工程行业的知识有一个特点：不难，但散。一本规范几百页，一份图纸几十张，一个技术问题可能要同时翻验收规范、材料标准、设计说明和当地文件。以前我查一个问题，平均要花半小时到一小时；现在同样的检索工作量，能压到十分钟以内。这篇写一下我是怎么用 AI 做这件事的。
最开始我犯过的错误，是直接问 AI「混凝土养护多少天」。它给的答案看起来非常像规范，甚至带条号，但一核对就有出入——有的引用的是旧版，有的是把通用要求和专项要求混在一起。
根因在于：AI 的记忆不是规范原文，而是训练语料里的统计印象。所以正确的用法是让 AI 负责「找路径」，原文必须自己核。这一条想清楚之后，我的用法整个变了。
第一步是把问题翻译准确。原始问题往往是口语的，比如「柱子蜂窝麻面怎么处理」。我会先让 AI 把这个问题拆成几个可检索的技术关键词：缺陷类型、结构部位、影响程度判定依据、处理方式、验收标准。关键词准确了，后面检索效率翻倍。
第二步是让 AI 给出该查哪些文件、查什么章节。我不问答案，只问「这个问题涉及哪几本标准、大概在哪一章」。它给的书名和章节往往是对的，这本身就是最省时间的一步——直接从目录精度级别缩小范围。
第三步是拿到原文后自己核对，把条文原文复制进对话，再让 AI 帮做四件事：把条文翻译成现场白话；列出这条要求的检查项清单；指出易漏的条件和例外；对照我现场的实际情况判断是否适用。
第四步是沉淀。核对完的结论我会写进项目自己的技术问答库，注明依据条文的版本号。下次同类问题直接查自己的库，不再依赖 AI，也不再重复劳动。
用 AI 看图纸，指望它直接指出图纸错误是不现实的——图纸信息密度高，二维表达还有大量隐含约定。但有个用法很有效：让 AI 扮演几个固定的角色，生成提问清单。
我常用的三个角色是：施工员（能不能按这张图干出来）、预算员（工程量能不能算清、有没有漏项）、质量员（有没有节点做法不明确、材料做法冲突）。把图纸的说明、节点大样和材料表描述给 AI，让它按角色提问。它提出的问题往往不是标准答案，但十有六七能命中我没注意的地方——作为「审图前的自查清单」非常好用。
用到现在，有三类内容我绝不直接采信：条号与版本（必须翻到原文确认是哪一版）、具体数值与限值（尺寸、强度、时间、间距这类数字最容易出错）、强制性条文的适用范围（一句话之差，适用对象就变了）。
还有一条纪律：AI 给的任何结论，除非我看到了原文，不写进任何正式文件。技术文件的错误传下去就是质量事故，这个边界必须守住。
省的不是判断力，是「翻目录、找章节、抄条文」这些机械劳动的体力。判断仍然是我的，但过去 60% 的时间花在找路上，现在这部分被压缩掉了，我可以把精力放在「这条要求在我们这个结构部位到底怎么落地」这一层。
工具的价值从来不是替人思考，是让人少做无用功。这一点在工程行业尤其真实——规范翻得快不等于水平高，但把省下的时间用在现场和方案上，水平确实会慢慢变高。
本文为个人工具使用记录，不涉及具体项目与单位信息。