AGENT

TiaLink：给你的智能体一双操作博途的手

在工业自动化领域，一个非常现实的问题始终存在：AI Agent 会写代码，但它不会真正“操作博途”。

admin

• 12 min read
TiaLink：给你的智能体一双操作博途的手
博途PLC工程智能体 | AI智能体博途网关 | 梯形图转SCL | 自然语言生成梯形图 | 自然语言生成SCL | 逆向生成程序块文档 | 梯形图在线查看 | 博途编程文档MCP | AI模型价格对比 | AI工具导航 | ONNX模型库 | Vibe Coding教程 | PLC在线仿真器 | Tripo 3D | Meshy AI

过去一年，AI Agent 最明显的变化，是它开始从“会回答问题”变成“会操作软件”。

它可以打开终端、修改代码、运行测试、读取文件、调用 API，甚至自己完成一次完整的软件开发流程。

但在工业自动化领域，一个非常现实的问题始终存在：

AI Agent 会写代码，但它不会真正“操作博途”。
  • 它可以生成一段 SCL，却不能因此自动把 PLC 硬件插进正确的槽位；
  • 它可以告诉你应该配置什么 IP，却不能直接把网络组态完成；
  • 它可以生成 HMI 代码，却不能真正打开工程、修改画面并验证；
  • 它可以分析一个 PLC 程序，却不能把修改后的程序放回 TIA Portal 编译、下载和测试。

问题并不是 Agent 不够聪明。

而是——

它缺少一双手。

TiaLink，就是为这件事而来。

0、AI Agent 的下一步，不只是“生成”，而是“执行”

如果把传统 AI 编程方式画成一条链：

需求
 ↓
AI
 ↓
生成代码
 ↓
人工复制
 ↓
打开开发工具
 ↓
人工修改
 ↓
人工编译
 ↓
人工测试

那么 Agent 真正成熟之后，应该变成：

需求
 ↓
AI Agent
 ↓
理解工程
 ↓
调用工具
 ↓
修改工程
 ↓
编译
 ↓
测试
 ↓
根据结果继续修改
 ↓
完成任务

在软件开发领域，这种模式已经越来越自然。

Agent 可以调用 shell、Git、编译器、测试框架、数据库以及各种开发工具。

但工业自动化软件有一个特殊之处：

工程师真正工作的地方，并不只是代码编辑器，而是 TIA Portal 本身。

硬件组态、网络配置、PLC 程序、HMI、编译、仿真……这些能力都集中在工程环境里。

因此，如果 AI Agent 不能进入 TIA Portal，它实际上只拥有“PLC 编程知识”，却没有真正操作 PLC 工程的能力。

TiaLink 解决的正是这一层。

TiaLink 可以理解为：

AI Agent 操作 TIA Portal 的 “手”。

它运行在客户自己的 Windows 机器上，在本机连接正在使用的 TIA Portal 工程。

整体关系非常简单：

┌───────────────────────────────┐
│          AI Agent             │
│                               │
│ WorkBuddy / DSH / Codex /     │
│ Claude Code / 其他 Agent      │
└───────────────┬───────────────┘
                │
                │ Tool Calls
                ▼
        ┌───────────────┐
        │    TiaLink    │
        │               │
        │ Agent ↔ TIA   │
        └───────┬───────┘
                │
                ▼
        ┌───────────────┐
        │  TIA Portal   │
        │               │
        │ Hardware      │
        │ Network       │
        │ PLC           │
        │ HMI           │
        │ Simulation    │
        └───────────────┘

Agent 不需要理解 TIA Portal 的每一个界面操作。

它只需要知道：

“我现在有哪些工具可以调用。”

剩下的事情，由 TiaLink 完成。

2、它不是另一个 AI，而是 Agent 的执行层

TiaLink 一个非常重要的设计，是：

它不绑定 AI 模型，也不绑定某一个 Agent。

这意味着 TiaLink 本身不是一个聊天机器人。

它也不是：

“打开一个网页，然后在网页里问 AI PLC 问题。”

恰恰相反。

它更像一个工业软件的 Tool Layer / Execution Layer。

例如：

Claude Code
      │
      ├── read_project()
      ├── configure_hardware()
      ├── configure_network()
      ├── create_plc_block()
      ├── compile()
      └── simulate()
             │
             ▼
          TiaLink
             │
             ▼
        TIA Portal

因此，未来无论 Agent 使用什么模型，都可以复用这一层能力。

这也是 TiaLink 和一个普通“PLC AI 助手”非常不同的地方。

AI 是大脑。

TiaLink 是手。

TIA Portal 才是真正执行工程操作的环境。

3、第一件事：让 Agent 直接组态硬件

传统的 AI PLC 编程，很容易停留在：

“帮我生成一个 S7-1500 的程序。”

但真实工程往往不是这么简单。

你首先需要决定：

  • 使用什么 CPU
  • 需要哪些 DI/DO 模块
  • 模块插在哪个槽位
  • 网络接口怎么配置
  • PROFINET IO 怎么组织
  • 设备之间如何连接

这些工作通常需要工程师进入 TIA Portal，一步一步完成。

有了 TiaLink，Agent 可以从自然语言需求出发：

使用 CPU 1513-1 PN，增加一个 16DI、一个 16DO 和一个模拟量模块。

Agent 不只是告诉你应该怎么做。

而是可以进一步调用 TiaLink，在真实工程中完成硬件组态。

这意味着：

自然语言 → 工程操作

第一次真正连接起来了。

4、第二件事：让 Agent 配置工业网络

网络组态同样如此。

例如：

建立一个 PROFINET 网络，CPU 使用 192.168.10.1，两个远程 IO 分别使用 192.168.10.11 和 192.168.10.12。

过去，这意味着：

打开 TIA Portal
 ↓
找到设备
 ↓
进入网络视图
 ↓
建立连接
 ↓
设置 IP
 ↓
检查 IO System
 ↓
确认配置

而对于 Agent 来说，它可以把这变成一个工具调用。

于是：

自然语言需求
      ↓
Agent 理解网络拓扑
      ↓
TiaLink
      ↓
TIA Portal 网络组态

这一步非常重要。

因为它意味着 Agent 开始理解的，不再只是“PLC 程序”。

而是整个 PLC 工程。

5、第三件事：从需求直接进入 PLC 程序

当然，PLC 编程仍然是核心能力。

例如：

做一个自动门控制程序。
有开门按钮、关门按钮、开到位、关到位和急停。
开门和关门必须互锁。

Agent 可以生成 SCL 程序（生成梯形图需要我们额外的产品支持）。

但真正有价值的地方在于：

程序生成之后，不需要工程师再手工复制粘贴。

Agent 可以继续通过 TiaLink：

生成 SCL
   ↓
创建 / 修改程序块
   ↓
写入 TIA Portal
   ↓
编译
   ↓
读取编译结果
   ↓
发现错误
   ↓
修改程序
   ↓
再次编译

这就从：

AI 写代码

变成了：

AI 完成一次 PLC 工程任务。

这两者之间，其实存在巨大的差别。

6、第四件事：让 Agent 开始“画”HMI

PLC 程序只是自动化项目的一部分。

真实项目还需要 HMI。

例如一个自动门项目可能需要：

┌──────────────────────────┐
│       自动门控制         │
│                          │
│  门状态：   ● 已关闭     │
│                          │
│  开门       [按钮]       │
│  关门       [按钮]       │
│                          │
│  故障：     正常         │
└──────────────────────────┘

传统流程是工程师自己打开 WinCC Unified，建立画面、变量和控件。

而 TiaLink 的目标，是让 Agent 也能够参与这一过程。

根据既定规范批量生成：

  • Unified 画面
  • 变量
  • 控件
  • 相关配置

这样，Agent 的工作范围就从：

PLC Code

进一步扩展到了：

PLC + HMI + 工程配置。

7、第五件事：真正重要的——让 Agent 自己测试

生成代码只是开始。

真正的软件工程，需要验证。

这也是 TiaLink 最有意思的一部分：

仿真测试。

Agent 可以启动 PLCSIM 虚拟 CPU，然后：

生成程序
   ↓
写入 TIA Portal
   ↓
编译
   ↓
启动仿真
   ↓
下载程序
   ↓
运行测试场景
   ↓
读取结果
   ↓
判断是否通过

例如自动门：

初始状态：门关闭

测试 1：
按下开门按钮
→ 电机正转
→ 门打开

测试 2：
门到达开到位
→ 电机停止

测试 3：
按下关门
→ 电机反转

测试 4：
开门过程中按下关门
→ 检查互锁

测试 5：
触发急停
→ 检查输出

如果测试失败，Agent 还可以继续修改程序。

于是，一个完整的闭环出现了：

需求
 ↓
生成
 ↓
组态
 ↓
编译
 ↓
仿真
 ↓
验证
 ↓
发现问题
 ↓
修改
 ↓
再次验证

这已经不再是传统意义上的“AI 辅助编程”。

而更接近：

AI Agent 驱动的自动化工程

8、还有一个容易被忽略的能力：逆向理解老项目

工业自动化有一个非常现实的问题：

很多项目不是从零开始的。

你接手的可能是一个运行了十年的项目。

可能存在：

  • 没有完整注释
  • 命名不规范
  • 文档缺失
  • 程序块数量庞大
  • 原作者已经离职
  • 项目长期经过多人修改

这时候，Agent 首先需要解决的不是“写程序”。

而是：

先把这个项目看懂。

TiaLink 可以让 Agent 读取已有工程，然后进一步完成逆向分析。

例如：

已有 TIA 项目
      ↓
Agent 读取工程
      ↓
分析 PLC Blocks
      ↓
分析 I/O
      ↓
分析程序结构
      ↓
分析调用关系
      ↓
生成文档

最终可以形成：

  • 块说明
  • I/O 表
  • 程序结构
  • 功能说明
  • 工程文档

这对于老旧项目维护尤其有价值。

不是只有“新项目自动生成”才需要 AI。

很多时候，真正困难的问题是：

让 AI 看懂过去十年积累下来的工业项目。

9、为什么一定要本地运行？

工业自动化项目与普通软件项目有一个非常大的区别：

工程数据往往不能离开现场。

PLC 项目里可能包含：

  • 工厂设备信息
  • 网络配置
  • IP 地址
  • PLC 程序
  • HMI 画面
  • 工艺逻辑
  • 设备参数
  • 企业知识

因此，把整个 TIA 项目上传到云端，再让云端服务操作，是很多企业无法接受的方案。

TiaLink 的设计恰恰相反：

┌─────────────────────────────┐
│        客户本地电脑          │
│                             │
│  AI Agent                   │
│       ↓                     │
│  TiaLink                    │
│       ↓                     │
│  TIA Portal                 │
│       ↓                     │
│  本地工程                   │
│                             │
└─────────────────────────────┘

        工程数据不出厂区

TiaLink 的组件运行在客户自己的机器上，工程数据不经过外部服务。

这并不是一个附加卖点。

对于工业客户来说，它可能是 Agent 能否进入生产现场的前提条件之一。

10、一次启动，Agent 可以反复使用

TiaLink 并不是让 Agent 每次操作都重新打开一套环境。

它的工作方式更接近一个本地常驻的工程能力层：

启动 TiaLink
     ↓
连接当前 TIA Portal 工程
     ↓
Agent 反复调用
     ↓
读取
修改
编译
测试
验证

基本工作流程是这样：

  1. 在本机启动 TiaLink，连接当前博途工程；
  2. Agent 通过 TiaLink 反复操作工程；
  3. 每次调用在博途中执行并返回结果。

最终形成一种新的工作方式：

人负责目标和决策，Agent 负责执行大量工程操作。

11、从“AI 编程”到“AI 工程”

这可能是 TiaLink 最值得讨论的地方。

过去我们说：

AI 编 PLC 程序。

其实这个说法还是把 PLC 工程缩小成了“写代码”。

但一个真正的自动化项目远远不止代码：

工业自动化工程
│
├── 硬件
│
├── 网络
│
├── PLC
│
├── HMI
│
├── 工艺逻辑
│
├── 编译
│
├── 仿真
│
├── 测试
│
└── 文档

如果 Agent 只能生成 SCL，它只覆盖了其中很小的一部分。

而当 Agent 能够：

读取工程 → 修改工程 → 编译工程 → 仿真工程 → 验证工程

它才真正开始具备“工程能力”。

所以，TiaLink 的意义并不是：

“让 AI 更方便地写 PLC。”

而是：

让 AI Agent 第一次拥有直接操作 TIA Portal 工程的能力。

12、这可能是工业 Agent 的一个新范式

软件开发正在发生一个很明显的变化：

Copilot
  ↓
Coding Agent
  ↓
Software Engineering Agent

AI 不再只是补全一行代码。

它开始理解整个项目，并调用工具完成任务。

工业自动化也可能经历类似的变化：

PLC AI Assistant
       ↓
PLC Coding Agent
       ↓
Automation Engineering Agent

而其中缺少的关键基础设施，就是：

Agent 如何真正进入工业工程软件？

TiaLink 可以看成这一层基础设施。

它不负责替代 Agent 的“大脑”。

也不要求企业使用某一个特定模型。

它提供的是：

一双手。

让 Agent 能够：

看工程、改工程、写程序、组硬件、配网络、做 HMI、编译、仿真、验证。

13、想象一下这样的未来

工程师说：

“帮我创建一个 S7-1500 项目。CPU 使用 1513-1 PN，配置两个远程 IO。建立 PROFINET 网络。实现一个三台输送机的顺序控制，并制作 Unified 操作画面。完成后启动仿真，分别测试正常启动、急停和故障恢复。”

以前：

工程师
 ↓
自己打开 TIA Portal
 ↓
自己组硬件
 ↓
自己配网络
 ↓
自己写程序
 ↓
自己做 HMI
 ↓
自己编译
 ↓
自己仿真
 ↓
自己测试

很快就会变成：

工程师
 ↓
提出需求
 ↓
AI Agent
 ↓
TiaLink
 ↓
TIA Portal
 ↓
组态 + 编程 + HMI + 编译 + 仿真
 ↓
测试报告

工程师依然是最终决策者。

但大量重复性的工程操作，可以交给 Agent。

这才是真正意义上的 AI 自动化工程。

14、结束语

AI Agent 的能力边界，正在从“生成内容”向“执行任务”移动。

在软件开发领域，Agent 已经拥有终端、代码编辑器、Git、浏览器和测试工具。

而在工业自动化领域，它还缺少进入工程现场的入口。

TIA Portal 就是这样一个入口。

TiaLink 所做的事情非常直接：

把 TIA Portal 变成 AI Agent 可以调用的工程环境。
  • 从硬件组态，到网络配置；
  • 从 PLC 程序，到 HMI 画面；
  • 从编译，到仿真测试；
  • 从新项目创建，到老项目逆向理解。

当这些能力都能够被 Agent 调用时，我们讨论的就不再只是：

“AI 能不能写 PLC？”

而是一个更大的问题：

AI 能不能真正参与一次完整的自动化工程？

TiaLink 给出的答案，是先给 Agent 一双手。

而这，可能只是 AI Automation Engineering 的开始。

让你的 Agent，不只是会说博途。

让它真正动手操作博途。

了解 TiaLink