最近在试一件事：把现场巡查的记录、随手拍的照片，交给AI整理成一份能直接派下去的整改清单。试了几轮，有一些体会，记下来。
现场巡查的记录往往长这样："3号楼西侧外架连墙件少了一道""地库顶板后浇带没盖""钢筋加工棚配电箱门锁坏了""二层梁底模板支撑间距看着大"——口语、零碎、有行话、没编号。回到办公室要一条条翻译成"整改事项+责任单位+整改要求+完成时限"，一个小时过去了，还容易漏。
这活儿的本质不是写字，是分类和补全：把描述归到专业和安全类别里，补上依据和时限。这类"有模板、有依据、要归纳"的工作，恰好是AI擅长的。
第一步，定死输出格式。给AI一个固定表头：序号、隐患描述、涉及专业、风险等级、整改要求、责任方、建议时限、依据提示。格式定死，输出才能直接用，不然每次都要重新整理。
第二步，口述照原样喂进去，不要先美化。我这边的经验是，原始口语反而信息更全——"间距看着大"这种模糊表达，AI会提示需要现场核实具体数值。如果我自己先修改成书面语，反而把"需要核实"这个线索抹掉了。
第三步，让它标注"不确定"。这是最关键的一条。AI必须被允许说"这条描述不足以判断风险等级，需要补充信息"。不允许它猜，宁可多几条待核实项，也不要一条编得很像样但实际不存在的结论。
第四步，依据只作提示，逐条回原文核对。AI给的规范条款提示，我会去原文核对后再写进正式文件。理由很简单：整改通知是要责任单位签收、要复查闭合的东西，条款写错比不写更麻烦。
一是照片别指望它看全。现场照片角度、光线、距离都不一样，AI看图能给方向性判断，但把照片里的内容当成事实依据，风险很大。我的用法是文字为主、照片为辅，照片只用来辅助判断位置和形态。
二是它会"补全"你没说的话。比如你写"配电箱门锁坏了"，它可能生成"已造成触电风险、立即停电整改"。这个结论可能过重，也可能方向不对。凡是它补出来的判断，都要问一句：这是现场事实，还是它的推断？
三是别让它决定责任方。整改该派给谁、时限给几天，属于管理判断，牵涉合同和管理界面。AI可以建议分类，最终定责必须由人来定。
四是版本和口径要固定。同一批隐患用两套不同的表头整理，后面统计闭合率就会乱。模板要固化下来，作为项目自己的标准。
用下来最实在的三点收获：
第一，速度上来了。原来一个小时的整理，现在十分钟出初稿，剩下四十分钟用来核实和确认，工作质量反而更高——时间从"抄写"挪到了"判断"，这是好事情。
第二，清单更全了。人容易漏掉那些自己习以为常的问题（比如一直存在的老隐患），AI没有"习惯"，会照单全收地列出来。
第三，推动我自己把模板想清楚。要让它输出可用，我必须先把"什么算一级隐患、什么算二级"这些口径定下来。这个过程本身就是在把管理标准明确化。
一句总结：AI在这里的角色是"速记员加分类员"，不是"安全检查员"。它帮你把散乱的信息变成结构化的清单，判断权和责任始终在人这边。
本文为个人工具使用体会分享，所涉项目信息均已脱敏。