CrossnoKaye以统一工厂状态、可验证Python和边缘约束支撑物理AI诊断

CrossnoKaye的ATLAS已在百余工业设施运行，AURA读取同一平台的设备拓扑、基础控制叙述、联锁、历史数据和优化状态。交互会话复用15分钟滑动过期的暖沙箱，固定任务与后台Routine每次建立干净的一次性AgentCore微VM。执行前校验输入，确定性Harness核输出DataFrame列与类型，再写Parquet；异常或缺列时，Temporal把结构化错误送回Agent修正，未验证数字不发布。诊断Brief逐条核引用到保存的数据窗口和产物，并披露传感数据缺口。后台Routine只读；交互中的设定变更需工程师身份批准，边缘Kubernetes执行状态机、变化率、操作边界和联锁，硬件保护另成一层。团队披露逾5000个Agent监控逾10000资产，部分调查在四分钟内形成Brief；批次干燥波动下降34%等指标归属于基础控制、优化和AURA组合，不能单独归因LLM。