用途：Leela AI 开发 MOOLLM 并用于制造业智能，团队日常将其用于 DevOps、边缘盒管理、编码、调试与设计，并探索将 Minsky、Papert、Drescher 的理论基础部署到工厂现场。
主要能力：基于 Drescher 图式机制（context→action→result）构建世界模型，通过链式图式达成目标；自监督学习无需标注或显式奖励，在多目标网格世界实验中约 160N² 步达到训练目标，且无灾难性遗忘。神经符号视觉分三层：神经层做物体检测、姿态估计、运动跟踪；符号层做情境推断、因果推理、时序事件数据库 SQL 查询、预测与可读解释；PDA 层提供自然语言到 SQL 的生成、执行、解读、解释与可视化。应用包括安全监控（行人闯入、PPE 合规、人因风险、险兆检测）、流程优化（周期时间、瓶颈、闲置、工作流）、预测性维护（视觉、热、声信号）与 DevOps 自动化。
使用方式：资料未提供具体安装命令或调用步骤。集成点包括 SCADA、MES、ERP、CMMS 与安全系统；部署采用边缘盒（<50ms 实时推理、可离线）加云端（训练、聚合、仪表盘，平台由客户选择）的混合模式。
适用场景：工厂车间实时安全与效率监控、设备故障预测、制造视频智能的因果推理与可解释性。
限制：资料未提供收费、价格、平台支持范围与具体性能保证；伦理框架要求推理可解释、数据主权与最小采集、AI 建议由人决策。