坏天气来了也不用慌：HD Hyundai Oilbank 用场景智能体重排炼厂船期

摘要

HD Hyundai Oilbank 运营着韩国最大的炼油厂之一：每天处理约 45 万桶原油，每年执行超过 2,500 个船期与 2,300 个调和计划。调度是工厂的「心跳」，而炼厂 24 小时不停运转，上游或下游任何一环变动——原油告急、船晚点——都必须立刻重排，过去这意味着在 Excel 里做几十个案例研究，费时费力且难以复用。

DevCon 6 上，Palantir 的 Simon 与 Oilbank 的 Jin-ho Kim 展示了他们重建的产品：场景（Scenario）——本体之上的轻量沙盒，如今作为一等公民原语嵌入本体，智能体可以在其中像直接编辑实时数据一样操作，却完全不碰生产数据。场景智能体（scenario agent）内嵌验证与成本优化逻辑：反复创建、删除、重建排程直至通过校验，每次交付的都是已优化的方案。

演示中一场坏天气让 1 号船晚点：过去调度员在时间压力下只求速度、不顾成本；现在只需新建一个场景对象、几句提示词，智能体自动重排整套船期，调度员在对比报告上确认后一键合并回主分支。这套机制已在 Oilbank 改变运营，并已面向所有人发布。

正文

一、炼油厂的「心跳」：PSS 与无处不在的重新排程

Jin-ho Kim 先介绍公司：HD Hyundai Oilbank 运营韩国最大的炼油厂之一，每天处理约 45 万桶原油，每年执行超过 2,500 个船期与 2,300 个调和计划。「调度对我们不是小任务，我会说它是工厂的心跳。」他本人在公司十年、用 Palantir Foundry 五年。

核心系统叫产品调度系统（PSS）。以汽油为例：每天调和数千千升汽油，混合重整油（reformate）、烷基化油（alkylate）、石脑油等不同组分，调和比例必须精确到满足汽油规格要求。这项工作的复杂之处在于数据散落各处、规划靠 Excel——在遇到 Foundry 之前效率极低。他们把 PSS 建在本体之上把一切连接起来；而炼厂永不停歇地变化，所以他们还需要场景功能应对频繁的重新规划——因为所有数据都已本体化，场景功能得以轻松实现。

价值链图景是这样的：原油进厂，在工艺装置里处理（脱硫、重整）成半成品，半成品进缓冲罐；然后按调度，每种中间品直接进入成品——汽油、柴油、喷气燃料。关键点：炼厂 24-7 运行，几乎从不停止，整条链也从不停止。这意味着上游或下游任何一环变化——比如原油快用完了、船晚点了——都必须立刻修正调度；每一次都要跑「what-if 研究」。多年来这一切都在 Excel 文件里做：工作成果不会沉淀为数据，难以管理、难以复用。过去六个月，他们把它变成了真正的系统。

二、场景：本体上的轻量沙盒，智能体的安全试验场

调度界面是真实的甘特图：顶部的紫色圆片（puck）代表船期，下方的行分成两类操作——白色是生产，深紫色是按罐确认的船舶装载；系统让调度员构建完整调度以满足船期。Jin-ho 演示：建一个圆片、一块白色块，意味着生产一批汽油产品；进入调和模块，逐格构建汽油配方——点开单元格，右侧面板立刻显示趋势：点数量看中间品的罐存，点质量看全部化验结果。

但一批汽油有超过 100 个单元格——做一批汽油要改 100 个格子；而且一张调度永远不够：因为共享同一批中间品库存，只改一张，后面所有调度都得跟着改。这种工作极其耗时、由人工完成，有出错风险。于是问题变成：能不能在一个绝不触碰真实数据的安全虚拟空间里跑这些研究？能不能让 AI 智能体来帮忙？这就是场景智能体（scenario agent）的由来。

Simon 解释背后的设计：如果让智能体直接操作生产数据，我们并不想这样；我们希望它能创建许多不同的调度提案——这需要大量试错，所以需要沙盒，场景正是为此而生。场景是本体重之上的轻量沙盒：可以同时开启多个，让智能体分别尝试生成不同调度。其实 Foundry 有「场景」产品好几年了，但它藏在 Workshop 深处、不好用、只面向建模用例；团队把它彻底重建，如今作为本体中的一等公民原语发布——一旦创建立刻可用、覆盖整个本体、无需等待任何索引，主本体里用惯的所有工具（跑动作、跑函数、跑既有应用）在场景里全部可用，还能让智能体在场景上运行——智能体在里面的操作就像直接编辑实时数据，但实际只是沙盒。

三、坏天气来了：智能体如何重排整套船期

炼厂随时会遇到意外：半成品短缺、船因天气延误。为应对这些情况，他们把优化逻辑写进了场景智能体：自动起草调度并呈给调度员。以前调度员要在几十个案例研究中手工忙活，现在智能体代劳——时间大幅缩短，而且每次运行都交付优化结果。

演示正是这个场景：屏幕上是场景智能体生成的优化调度集。突然天气恶劣，1 号船延误——船期一换，整套调度必须重建。过去遇到这种高频变动，团队只求速度、不顾成本效率：「因为我们没时间了，只想赶紧搞定。」现在只需新建一个场景对象，输入标题和几句小提示词，点击提交——场景智能体自己生成整套调度。右侧面板可以看到智能体的思考过程：圆片一个个被创建；团队把验证逻辑交给了智能体——你会看到它反复删除、重建，直到通过校验——黄色的指标就是错误，一有错误智能体就重建圆片，直到符合验证逻辑。因此它构建的每一份调度都已经是成本优化的。

最终生成对比报告：案例一是换船期之前，案例二是换船期之后。调度员要做的只是检查案例二是否正确；认为有效，点一下合并按钮——场景是安全沙盒，不干扰主分支，想怎么折腾都行；合并进主分支，工作完成。

四、从沙盒到生产：人工审查、合并与未来协作

Simon 复盘这个演示：一次意外延误让整份原调度作废。过去 Jin-ho 的团队要在时间压力下埋头处理一堆 Excel 表好几个小时，产出的新调度很可能还不是最优的——公司在亏钱。现在，在场景上拉起一个智能体去尝试生成调度，极其简单。关键在于这个智能体拥有非常紧凑的迭代回路：在场景上做一处改动试运行，然后跑遍本体所有工具——用函数评估调度约束、用其他函数计算成本，必要时再做进一步修改；一旦智能体认为场景完成或调度提案足够好，就交给最终的人工审查。Jin-ho 打开审查仪表盘查看提议的改动，满意就合并回生产。

这套机制已经改变了 Oilbank 的运营，而且还有更多计划：把场景用作供应链上不同团队之间的协作环境，最终的人工决策——批准或不批准一个场景——成为对智能体推理的批准。「今天对你们所有人有个好消息：我们刚刚把场景智能体发布给了所有人。欢迎在 DevCon 上试试，有问题随时来找我们。」