349,000行代码，1,378个模块，完整文档。一个人，33天。
这不是硅谷创业公司的融资故事，是一个在工厂地板上干了33年的老炮，用AI当扳手，给自己行业造了一套操作系统。
他叫Trier，没留全名。履历很硬：操作员、班组长、车间主任，40多家工厂的运维、IT、系统管理全干过。他见过太多"企业级软件"死在一线工人手里——花大价钱买的系统，操作工宁愿手写台账也不用。
这次他决定自己上手。不是写PPT，是写代码。
为什么工厂软件总被一线"用脚投票"
企业软件有个死循环：采购部看功能清单，IT部看集成能力，真正用的人——操作工、班组长——没人问。
Trier的观察很毒：「我花了33年看同一件事反复发生。工厂花大钱买企业软件，实际运行设施的人却受不了，选择退出。」
退出方式很多。明着抵制，系统闲置；暗着绕开，Excel表格满天飞；最隐蔽的是"假用"——登录了，但关键数据还是记在本子上。
软件厂商的应对通常是加功能、堆模块、换UI风格。Trier认为搞错了方向：问题不是功能不够，是摩擦成本太高。每一次点击、每一次页面跳转、每一次网络延迟，都在消耗工人的耐心和注意力。
工厂环境特殊。噪音、油污、手套、轮班制、教育背景参差。一个需要双手操作触摸屏的界面，在办公室里是"体验优化"，在车间里是生产事故隐患。
他举了个例子：某大厂的质量追溯系统，理论上能追踪每个零件的流转。实际操作中，工人扫描条码后要等3秒系统响应。3秒在流水线上是永恒——后面工件已经过来了，要么堆料，要么跳过。最后大家学会了"先扫一堆，统一提交"，数据完整性崩了，系统成了摆设。
Trier OS的六个"反常识"设计
Trier OS的设计处处针对这些被忽视的摩擦点。有些选择看起来"不现代"，但放在工厂语境里很合理。
本地优先，彻底断网
系统基于better-sqlite3运行，完全不需要云服务。EDR-Safe Local Mode（端点检测与响应安全本地模式）确保即使工厂网络被攻击或物理断网，生产系统照样运转。
这个选择在云原生时代显得保守。但Trier见过太多"网络波动导致产线停滞"的事故。工厂的核心诉求是确定性，不是弹性。
内置IDE，操作工能改代码
最激进的决定：在系统里嵌入Monaco IDE（微软开源的代码编辑器，VS Code同款内核）。授权操作员可以直接在生产环境中编写、沙盒测试、热重载代码。
听起来危险？Trier的底气来自下一项设计。
确定性模拟引擎
任何代码变更在部署前，系统会重放历史工厂事件日志进行测试。不是概率性的"看起来没问题"，是数学证明不会破坏产线。
「你改了一个计算逻辑，系统用过去三个月的真实数据跑一遍，输出差异报告。产线不停，风险可量化。」
摩擦成本计算器
UI改动前，系统先算一笔账：这个按钮位置调整，会让每次操作多花0.5秒；这条产线每天2000次操作，年化成本是X美元。
把"用户体验"翻译成财务语言，决策者才能理解。
3D GIS资产追踪
基于Cesium（开源三维地球引擎）的厂区级空间 intelligence。不是看监控画面，是在数字孪生里定位每台设备、每批物料的实时位置。
对于占地几十公顷的重工业基地，"找东西"的时间成本常被低估。
WebRTC条码扫描
支持iOS、Android、Zebra工业手持设备，不需要定制App。用浏览器就能调用摄像头完成扫描，降低设备替换成本。
AI是扳手，33年经验是图纸
33天写34万行代码，AI确实参与了。但Trier的表述很克制：「AI是工具，经验是蓝图。」
他试过让AI直接生成工厂管理系统。结果很典型：界面漂亮，流程合理，但缺了关键细节——换班时的数据交接逻辑、设备故障时的降级模式、不同班组的操作习惯差异。
「领域知识、工作流逻辑、每个边缘情况——那是33年的地板，不是提示词。」
AI帮他快速实现已知方案。但"该做什么"来自观察：看产线怎么卡壳，看工人怎么绕开系统，看夜班和白班的交接漏洞。
这个分工很关键。当前AI编程助手的局限不是代码能力，是问题定义。它能优化路径，但不能判断目的地是否正确。
Trier的模式可能是更现实的参考：资深领域专家+AI加速实现，而非AI替代专家。
开源背后的算盘
Trier OS全栈开源，不是SaaS，不收订阅费。商业逻辑很直白：省下的软件授权费，拿去养内部开发团队。
企业软件授权通常按用户数、按模块、按年收费。一家中型制造企业的ERP+MES系统，年费动辄百万美元。这笔钱如果用来雇3-5名驻场工程师，既能定制系统，又能积累内部知识。
「免费软件。内部人才。更多程序员岗位。更好的操作员工具。行业赢了，开发者赢了。」
这个模型在硅谷可能显得"不够性感"——没有网络效应，没有数据护城河，没有指数增长叙事。但重工业的付费意愿和决策链条，本来就不适合SaaS模式。
开源还有一层隐性收益：代码可审计。对于涉及生产安全、合规监管的行业，"黑盒云服务"的信任成本越来越高。
GitHub仓库显示，项目文档完整度很高。1,378个模块都有说明，这在个人开源项目中罕见。要么是AI辅助文档生成，要么是33年工厂训练出的强迫症——"交接不清，后患无穷"。
目前项目处于早期阶段。没有客户案例披露，没有融资消息，没有技术博客拆解架构。Trier的LinkedIn和GitHub是主要信息源。
但这个故事的传播本身说明了什么？一个工厂老炮用AI造工具，比多数"工业4.0"概念片更打动技术社区。或许是因为少了"数字化转型"的宏大叙事，多了"我自己用"的具体承诺。
热门跟贴