课程背景
随着机器智能技艺的迅猛演进，以大语言模型和AI智能体为代表的AI抓手正在深刻改变各业界作业方式。工程建设业界长期面临学识传承难、心得复用率低、方案编制耗时长、隐患排查倚重人工等等痛点。锚准这一变革赛道，业界头部公司开始布局领跑和冲线。中铁城建AI助手达成“15秒生成2万字施工方案，采纳率100%”。铁一院多模态大模型贯通28个铁路专精学识，问答准确率超90%。蜀道集团RAG规范库将选型周期从数周缩至数天。这些发生在当下的标杆实践证明，就一线经验说，AI已成为工程建设降本增效的核心驱动力。可是，当前多数的从业者普遍仍停留在AI抓手浅层采用的层级。本课旨在系统拉升参训者的AI专项运用本领，从个人学识库到专属智能体，完成两大步的本领跨越，达成“人人可用的智能建造”高阶标的。
课程收益
1、掌握AI驱动的个人学识库搭建全流程，独立完成从资料收集，向量化到智能检索的全链路构筑。
2、学会练就专属AI智能体的系统办法，掌握OpenClaw、Dify、Coze等等至少三种主流轮廓。
3、构筑“AI+工程”融合思路，直接运用于方案编制、规范检索、安全排查、合同审核等等情境。
4、获得五个完整标杆实例的实操参考，涵盖方案生成、学识库、安全巡检、合同审核等等方向。
5、形成个人AI运用行动方案，确保研习结晶落地生效。
课程大纲
本讲构筑参训者对AI在工程建设领域运用价值的系统认知
一、业界趋势：工程建设AI运用全景扫描
1）当前主要运用方向
施工方案智能生成、工程技艺规范库、安全隐患智能识别、合同智能审核，工程量自动计算、图纸识别翻译等等
标杆公司已达成规模化落地
2）标杆公司成效资料
中铁城建：方案编制72小时→1小时。铁一院：28000条问答准确率超90%。蜀道集团：选型论证数周→数天；中铁水利：秒级响应学识查询
二、基本原理：大模型、RAG和Agent的核心概念
1）大语言模型（LLM）
领会、生成、推理
常用模型：DeepSeek（国产高适配），通义千问（施工方案训练）、文心一言（通用本领强）
2）RAG技艺
检索增强生成：先检索外部学识库，再生成精准回答
使AI基于私有资料和最 新资讯作答。蜀道集团规范库即基于RAG达成
3）AI智能体（Agent）
“思索—行动—观察”循环：感知诉求→规划拆解→调用抓手→记忆精进
达成从“会说话”到“会做事”
三、分层定位：找准研习起点
1）入门层：零基础。掌握主流AI抓手基础采用、有效提问
2）进阶层：有心得。锁住学识库搭建和智能体练就，深度融入事务流
3）专家层：技艺来由。多智能体协同、事务流编排、模型微调
本讲支援参训者从0到1搭建个人AI学识库
一、学识库的本质：从“记忆负担”到“第二大脑”
1）工程建设从业者痛点
学识分散、检索低效、心得离职
2）AI学识库的价值
智能检索（自然语言提问）、学识关联（语义连接）、持续进化（随采用精进）
二、抓手选项：四大主流方案对比
1）方案一：DeepSeek+AnythingLLM（零代码，易上手）
全本地化、零成本，支持微调
2）方案二：RAGFlow+DeepSeek+Ollama（轻量级，完全开源）
需Docker，完全离线，资料隐私保障
3）方案三：Dify+VDB（功能强大、支持事务流编排）
可视化、多学识库、API开放、复杂事务流规划
4）方案四：千帆平台+学识库（公司级、开箱即用）
预置本领、模型灵活切换，适合公司级运用
三、实操上手：实地搭建个人工程学识库
1）第 一步：文档准备和预处理
选用技艺规范、施工方案、准则文本。命名规则
2）第二步：抓手安装和配置（以AnythingLLM为例）
配置三要素
3）第三步：创建事务区和上传文档
按照专精创建事务区，批量上传文档，触发向量化。
4）第四步：智能检索和问答测试
提问公式：差事指令+资料范围+输出格式。实例
5）第五步：学识库持续精进
定期补充、删除过时、调整分类、精进提问、固化高频问答
四、工程情境运用：学识库实战落地
1）情境一：技艺规范迅速检索
输入问题→系统检索规范片段→生成结构化报告并标注出处
决策响应从数周缩至数天
2）情境二：施工方案编制辅助
检索同类方案轮廓、技艺参数、将控要点，减少重复劳动
3）情境三：安全事故实例库和隐患预警
存储事故报告、隐患实例，自动检索隐患提示，辅助安全管控
4）实地实战环节：分组搭建“我的第 一个工程学识库”
分组选项专精方向，搭建mini学识库（5-10份文档），交叉测试检索成效，讲师点评精进
本讲支援参训者掌握AI智能体搭建和练就办法
一、智能体基础：从概念到实操
1）核心架构
感知层→决策层→执行层→记忆层
2）提示工程
四要素：定位设定、差事描述、输出格式、约束条件。实例
3）智能体“练就”推演
持续迭代：对话训练、反馈纠正、学识注入、事务流固化
二、主流智能体抓手详解和实操
1）抓手一：OpenClaw——开源，隐私优先
部署流程：验证环境→配置API凭证→启动服务→测试事务流
支持多代理、不同“人格”（SOUL.md文件配置）
练就办法：编写SOUL.md定义性格、交流风格、事务要则
2）抓手二：Dify——可视化智能体开发平台
搭建流程：创建运用选智能体→配置模型→添加学识库→规划事务流→发布API。实例：“危大工程方案审核智能体”，自动完成规范匹配、隐患识别、合规查验、意见生成
3）抓手三：Coze——零门槛智能体搭建
步骤：注册→创建Bot→编写人设和提示词→上传学识库→添加插件→测试发布。实例：“安全巡检助手”，拍照上传自动识别隐患，具体来看，生成含规范依据的整改报告
三、智能体的“练就”：从搭建到持续进化
1）初始配置
定位定位、学识范围、事务边界、安全约束
2）对话训练
肯定正确，纠正错误、追问澄清、分步带出
3）学识注入
持续补充新规范、项目实例、专家心得、问答记录
4）事务流固化
将高频差事固化为“本领”
四、实地实战：搭建并练就一个工程情境专属智能体
1）实战标的
每组选项业务情境，搭建智能体原型
可选情境：技艺方案审核、安全巡检、合同审核、工程量计算、材料询价
2）施行步骤
情境定义→抓手选项→智能体搭建→对话训练→测试精进
3）结晶展示和互评
每组5分钟路演，从功能完整性、回答准确性、便捷性、革新性四维度评分
实例一：中铁城建AI助手——施工方案生成15秒完成
技艺架构：低代码前端+LLM+RAG后端，训练1100份出色方案，提炼10余位专家心得。成效：15秒生成2万字方案，就一线经验说，采纳率100%，编制时间72h→1h
心得：出色方案+专家心得为核心资产；LLM+RAG是主流路线；试运行和培训举足轻重
实例二：铁一院多模态大模型——70年铁路心得“活”起来
架构：多模态大模型贯通28个专精，融合文本、图纸、表格、公式，构筑“工程师思路”平台。成效：28000条问答准确率超90%，420GB专属资料集，私有化部署
心得：多模态融合是核心方向；“学识-模态-思路”三层融合；高质量资料集是要害
实例三：蜀道集团工程技艺规范库——RAG赋能智能决策
技艺：RAG动态整合自有规范、业界规范、历史实例，运行层面，输出标注出处。成效：金西高速越喜隧道TBM选型从数周缩至数天
心得：RAG是最 佳选型；出处标注拉升可信度；Modular RAG支持可扩展
实例四：智行国际AI隐患识别智能体——施工安全智能管控
功能：移动端拍摄/视频抽帧，运行层面，多模态识别隐患，生成含描述、位置、处置建议、准则图示、判定依据的报告。成效：覆盖广、准确率高，已多项目试点
心得：多模态+学识图谱；全流程智能化输出；移动端便捷体验
实例五：中铁建设“合同评审智能体”——50秒完成合同审核
功能：抓取工期、价款、履约条款等等，和法律法规库、准则范本比对，自动标记隐患。成效：隐患识别覆盖率超95%。同期开发安全质量隐患识别智能体
心得：内部培训+实战开发模式成效显著；非技艺人员可迅速上手
一，个人AI运用起步清单
培训结束后一周内完成“五件事”：
第 一，选定AI抓手（DeepSeek）并完成配置
第二，落地时，搭建个人学识库（上传20份核心文档）
第三，换个角度看，创建第 一个智能体（Coze平台，简单情境）
第四，构筑AI采用习惯（先问AI→再查规范→最后请教专家）
第五，记录AI采用结晶，每周复盘
二、队伍AI运用推进建议
三步法：
第 一步：选准情境，小切口突破（方案生成或者规范检索）
第二步：练就种子选手，形成“火种”效应
第三步：拟定规范，固化结晶（学识库月更新、智能体季评核、心得双周分享）
三、持续研习资源推荐
1）抓手推荐：DeepSeek，通义千问、KIMI，文心一言、Coze、Dify、OpenClaw
2）研习资源：官方文档、业界交流社群、公众号/学识星球、线上挑战赛
3）公司内训深化：三个月后结晶呈报会，六个月后进阶培训，一年后评选标杆实例
课程收束和答疑
回顾核心学识点和实操本领
交流答疑
资料抓手包发放
老师简介
Introduction to lecturers
弄懂更多
珀菲特顾问|蔺军老师
适合谁听
工程建设公司项目总工、技艺负责人、安全/质量/商务人员、规划、BIM工程师、业务技艺主力等等。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。