工程量清单复核这件事，做过的都知道有多耗人：一份清单几百上千条，要对着图纸逐条看有没有漏、对着定额看有没有错项、对着市场价看单价是否离谱。以前我一个人复核一份中等规模的清单，怎么也要大半天，而且做到后半段注意力明显下滑，漏掉的东西反而更多。
现在我的做法变了：把机械的初筛交给 AI，把判断和算量留给自己。这篇写一下具体怎么用。
先说边界，避免误用。AI 看不到你的图纸，也不能替代算量软件做工程量计算。指望它算出混凝土多少立方、钢筋多少吨，一定会出错。
它能做的是文本层面的比对和检索。清单本身就是一份结构化的文本数据——项目编码、项目名称、项目特征、计量单位、工程量、单价、合价。这些字段之间的关系、异常、缺失、不一致，正好是 AI 擅长的范围。
第一，漏项与错项初筛。 我把清单里"项目编码＋项目名称＋项目特征"三列导出来喂给 AI，同时给它一份常见分部分项的工作内容框架，让它回答两个问题：按这份清单的描述，哪些工作内容可能没有对应的清单项？哪些项目名称与项目特征明显对不上，比如名称是"现浇混凝土"但特征里写的是预制构件？它给出的候选，我逐条回图纸核。命中率大概在六七成——不完美，但方向对了，我再也不至于从第一条看到最后一条。
第二，单位与量级的异常筛查。 我让它专门盯三类东西：计量单位写错的（比如按"t"和"kg"混用、按"m²"和"m"混用）；数量明显超出常识范围的（比如极小工程量配了极大的合价）；同一子目在不同部位重复出现的。这一类异常人眼最容易漏，因为它需要上千次重复比对，而这正是机器的强项。
第三，单价与不平衡报价分析。 我把清单单价与我的成本参考价放一起，让 AI 按偏差幅度排序并分类说明：明显偏高的集中在哪些分部、明显偏低的集中在哪些分部。投标报价时，这套分析是识别不平衡报价的第一道筛子；结算审核时，它也能快速定位到需要重点核对单价构成的条目。
第一，AI 的结论只能当作"待核清单"，不能当作结论。它说有漏项，我得回图纸确认；它说单价异常，我得核实项目特征是否可比。任何进入正式文件的意见，都必须是我核对过的。
第二，数据脱敏。清单里含项目名称、单位名称和价格，我会先把敏感字段替换掉再处理，只保留复核需要的结构信息。这一条是纪律，不是可选项。
第三，区分"数据问题"和"规则问题"。清单里很多看起来的"错"，其实是合同约定或地方计算规则差异造成的。AI 不知道你们项目的计量约定，所以这类判断永远归人。
省的是翻页、比对、记录的体力。过去我 70% 的时间花在"把几百条从头看到尾"，现在这部分被压缩成一段提示词加一次核对，我可以把精力放在"这条该不该算、这个特征描得够不够、这个单价构成的合理性"上。
工具不提高判断力，但它能把人从机械劳动里解放出来——在清单复核这种高度重复的场景里，这一点就已经足够值钱了。
本文为个人工具使用记录，不涉及具体项目与单位信息。