。
网络配置、客户端与 AI 工具应分开记录，出现问题时才能知道是接口、文件、权限还是连接路径。
把人工确认放在关键节点
采购参数、出口文件、合同条款和产品安全说明都需要人工确认。AI 可以缩短查找和整理时间，但不应跳过责任人、版本核对和正式审批。
一个好的工作流不是让系统替所有人决定，而是让人更快看到需要判断的地方。
把结论放回当前任务
读完后先写下适用设备、目标地区、资料版本和仍未确认的条件，再决定是否需要继续调整。一个可复查的结论，应当能说明它在什么条件下成立，也能说明什么时候需要重新测试。