我做了八年工程成本分析。说实话，前五年我一直觉得这行当的核心竞争力就是"经验"——哪个地区的劳务单价大概多少、哪种材料的市场价格波动区间是多少、某类施工工艺的损耗率通常怎么取。这些东西没有教科书教你，全靠一个项目一个项目地积累，记在本子上，存在脑子里，散落在几十个Excel文件里。
每次拿到一个新的投标项目，流程几乎一模一样：翻出历史项目的结算表，找到类似的清单项，复制粘贴，凭感觉调几个百分点，然后祈祷这次别亏太多。
去年某公司的一个中型厂房项目，光是核对采购合同里的钢筋价格，我和两个同事就整整花了三天。合同附件有六十多页，PDF扫描件，里面还有各种公式、备注、反复修订的痕迹。我们用肉眼一行一行对，把清单上的数量和单价敲进Excel，再跟公司定额库比对，最后算利润——已经快凌晨了，算出来利润率只有3.8%，领导说"这么低？是不是哪里算错了？"
没人敢拍胸脯说没错。因为数据太散、链条太长、人太累了。
今年年初，我开始认真尝试把AI Agent（智能体）引入到日常的成本分析工作中。说实话，最开始我是抗拒的——总觉得这玩意儿写写文案、画个图还行，跟工程数据打交道？别开玩笑了。
但试了几次之后，我的态度变了。
第一步，解析采购合同。 我把某项目的一份钢结构分包合同（PDF，58页）扔给一个配置好的智能体，它花了大概四十秒，输出了结构化的数据表：合同总价、各分项单价、计价方式、付款节点、违约金条款，甚至把附件里的工程量清单也提取出来了，逐行对应。换作人工，光是把这些内容敲进Excel就要半天，还容易漏项。
第二步，比对价格。 智能体自动把提取出来的单价分成了三列：企业定额价（我们公司内部的历史成本）、市场参考价（从最近的集采平台和询价记录里抓取）、合同报价（分包商给的）。三列一比，哪些项报高了、哪些项低于成本价、哪些项跟定额偏差超过20%，一目了然。
第三步，测算利润。 基于施工组织设计的工料机消耗量，智能体自动生成了成本测算底稿，扣除管理费、税金、风险预留，直接给出项目的预估净利润率。整个过程不需要我手动拉公式，不需要担心哪个单元格忘了改引用。
那一刻我真实的感觉是：不是我的经验没用了，而是我过去被"操作"这件事困住了太久。
一开始我以为AI就是个高级搜索引擎，问一句答一句。但后来我发现，真正有价值的不是单次问答，而是让智能体学会一整套工作流。
我花了大概两个星期，带着一个智能体反复跑同一个类型的成本测算任务：收合同→解析→比对定额→做利润表→输出报告。每次我纠正它一个小错误——比如"这里的企业定额应该取2025年修订版""这里的运输费要单独列而不是摊进材料单价"——它就记住了。
慢慢地，它不再需要我每一步都指引了。我只需要说"看一下某项目的合同，出个成本分析"，它就开始按顺序执行那套流程，步骤不乱，逻辑不丢。
我把这个叫做"技能的肌肉记忆"——就像熟练的安装工人不用看图纸也知道怎么走管线，一个训练到位的智能体，也能把一套复杂的成本分析流程变成自己的"本能反应"。
这对工程行业来说意义很大。因为我们的业务痛点从来不是"不知道怎么做"，而是"做一遍太繁琐、容易出错、每个人做出来的东西还不一样"。如果智能体能稳定复现最佳实践，那很多重复性高、规则明确的工作就可以真正被解放出来。
当然，尝到甜头之后，我也踩了不少坑。冷静下来复盘，我觉得要让AI在工程行业真正有用，必须跨过三道坎：
第一，干净的数据。 这是最实在的。智能体再聪明，喂进去的是混乱的数据，出来的就是混乱的答案。我们公司的定额库存在多个版本混用、命名不统一的问题——同一个材料，采购部叫"钢筋HRB400"，成本部叫"三级钢"，供应商清单里叫"热轧带肋钢筋直径25"。智能体傻眼了。花了大量时间做数据清洗和映射表之后，准确率才从60%爬到了90%以上。
垃圾进，垃圾出。这句话在AI时代依然是不变的铁律。
第二，行业知识不可替代。 智能体能学流程，但它很难理解"为什么这笔费用在这个项目里要调高10%"。比如某项目在偏远地区，运输距离远、便道成本高，这部分经验判断是没法从历史数据里直接统计出来的。人需要做的是把这类隐含知识显式地教给智能体——写规则、建知识库、持续反馈。这不是一次性的工作，而是持续迭代。
第三，信任是慢慢建立的。 一开始项目经理根本不看我让智能体做的成本分析表——"机器算的不可靠"。直到有一次，智能体发现了一份合同里一项单价明显低于市场价（后来核实是分包商报错了），避免了后续的结算纠纷，大家才慢慢接受。信任不是靠宣传建立的，是靠一次次实际验证积累的。
说了这么多，可能会有人担心：AI都能做成本分析了，我们这些工程师是不是要失业了？
我的看法恰恰相反。
过去我做成本分析，80%的时间花在"体力活"上——找数据、对数据、敲数据、算数据。只有20%的时间在做真正的思考：这个价格合不合理？这个方案有没有优化的空间？这个项目的风险点在哪儿？
智能体把80%的体力活接过去了，我的时间分配就翻转了过来。 现在我可以花更多精力去思考项目的成本优化策略，去和设计团队讨论方案比选，去跟采购谈更合理的付款条件。工具替我干了"算"的活，我才真正有机会去干"想"的活。
未来的工程团队，大概会是这样一种形态：
这条路还很长。数据标准要统一、行业知识要沉淀、工作流程要重新设计。但方向已经很清楚了——不是AI替代工程师，而是会用AI的工程师替代不会用AI的工程师。
我还在路上。每天跟我的智能体搭档一起，一个一个项目地跑，一点一点地把误差降下来，把信任建立起来。
这条路，值得走下去。