PlantCraft/PlantCraft · 上手攻略
- 仓库：PlantCraft/PlantCraft
- 链接：https://github.com/PlantCraft/PlantCraft
- 分类：engineering / 工业软件 · 过程控制 · AI 辅助
- 作者：spark
- 更新：2026-11-02
一、它是什么
PlantCraft 是一个面向过程工程师（process engineer）的开源工业软件套件，Apache-2.0 许可，Python 编写，官方自述为 "The open suite for process plants. Historian, analytics, alarms, dashboards, models and documents, built to work with AI."
它不是单点工具，而是一整套"每个 app 一个容器"的应用集合，全部装在一台自己的服务器上：
| 应用 | 目录 | 干什么 |
|---|---|---|
| PlantCraft Historian | apps/historian |
数据层：OPC UA / PI Web API / MQTT / Modbus TCP / SQL / CSV 接入，只读归档 |
| PlantCraft Analytics | apps/link |
定时监控、诊断、KPI：找坏数据、振荡、阀门卡涩、手动模式，并给出理由 |
| PlantCraft View | apps/view |
仪表盘、工艺流程图、定时报告、趋势，可公开链接分享 |
| PlantCraft Alarms | apps/alarms |
按 ISA-18.2 措辞生成报警：规则、当前列表、历史、报警绩效 |
| PlantCraft Models | apps/models |
块图模型（底层 Modelica），可仿真、做 study、导出 FMU |
| PlantCraft Documents | apps/documents |
手册 / P&ID / 规程 / 检修记录统一库，检索并让助手引用「文档 + 版本 + 页码」 |
| Simulator | simulator/ |
演示与基准测试用的仿真工厂（OPC UA 服务器） |
平台层（根目录 plantcraft/）承载共享对象：人员与权限、装置与信号、结果与事件、Desk（每个人的一天）、Notebooks（JupyterLab）、助手。各 app 之间不互相调用，只通过 API v1 发布/订阅"结果与事件"，因此第三方 app 可以插进来而不动其它部分。
仓库 README 明确说明它处于 alpha 状态，且几乎全部由 Claude Code 编写、由一位过程工程师做决策与审核。
二、解决什么问题
传统流程工业里，一个工厂要同时买好几套系统：历史库（PI / OSIsoft）、报警系统、SCADA 仪表盘、仿真工具、文档管理。彼此的数据模型不互通，工程师想回答"这个阀为什么振荡"要跨四五个系统手工拼数据。
PlantCraft 的赌注是：把这五件事放在一个共享的装置/信号树（assets → units → areas → equipment → loops）之上，每个信号按角色标注（pv / sp / op），于是：
- Analytics 可以判定"回路 FIC-1003 卡涩"并给出证据；
- Alarms 可以直接基于 Analytics 的结果生成报警，而不只是基于原始信号阈值；
- View 的仪表盘和 Models 的仿真共用同一份装置数据；
- Documents 里的规程与 P&ID 能被检索，助手回答时引用到具体修订号和页码。
另外一层是交付形态：它以"一个签名的离线 bundle"分发——不联网、不向 DCS/PLC/历史库写入、只开一个 HTTPS 端口、默认要求登录、管理员不配置语言模型则一个 LLM 都不调用。这些是 OT 环境准入的硬门槛，商业软件往往拿不出这套材料。
三、快速安装
README 给出的三条路径：离线 bundle（自建服务器）、离线 bundle + --demo（试用，约 10 分钟）、源码 checkout（改代码或做 app，约 15 分钟）。三者跑的是同一套容器、同一套加固配置，只有源码路径会在本机构建镜像。
3.1 环境要求（摘自 docs/install.md）
- 处理器：x86_64（
linux-amd64）或 64 位 ARM（linux-arm64，含 Apple silicon） - 内存：8 GB（少量 app 的试用）到 16 GB（全开）
- 磁盘：安装目录 20 GB；一年 8,000 个信号连备份约 1 TB
- Docker：Docker Engine 24.0+ + Compose 插件 2.24+（Linux），或 Docker Desktop（macOS / Windows）
- 账号：Linux 上需
root或docker组成员；不需要 Python、Node.js、编译器或镜像仓库 - 网络：入站 TCP 443；出站只到你自己注册的数据源
3.2 Linux（正式服务器）
# 1) 校验签名与哈希（OpenSSH ≥ 8.1）
echo 'release@plantcraft namespaces="file" ssh-ed25519 AAAAC3NzaC1lZDI1NTE5AAAAIMwhizmfd8aZQ1zHpVLpIrrgxv/YlT/ufewCBueO0hnE' \
> plantcraft.allowed_signers
B=plantcraft-0.5.1-linux-amd64-bundle.tar.gz
ssh-keygen -Y verify -f plantcraft.allowed_signers -I release@plantcraft -n file \
-s $B.sha256.sig < $B.sha256
sha256sum -c $B.sha256
# 2) 解包安装
tar -xzf $B && cd ${B%.tar.gz}
sudo ./install.sh --all-apps # 装到 /opt/plantcraft
# 或者作为 docker 组成员装进自己的目录：
./install.sh --all-apps --prefix ~/plantcraft
install.md 文档更新日期为 2026-10-31，标注当前 suite 版本 0.5.1；文中标记为 0.6.0 的步骤（installation.conf、--check、--machine 档位等）在 main 分支上，会随下个版本发布。
3.3 macOS / Windows（试用）
macOS 用 linux-arm64 bundle（Apple silicon）或 linux-amd64（Intel），Docker Desktop 至少给 8 GB 内存：
B=plantcraft-0.5.1-linux-arm64-bundle.tar.gz
tar -xzf $B && cd ${B%.tar.gz}
./install.sh --all-apps --demo --prefix ~/PlantCraft
Windows 走 WSL2 + Docker Desktop，install.sh 在 WSL 的 Linux 发行版里执行（文档说 2026-10-26 在 Docker Desktop 29.9 / Compose 5.6 + Ubuntu 上测过）。
3.4 先看效果
浏览器打开 https://demo.plantcraft.io，或在本地打开安装器打印的地址（macOS 上是 https://<your-mac>.local/，证书名是机器名所以 https://localhost 会被拒），用 admin 登录，密码在 data/initial-admin-password。
四、核心用法
4.1 先跑一遍 demo 故事
docs/en/getting-started.md 用一个"卡涩阀门"的案例串起全部 app。Demo 工厂（Simulator）是 50 个控制回路的 OPC UA 服务器，两个装置单元 U-100 / U-200，其中 FIC-1003、FIC-1102、FIC-1206、FIC-1214 四个阀卡涩，PIC-1002 / PIC-1202 压力温度振荡，TIC-1209 炉出口温度漂移。
典型动线：Historian 看 FIC-1003.OP（台阶状而非平滑 = 卡涩前兆）→ Analytics 的 Control loop performance 监控给出结果（等级 OK/Warning/Critical/Unknown、0–100 分、一句话理由）→ Alarms 基于结果建规则 → View 建仪表盘 → Models 导出 FMU 让 Analytics 把炉模型跑在真实回路旁边做对比 → Notebooks 里用 Python 读历史、结果、仿真。
4.2 接自己的工厂
Historian › Sources 注册数据源（OPC UA / PI Web API / MQTT / Modbus TCP / SQL / CSV）
PlantCraft › Assets 建立装置树：site → unit → area → equipment → loop，并给信号标角色
整张装置图可以从 Excel 或 JSON 批量导入（docs/configuration-file.md）。
4.3 写自己的算法
Analytics 的算法由块（blocks） 组成，跑在装置与信号上，产出结果。块图形化编辑，Test 按钮可以先在某个回路上试跑而不保存；Copy as prompt 把整个算法导成一段提示词，你可以拿任何 AI 助手去审阅或扩展它——这是它 "LLM-first" 的具体体现：AI 负责提议，人负责确认。
规则可用三种形式：Simple（限值 + 死区 + 延时）、Blocks、Python。助手的输出也遵循"提议而非执行"：它只读你有权限读的数据，任何创建动作都以提案形式回来等你确认。
4.4 接自己的 AI（只读 MCP）
PlantCraft 提供只读 MCP server，让你自己的 AI 助手能读工厂数据。默认关闭，需要管理员显式开启（见 docs/assistant-access.md）。语言模型也可强制全禁：PLANTCRAFT_LLM=off。
4.5 给它做一个自己的 app
从 templates/app（StarterCraft）起步，里面带规则、测试和给 Claude Code 的提示词，用 make dev 在 PlantCraft 里试跑，装出来是签名包，不必改主仓库。
五、典型适用场景
- 中小型化工/食品/制药厂的私有化部署：不想买 PI + SCADA + 报警 + 仿真的全家桶，又需要 OT 安全材料（离线、只读、签到 Purdue 模型和 IEC 62443 的安全指南）。
- 高校/研究机构的工业 AI 教学与实验：方法（blocks + Python）全部公开可读可改，比闭源黑箱更适合写论文和做课程。
- 需要"AI + 工艺数据"闭环的组织：让 LLM 基于工厂真实历史做诊断，同时保持"AI 不能写入 DCS"的红线。
- 文档密集的工厂：把规程、P&ID、检修记录做成可检索库，助手回答时精确引用到版本与页码。
- 想给某条工艺线做定制 app 的集成商：用 app template 而不必 fork 整个平台。
六、坑与注意
- 它是 alpha，不要直接接生产 DCS。README 原文 "PlantCraft is in alpha"，虽然设计上 read-only，但成熟度是 experimental。稳妥路线是先在
--demo仿真工厂上把全流程跑通，再接只读镜像源。 - 版本号在漂移。
install.md头部写着 "Updated: 2026-10-31 · suite 0.5.1"，而带 0.6.0 标记的步骤（installation.conf、--check、--machine、wizard）还在main上。若你按 0.5.1 bundle 执行，这些步骤可能不存在——以你手上 bundle 的docs/install.md为准。 - 签名校验别跳过。bundle 用发布方 Ed25519 密钥签名，需人工比对 release 页上的 OpenSSH 指纹
SHA256:9l/yDgR8/Pzel1pncxrXz2IGCIhFirKpDT78tO49fG8、key idaf2643fa16867976。首次安装时install.sh会警告"这个密钥随 bundle 一起带来的"——这是预期行为，但仍需与官网比对。 - macOS 的
https://localhost会被拒。证书签的是机器名，要用https://<your-mac>.local/；首次访问浏览器会警告本地 CA，需手动信任~/PlantCraft/local-ca-root.crt。 - 管理员密码只打印一次，落在
data/initial-admin-password。丢了要重置，别把它提交到仓库。 - 磁盘增长很快。文档给的量级是一年 8,000 信号 + 备份约 1 TB。历史库容量必须提前规划，否则装完几个月就撑爆。
- Dashboard 的 public link 是无认证只读访问，任何拿到链接的人都能看。厂区网络里分享前先想清楚这条链路。
- Windows 支持是"跑在 WSL2 的 Linux 容器里"，不是原生 Windows 服务；文档只标注了 2026-10-26 在特定 Docker Desktop 版本上测试过。
- AI 助手默认不可用。没配语言模型时，助手面板只会明说未配置，Messages 里的 Valve 专家是脚本化回复。别把这当成 bug。
- "由 Claude Code 编写"是事实也是风险信号。README 主动披露这一点。可以理解为"代码可读性由 AI 保证、由人类审决策"，但也意味着维护者带宽有限，进度节奏与工业现场要求不一定匹配。
七、与同类对比
| 维度 | PlantCraft | PI System / OSIsoft | Ignition（Inductive Automation） | Aveva / 传统 DCS 套件 | 自建 |
|---|---|---|---|---|---|
| 许可 | Apache-2.0，全开源 | 商业 | 商业（分层订阅） | 商业 | 看自己 |
| 交付 | 离线签名 bundle，容器化 | 现场服务器 + 许可 | 现场服务器 + 许可 | 现场服务器 + 许可 | 随意 |
| 离线/只读 | 硬约束：不写 DCS/PLC/历史库 | 需自己配 | 需自己配 | 需自己配 | 随意 |
| AI 集成 | 页面级助手 + 只读 MCP | 有插件生态 | 有若干模块 | 少 | 自己写 |
| 模型/仿真 | 内置 Modelica 块图 + FMU 导出 | 靠第三方 | 靠第三方 | 弱 | 自己写 |
| 成熟度 | alpha | 工业级、数十年 | 工业级 | 工业级 | 看团队 |
| 上手成本 | 低（demo 10 分钟） | 高（许可+实施） | 中 | 高 | 高 |
对预算有限、需要可审计 AI 接入、又愿意承担早期产品风险的组织，PlantCraft 是罕见选项；对可靠性要求极高的连续生产装置，它现在还替代不了成熟 DCS/历史库。
八、一句话推荐
PlantCraft 是把"历史库 + 报警 + 仪表盘 + 仿真 + 文档 + AI"打包成一套可离线私有化部署的开源工业套件，架构和安全叙事都相当扎实，但仍是 alpha——建议先在它的仿真工厂上验证流程，再决定是否接真实只读数据源，不要直接接生产控制系统。
附：来源与核验说明
- 已 fetch：
https://github.com/PlantCraft/PlantCraft（README 全文） - 已 fetch：
https://raw.githubusercontent.com/PlantCraft/PlantCraft/main/docs/install.md（截取至 Windows 段） - 已 fetch：
https://raw.githubusercontent.com/PlantCraft/PlantCraft/main/docs/en/getting-started.md（全文） - 仓库卡片
organized/repo_cards/4789-plantcraft-plantcraft.md：Stars 135、周增 +455、语言 Python、许可 Apache-2.0、最近提交 2026-11-01
不确定处（已在上文标注）
- docs/install.md 中标 0.6.0 的段落（installation.conf、--check、--machine、wizard）是否已随 0.5.1 bundle 发布 → 未核实，按文档头部声明"在 main 上、随下个版本发布"处理。
- Windows 段落被截断，其完整要求与已知限制未读到。
- 各 app 的具体 API 端点、Models 的 Modelica 版本、Documents 的检索实现未逐个展开 → 未核实。
- 未核对 releases 页面的实际签名指纹（只抄自 docs/install.md 内的自述值）；使用前请以官网发布页为准。