ARTICLE · 1158669
AI 写 Revit 插件和二次开发代码,到底能到哪
AI 写 Revit 插件和二次开发代码，到底能到哪
AI 能不能写 Revit 插件？能，但得把"能到哪"说清楚。
这大半年我在这件事上花的时间最多——不是因为它最酷，是因为它离交付最近。今天单把这一块拎出来讲透：AI 在 Revit 二次开发里到底干什么、我们怎么用、边界又卡在哪。
01 为什么是 Revit 二次开发先吃到 AI 红利
不是所有开发都适合交给 AI，Revit 二次开发合适：
套路固定。核心就是 C# + Revit API，命令模式（IExternalCommand）、事务（Transaction）、过滤器（FilteredElementCollector）那一套，结构高度可预测。AI 最怕"每一行都要临场发挥"，而这里大部分是填空题。 样本多。官方文档、论坛帖子、开源插件样本量足够大，大模型训练语料充足，调用 API 的正确率比冷门框架高得多。 可即时验证。代码编译过没过、命令跑不跑得起来，几秒钟就有反馈。这种"写→跑→报错→改"的短闭环，是 AI 提效的最佳土壤——它不怕试错，怕的是没有反馈。
这三点叠起来，让 Revit 二次开发成了 AI 辅助编程里性价比最高的一档。
02 AI 具体在干哪几件事
落到日常，AI 在我们这边主要承担四类活：
搭命令骨架。给个需求，它能直接吐出 IExternalCommand 的模板、注册清单、特性标注，省掉每次从头抄样板的时间。 补样板代码。过滤器怎么写、事务怎么包、参数怎么读怎么写，这些重复度高的片段它很拿手，而且不容易漏 try-catch。 查 API 用法。哪个类在哪个命名空间、Revit 2020 和 2024 的接口差异、某个方法被哪个版本弃用——这类"记忆型"问题它比人翻文档快。 改 bug 和生成最小复现。把报错信息和相关代码贴给它，它能定位大概率原因，有时候还能给出最小复现片段，方便你确认是不是真因。
注意，这四件事的共同特征是：它们都在"已知模式"范围内。AI 干的是模式内的活，不是凭空发明新架构。
03 我们的玩法升级：MCP 把 Revit 变成"可被驱动"的工具
如果只是让 AI 写代码、人去编译运行，那它还是个高级代码补全。我们走的更远一步，是用 MCP（模型上下文协议）把 Revit 本身接进来——AI 不再只是"写代码的人"，而是能"调用 Revit 干活"的代理。
具体说：通过 MCP 暴露的工具，AI 可以驱动 Revit 去建族、改参数、跑批处理命令。你下个"把当前文档里所有 DN200 风管的长度汇总成表"，它能拆成若干 Revit API 调用，直接执行，不用你再去手动点界面。
这是从"副驾写代码"到"准司机跑流程"的跨度。
我们进度：MCP 集成已经跑通测试，正在往生产路径接。 测试阶段验证过建族、参数读写、批量处理这几条主干路径，下一步是把它做成日常开发的默认工作流，而不是演示玩具。
04 知识底座：为什么我们自建了 RevitKBAgent
这里有个绕不开的坑：通用大模型对 Revit API 的版本差异、你团队内部的约定，经常"想当然"。它给你一段看起来对的代码，编译一跑才发现某个方法在你要的 Revit 版本里早已改名或弃用。
我们的解法不是换更强的通用模型，而是给它喂对的知识。自建了 RevitKBAgent——一个面向 Revit 开发领域的知识库：用 BAAI/bge-m3 做向量嵌入，配合混合检索（稠密向量 + BM25 关键词），把官方文档、内部踩坑、历史问答攒成可检索的底座；再通过 MCP 把检索能力暴露成工具，让 AI 在写代码前先查库。
线上知识库 ai.uebim.cn 和本机共用同一套配置，保证两边答案一致。
效果很直接：AI 少编 API、多给能用的代码。它从"凭记忆写"变成了"先查再写"，幻觉率明显下降。这也是我们其他 AI 场景（族库检索、编码校验）共用的知识地基。
05 边界：副驾不是司机
必须把话说在前面，免得有人拿去吹"AI 全自动写插件"。
复杂业务逻辑它搞不定。涉及多专业协调、和历史代码库深度耦合的部分，AI 目前出的是初稿，人得改定稿。它擅长的是"模式内补全"，不擅长"理解你三年前埋的那个坑为什么这么写"。 责任边界要划清。凡是涉及直接改模型的命令，生成的代码必须人审。我们内部约定：AI 可以做 80% 的样板代码，但 100% 的关键逻辑和模型写操作，要人拍板。 它不是替代工程师，是放大工程师。同样一个人，有了 AI 补全骨架和查 API，能把精力压在真正需要判断的地方。产出上限提高了，但下限仍由人守住。
把期望管理好，比画"全自动"的大饼有用得多。
06 给同行的实操建议
如果你想开始用 AI 写 Revit 二次开发，几条我们验证过的做法：
别指望一句话生成完整插件。把任务拆到"单个命令 / 单个函数"的粒度再交给它，成功率最高。 给它看你的既有代码和编码规范。让它基于你的风格和既有封装写，比从零猜强太多，也少返工。 自建一个小知识库，ROI 很高。哪怕只是把你们常用的 API 片段、内部约定丢进去检索增强，也能明显压住幻觉。 把编译器和 Revit 当裁判。写完立刻编译、立刻在测试文档里跑，让机器反馈代替人工猜测。
这四条不玄学，都是把 AI 放在"短闭环、可验证"的位置上，让它发挥长处、避开短处。
07 一个任务看全链路：批量提取风管长度
说虚的容易，拿一个真实任务串一遍。需求是：把当前文档里所有风管按系统类型汇总长度，导出成表。
链路是这样走的：
人拆任务。我不让 AI 直接"写个插件"，而是拆成：① 过滤所有风管元素；② 按系统类型分组；③ 累加长度参数；④ 输出到表格。粒度到函数级。 AI 搭骨架。它吐出 IExternalCommand 模板、FilteredElementCollector 的过滤写法、事务包裹，样板一次成型。 知识库兜底。写过滤器时，RevitKBAgent 先把"风管对应的 Category 和 ElementType 在哪个版本叫什么"查准，避免它凭记忆写错类名。 MCP 跑批。骨架确认后，通过 MCP 让 Revit 直接执行，几秒出结果，不用我手动点界面复核每一根。 人审关键逻辑。分组规则和长度参数的取法由我拍板——这是模型读操作的边界，必须人守。
整个过程里，AI 干的是模式内的补全和机械执行，人守的是拆解、查证和关键判断。这才是稳的用法。
写在最后
AI 写 Revit 插件这件事，已经过了"能不能"的阶段，到了"怎么用得稳"的阶段。我们已经在用它跑生产，下一步是把 MCP 驱动做成默认工作流，让"下指令→Revit 自己干活"变成日常而不是演示。
如果你也在用 AI 写 Revit 二次开发，欢迎在评论区聊聊你的拆法和踩过的选择——同行之间的真实经验，比看我啰嗦有用。
欢迎转发。
★优易科技 | 优易BIM助手