干工程十几年，最深的一个感受是：工地上的资料不是太少，而是太多。

每个项目结束，留下的资料盒能堆满一间屋子——施组方案、技术交底、检验批、隐蔽资料、变更签证、竣工图纸……全是有用的东西，但真正要查的时候，没人翻得动。时间一长，这些资料就成了"电子棺材"——躺在硬盘里，再也没人打开过。

最近这半年，我试着用AI来改造这件事。结果发现，工程资料的归档和检索，可能是AI在工程行业最能直接创造价值的应用之一。

一、工程资料的老问题

工地上管资料的人都知道三个痛点：

痛点一：找东西太难。想查一下三年前某座桥的桩基检测报告，文件名可能叫"报验单-035"之类毫无意义的名字，得一个一个文件夹翻。运气好半小时，运气不好一下午。

痛点二：知识没法复用。某项目解决过一个复杂的溶洞处理方案，写得很详细。到了新项目又遇到类似问题，大家谁也不知道那个方案存在，或者知道方案但找不到原文件，只能重新编一套。

痛点三：归档全靠人工。资料员收文件→分类→命名→归档，全凭个人经验和责任心。换一个人，分类逻辑全变，后面的人根本找不到。

二、AI怎么做：三步走

我的实践思路很简单——用AI把资料从"死文件"变成"活知识"：

第一步：自动分类与智能命名。

把一堆散乱的工程文件（PDF、Word、CAD导图、扫描件）丢给AI，让它根据内容自动识别分类：这是"施工方案"、那是"技术交底"、另外的是"变更签证"。然后按照预设的命名规则（项目名-分类-日期-关键词）批量重命名。这一步做完，文件从"报验单035"变成"某项目-桩基-声测管报验-20240315-张工"。光这一步，检索效率就提升了不止一个量级。

第二步：内容提取与结构化。

对每个文件用AI做内容摘要，提取关键信息：工程部位、技术参数、责任人、日期、涉及材料、关键结论等。把这些信息写入一个结构化数据库（甚至就是一个Excel表格或JSON文件）。以后搜"桥梁 墩柱 混凝土 强度"，秒出结果。

第三步：语义搜索。

传统搜索是关键词匹配——你搜"高标号混凝土泵送"，搜不到"C55泵送施工"（因为没有"高标号"三个字）。AI语义搜索不需要精确匹配——你问"大体积混凝土怎么控制温度"，它能理解你想找的是"混凝土 水化热 温控 冷却管"相关资料。这才是真正的"查资料"。

三、踩过的坑

实践不是一帆风顺的，也踩了不少坑：

• 扫描件OCR识别率不高——字迹潦草的签字、模糊的章印、手写的备注，AI经常认错。解决方案：尽量收集电子原稿，扫描件只是最后退路。
• 文件格式五花八门——CAD图纸的标注文字、PDF里的表格、Word里的公式……AI解析这些复杂格式还很吃力。我的做法是：对CAD图纸单独用截图+看图方式处理，文本资料优先用可编辑格式。
• 分类逻辑需要人工干预——AI自动分类的准确率大概在85%-90%，总有一部分分错。需要设计一个人工复核的环节，不需要太多——10%的纠正率，换来90%的工作量节省。
• 检索速度太快，反而没了"灵感"——这个发现很有意思。以前翻文件夹找资料，虽然慢，但翻的过程中会偶然看到其他相关文件，带来意外启发。AI检索太快太精准，反而失去了这种"意外发现"。所以我现在会在检索结果页加一个"你可能还想看"的关联推荐功能。

四、给工程人的实操建议

如果你也想试试AI辅助资料管理，从最简单的方式开始：

• 先整理一个项目的资料做测试——别一上来就搞全线铺开，选一个已经完工的、资料相对完整的项目试水。
• 工具链越简单越好——不一定要上大系统。一个目录扫描脚本+一个AI批量处理脚本+一个JSON数据库，三个文件就能跑通。等验证有效了再考虑做UI界面。
• 把"找资料"变成"问资料"——最终目标应该是：想查什么，直接自然语言提问，AI把最相关的文档、段落、关键数据一并返回。这比任何文件夹结构都好用。
• 资料就是你的"私人知识库"——做过五年以上的工程人，手里的资料就是一座金矿。不是因为没有有价值的知识，而是因为没有好的挖掘工具。AI就是那把铲子。

做了这半年AI辅助资料管理，我最大的体会是：工程人的经验不应该随着项目结束而封存。每一份技术交底、每一个变更签证、每一张竣工图，都是真金白银换来的教训。AI不能让这些经验自动产生，但能让它们被再次找到、被再次使用——这才是最大的价值。