很多制造企业的数字化，不是从一套庞大 MES 开始的，而是从某个具体痛点开始的：设备台账还在纸质本子上，找一台设备的责任人要翻三个本；报修靠电话，记录靠回忆。这篇方案以设备台账为例，讲清楚一个制造业主的痛点场景如何在 AI 构建器里走完从描述到上线的全程。
场景与需求
典型需求长这样：记录每台设备的名称、编号、所在车间、购入日期和责任人；能按车间筛选；设备负责人在车间巡检时能用手机查。
注意这里面没有任何技术词汇——没有表、没有接口、没有字段类型。这正是 AI 构建器的输入形态：业务语言直接进，业务系统直接出。
数据怎么建
把上面的需求交给 AI，它会完成数据建模：设备主表（名称、编号、车间、购入日期、责任人）、车间字典（用于规范车间名称，避免"一号车间/1号车间"并存）、责任人与组织架构的关联。
你可以全程审看并干预：字段不满意直接在对话里改，比如「加一个保修到期日」。多租户隔离意味着如果集团内有多个工厂各自使用，数据天然分开。
页面怎么用
PC 端得到一个完整的设备管理页面：列表、筛选（按车间）、新增编辑表单。车间筛选来自数据字典，下拉可选而不是手工输入。
移动端不需要二次开发——发布后手机端自动拥有同一模块的移动界面，车间巡检时打开就能查设备、看责任人。
上线前查什么
平台内置两道质检：自动化页面测试（模拟真实操作验证页面行为）和发布前预检清单（数据一致性、权限配置等）。测试不通过就无法发布——问题被拦在上线前，而不是被车间主任在巡检时发现。
之后呢
设备台账跑顺之后，常见的下一步是报修流程（工作流引擎）、备件出入库（又一个数据模块）、以及设备与备件之间的关联。每个模块都是一次「描述—构建—发布」，而不是一个新项目。这正是把开发能力交给 AI 的意义：系统跟上业务的节奏，而不是业务等系统的排期。