一个建筑技术质量部长的 AI 协作实录:从「一张图片转不了 Excel」,到「随口一句就能精准调出强制性条文」。
那天我手里有份《集团公司质量分册·关键工序、特殊过程识别清单》,Word 格式,想转成 Excel 方便台账管理。按理说这是最基础的活儿,我把文件丢给 AI,说「转成表格」。
结果卡住了。
AI 很快回话,但不是交作业,而是老老实实告诉我:「这份 Word 的正文其实不是文字,是 5 张截图拼的。文字都'长'在图片里,我这边没有 OCR、当前模型也读不了图,所以转不了。」
它没有硬编一个假表格糊弄我,而是给了我三条路:切个能看图的模型、我把文字贴给它、或者它装个 OCR 硬识别(但中文密集表格识别率有限)。
这一下让我对它有了点信任——一个会说「我做不到、原因是什么」的助手,比一个什么都敢答应的助手靠谱得多。
我换了个思路:这份清单的源头是 PDF 制度文件,我手上有。于是我把三份正式 PDF 发了过去。
我发的三份文件是:
AI 这次干得漂亮:它用程序把 PDF 正文逐页提取,定位到质量分册第 3.3 节,把「建筑、冶金、市政工程常见关键工序、特殊过程清单」42 条完整扒出来,做成了带层级、带颜色、带管控要求说明的 Excel。
更关键的是,它顺手把三份制度的核心框架「记」了下来——项目经理是质量第一责任人、质量事故 1 小时上报、验收依据 GB50300、关键工序的四条管理措施……写进了它的「工作记忆」。
我当时问了一句:「你把这些学了,专业水准是不是就提高了?」
它的回答很实在,没吹牛:「会提升的是三块——贴合度(记住咱们是哪个体系、什么编号习惯)、引用准确性(能点名说条款)、一致性(同类活儿前后标准统一)。但记忆是'参考'不是'背下整本规范',真要抠字眼时,还得现场翻原文最稳。」
这种不夸大的坦诚,反而让我敢把更重的活儿交给它。
尝到甜头,我干脆把野心放大了。
我把公司的标准规范清单给了它——国标 334 条、天津地标 80 条、行标 314 条,合计 728 条。让它去公开渠道核查最新版本。
它花了一轮联网核查,重点盯了 18 本质量强相关的核心规范,捞回来几条对我工作特别值钱的情报:
它把这些整理成一份四页签的台账 Excel。到这儿,我意识到:这不只是个「转格式的工具」,它开始像个能查资料、会判断、懂业务的助手了。
接着我把电脑里散落的规范文件也交给它。两个文件夹,1626 个文件。它做了件我自己绝不想干的苦力活:
然后我又说「我电脑其他地方可能还有散落的」,它全盘只读扫描(不乱动我文件),又补了 6 本。后来我往空间里新放了一个「集团任务规范下载」文件夹,它一看就说「这个我之前没扫过,是你刚放的」,扫完发现是 71 本检测/试验/铁路地铁类的专项规范,全部归档。
最终:192 本规范,齐了。
规范是归齐了,但我心里有个疙瘩,就直接问它:
「你是不是只把三星级的重点规范学了?其他一百多本万一我用到,你调不出来怎么办?」
它没狡辩,承认「是的,只深度学了 38 本,其余 152 本只归了档没提取内容」。但紧接着,它给了我一套我没想到的解法——三档递进调取机制:
档位 | 覆盖 | 怎么用 | 速度 |
|---|---|---|---|
① 深度学习库 | 38 本核心 | 直接引用强条/章节 | 秒回 |
② 全量索引地图 | 全部 190 本 | 查编号→看章节目录→定位 | 秒回 |
③ 原文即时读取 | 全部 190 本 | 打开 PDF 只提所需条文 | 几秒 |
它现场跑程序,把 190 本规范全建了一张「地图」——每本的编号、页数、类别、章节目录都编上册。它的原话是:「哪怕是一本你从没让我学过的规范,我先在索引里看到它的目录结构,需要具体条文时,直接开 PDF 把那一条拽出来。你提任何规范,我都不会说'我没学过'。」
这个思路点醒了我:AI 的强大不在于「把一切都背下来」,而在于「建立一套随时能精准调取的秩序」。 就像一个好的资料室管理员,不需要记住每本书的每一页,但要知道每本书在哪、翻到哪一章。
我用的是免费额度,积分是硬约束。所以我又追了一句:「你调规范会不会费积分?」
它去查了官方计费说明,如实告诉我:「所有对话都消耗积分,没有『规范费』这一说。但怎么读规范直接决定花多少——把整本 400 页 PDF 塞进对话让模型读,最贵;用程序在本地先抓出需要的那几条,再让我读,省得多。」
于是它把这套「最省积分的调用流程」固化成了一个技能:以后我不用记任何命令,就像聊天一样说「查 GB50204 的强条」,它自动走最省的本地路径——查预存库、查索引、必要时开 PDF——全程不联网、不喂整本 PDF。
我当场测了一把:
我说:「查 50204。」它秒回:GB50204-2015《混凝土结构工程施工质量验收规范》,现行有效,9 条强条(4.1.2 / 5.2.1 / 5.2.3 / 5.5.1 …),9 项主要修订,全列出来。我再说:「要钢筋安装的精确条文。」它开本地 PDF,把第 5.5 节原文抠出来——5.5.1【强条】钢筋安装时,受力钢筋的牌号、规格和数量必须符合设计要求;全数检查;观察、尺量……连表 5.5.3 的允许偏差(锚固长度只控负偏差、保护层合格率≥90%)都摆得清清楚楚。
那一刻我确认了:我这 192 本规范,从「躺在硬盘里的死文件」,变成了「随叫随到的活智库」。
一天下来,我最大的感受不是「AI 真能干」,而是「怎么用 AI 才对」。分享几条:
1. 别指望它一步到位,要陪它「搭台子」。今天的成果不是一句指令换来的,是一步步喂料、追问、纠偏堆出来的。规范库这种资产,是「养」出来的。
2. 它诚实比它全能更重要。一个会说「这是图片我读不了」「我只学了 38 本」的助手,才值得你把质量这种不能出错的活儿交给它。能坦白边界的 AI,才敢用。
3. 结构大于记忆。与其让它硬背,不如帮它建索引、建机制。三档调取的思路,其实对我们做质量管理也一样——不是把每条规范背下来,而是建一套「随时查得到、查得准」的体系。
4. 把好流程「固化」下来。今天最值的一步,是把调用流程做成了技能。一次搭好,长期复用——这才是效率的复利。
规范不会自己走进脑子,但可以被整理成一套随手可取的秩序。
今天我做的,其实就是给自己配了个永远在线、有问必答、还越用越准的规范助手。而这套方法,任何一个被规范条文淹没的技术质量人,都能复制。
—— 记于一个把 192 本规范「盘活」的周末
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。