我们为什么做 EPOVIS
质量问题，常常不是没人看见，而是上下文在流转中丢失。
在大型设备现场，照片散在相册里，标准留在文件里，处置停在群聊里。轮班之后，人们又要重新确认：这是哪里、看到了什么、谁在跟进。
当对象更大、点位更分散，这种断裂会被放大。一次识别不是答案；从发现、判断、处置到复检，每一步都应该回到同一份证据。
我们要做的，是让懂现场的人更确定，而不是让系统看起来更聪明。
EPOVIS 团队
关于 EPOVIS
写给每一个对现场质量负责的人。
EPOVIS 是面向大型设备与分布式现场的移动 AI 视觉质检软件，连接 iOS 现场采集、AI 辅助分析与 Web 任务管理。
我们的判断
AI 应该扩大专业判断，而不是绕过它。
模型可以帮助整理证据、对照标准和发现线索；专业资格、现场判断与组织责任仍然属于人。系统越聪明，边界越要清楚。
- 采集不等于合格
- 维修完成不等于独立复检通过
- 交接草稿不等于责任已转移
我们正在建设什么
一条从现场到交付、始终能回到证据的工作链。
三个端点各做自己最擅长的事。这里展示的是协作理念，而不是内部技术架构。
01
iOS · 现场执行
在对象旁，把位置与证据采清楚。
以 3D 点位与视角引导采集，承接现场判断、维修记录和独立复检。
现场事实从这里产生02
Agent + 模型 · 组织分析
让证据、标准与上下文一起工作。
在授权范围内辅助分析、追踪待办和组织结论，把不确定性交还给专业人员。
辅助判断，不替代责任03
Web · 协同管理
看全局，也能回到每一份原始证据。
用于查阅数据、跟踪进展、管理项目、准备班次交接，并形成可核验的交付。
管理过程与结果我们选择的起点
先解决最容易暴露断裂的现场。
大型目标与分布式现场，会同时放大定位、采集、协作和交接问题。把这些难题解决好，能力才有机会进入更多真实场景。
大型设备
人形机器人
结构复杂、点位多、视角要求高。只拍到一张照片，不足以说明检查是否完整。
让每个点位、视角与证据可对应分布式现场
电厂管道
路线长、区域广、班次多。现场进度和未闭环问题不应随着人员交接而丢失。
让区域、设备、异常与交接保持连续我们怎样工作
把承诺落实在产品判断里。
不以功能数量证明先进，而以现场是否更清楚、更可追溯、更能负责来衡量价值。
- 01
深入现场
先理解对象、路线、角色和限制，再谈技术。
- 02
证据优先
每个结论都应能回到位置、图像、标准与过程。
- 03
责任明确
AI 给出帮助，人和组织保留判断、确认与交付责任。
带一个真实问题，和我们聊聊。
告诉我们你在检查什么、哪里最容易丢失上下文。我们会围绕你的现场准备一次有内容的讨论。