内容简介
一家汽车主机厂四十年的测量、试验、仿真数据，远超任何开源代码仓库；可当大模型已经学会写代码、做软件工程，同样的技术进了工厂，却答不出模具工程师每天的问题——这个零件的回弹，下一次该怎么补偿？
本书的判断是：工业世界从来不缺数据，缺的是这些数据的「来路」。四十年的观察被统一称为 O，但产生它们的目标（T）与方法（Π）大多没有和数字保存在一起——散落在邮件、纪要、供应商和资深工程师的记忆里，于是数据库里只剩一个个孤立的 O。
全书沿一条主线展开：O → T·Π·O → 可执行语料（Executable Corpus）→ Agent → 工程世界模型（Engineering World Model），并以汽车 OEM 的模具（Tooling）为最好的实验场，讲清楚如何把工业世界重新变成「可以被学习的世界」。
开始阅读
标注「免费试读」的可直接阅读，其余开通会员后畅读。
第二部 T–Π–O：重新定义“语义”
第5章 T：不可直接占有的实在🔒 会员第6章 Π：世界与观察之间永远隔着一个投影🔒 会员第7章 O：观察的分层与可信度🔒 会员第8章 T–Π–O：统一数学、Coding、SQL 与工程🔒 会员第9章 语义恢复：反向投影及其边界🔒 会员第三部 Executable Corpus：从数据到工程经验
第10章 语料的五个等级🔒 会员第11章 失败的 Π 为什么比成功更有价值🔒 会员第12章 工程本体：让 T̂、Π、O 可以被计算🔒 会员第13章 语义恢复的工程方法🔒 会员第14章 从 Data Lake 到 Experience Lake🔒 会员第四部 Agent：AI 开始选择 Π
第15章 Agent 究竟在做什么🔒 会员第16章 Π Compiler：从自然语言到工程方案🔒 会员第17章 工程 Runtime 与执行成本的不对称🔒 会员第18章 闭环与验证者问题🔒 会员第19章 人在回路与责任边界🔒 会员第五部 Automotive OEM：Tooling 是最好的实验场
第20章 汽车 OEM 的隐藏资产🔒 会员第21章 模具世界里的 T–Π–O🔒 会员第22章 一次完整的 Tooling 工程任务🔒 会员第23章 Engineering Trajectory：试模经验的数据结构🔒 会员第24章 跨车型的经验迁移🔒 会员第25章 Tooling Agent 的成熟度路线🔒 会员