夜雨聆风
COLUMN 01超级图图·智 ｜ 第 1 期智：人工智能方向。聚焦 AI 工具链、知识库、智能体、自动化流程和行业应用，记录一个工程师如何用人工智能重建研究、写作、设计与交付方式。2026-06-08
第一篇，我写的是《15 万亿，该看哪一页》。
那篇文章讲的不是“15 万亿有多大”，而是一个更具体的问题：当城市更新从一句政策口号变成一张任务清单，建筑人到底应该往后翻哪几页。
地下管网、老旧小区、部品部件、低碳改造、数字化运维，这些看起来不如总数醒目，却更接近真正的工程机会。
写完之后，我意识到还需要补一篇“方法说明”。
因为无论是城市更新，还是接下来要写的低空经济、新型储能、人工智能、具身智能，我真正关心的都不是概念本身，而是它怎样拆成任务、场景、产业链和交付问题。
问题也就更直接了：你凭什么？
我先把答案说在前面。
不是因为我突然变成了十个行业的专家。
也不是因为 AI 替我生成了一堆看起来很专业的文章。
真正的原因是：过去一年，我给自己搭了一套 AI 产业研究流水线。
它不替我做判断，但它能把政策、论文、报告、新闻、视频评论、企业资料这些散落的信息，快速整理成可以判断的结构。
我还是那个土木工程师。
只是现在，我多了一套会帮我找资料、搭框架、做交叉验证、生成图文表达的工具链。
以前做一个陌生赛道研究，最累的不是思考。
最累的是搬砖。
你要先找资料。
政策文件在哪里？行业报告是谁写的？头部企业有哪些？最近有没有融资？核心技术路线是什么？产业链上游、中游、下游分别是谁？地方政府有没有试点？跟自己的业务到底有没有关系？
这些问题，单个看都不难。
难的是它们堆在一起。
一个方向看下来，浏览器开几十个标签页，微信收藏夹一堆文章，PDF 下了一堆，笔记写了一堆。最后你可能确实“看了很多”，但脑子里还是一团雾。
信息太多，反而没有判断。
这就是传统调研最大的痛点：你花了大量时间收集信息，却没有足够时间把信息变成结构。
所以过去很多产业研究最后会变成两种东西。
一种是资料堆砌。看起来很厚，但没有自己的判断。
另一种是观点先行。先有结论，再找几个数据来撑。
我都不喜欢。
我更想要的是第三种方式：先把一个行业拆开，看清它的历史、技术、产业链、关键玩家、政策节点和落地场景，再回到我的工程视角里问一句：这件事最后会落到哪里？谁来建？谁来交付？谁来为安全和成本负责？
我现在的 AI 研究流水线，大概分四层。
第一层，是外部信息源。
包括政策文件、论文、产业报告、公众号文章、企业官网、招标公告、社交媒体评论，甚至抖音上的用户反馈。
比如我最近在拆低空经济这个方向时，用工具解析抖音“低空经济”搜索结果，看到 14 个视频、41.5 万点赞、2.6 万条评论。别人看的是热闹，我看的是：为什么所有人都在聊天上的事，却没人聊地上的事？
第二层，是 Deep Research + 纵横分析法。
“纵”是看深度：这个行业怎么来的？技术路线怎么演进？关键节点是什么？未来三年、五年、十年可能怎么走？
“横”是看广度：上游是谁？中游是谁？下游是谁？哪些城市在抢？哪些企业已经入场？哪些环节还没人认真做？
这个方法的价值，不是让 AI 给我一个“标准答案”，而是强迫我不要只看一个点。
第三层，是 LLM Wiki 知识库。
我不想让每次调研都从零开始。
所以我把原始资料、概念页、企业页、对比分析、查询记录都放进一个 Wiki 里。
这里有一个关键区别：我的 Wiki 不是收藏夹。
收藏夹只是把资料存起来；Wiki 是把资料编译成可复用的知识单元。
这样做的好处是，每次新资料进来，不是孤零零地躺在那里，而是会和旧知识发生连接。
低空经济可以连接储能。储能可以连接光储充站。光储充站又可以连接装配式设备房。海洋经济可以连接南通造船。造船又可以连接模块化建造。
知识一旦开始互相连接，判断就会长出来。
第四层，是 Codex / Hermes 的输出层。
它负责把前面的研究结果变成可交付的东西：文章大纲、公众号成稿、信息图、排版 HTML、小程序页面、选题表、专题策划。
这就是我说的“流水线”。不是一个工具，也不是一个提示词。而是：外部信息源 → 纵横分析 → Wiki 编译 → 人工判断 → 图文/产品输出。
很多人会觉得，土木工程师聊 AI、航天、生物、脑机接口，跨度太大。
我理解这个质疑。
所以我不会说自己是这些行业的专家。
我真正依赖的，不是“我懂所有技术”，而是土木工程训练出来的一套底层习惯。
第一，看系统。
土木工程从来不是只看一个构件。一栋楼不是一根梁，一座桥不是一片钢板，一个工地也不是一台吊车。你必须同时看结构、材料、施工、成本、规范、工期、安全、场地、运维。
这个训练，天然适合看产业链。
第二，看落地。
很多行业喜欢讲概念，土木工程不行。概念再漂亮，最后也要落到地基、荷载、节点、施工组织和验收标准上。
第三，看边界。
工程师最怕没有边界。荷载有边界，材料强度有边界，工期有边界，造价有边界，安全责任也有边界。
所以，“工科之王土木工程”不是一句口号。
它给我的不是万能知识，而是一种看世界的方式：任何未来产业，最后都要落到某个物理系统里。
这就是我跨赛道写文章的合法性。
很多人讲 AI 工具，喜欢说“每天省 3 小时”。
这当然是真的。
但我现在越来越觉得，AI 真正省下来的不是时间，而是组织。
过去做一篇像样的产业文章，背后至少需要几个角色：研究员找资料，编辑搭结构，设计师做图，排版同事处理公众号格式，产品经理把内容转成小程序页面。如果还要做视频，还需要脚本、配音、剪辑、封面。
一个人想长期做这些事，基本不现实。
但 AI 工具链把这件事压缩了。
现在我可以自己完成最小闭环：Wiki 是知识源，Deep Research 帮我搭第一版框架，纵横分析法帮我防止只看一个点，Codex 帮我把文章、图片模块、HTML 排版、小程序页面串起来，Hermes Agent 负责更长链路的任务自动化。
这不是说一个人真的变成了十个人。
更准确地说：AI 工具链让我一个人先跑通十个人的流程。
写到这里，我必须补一句。
我不相信 AI 自动生成的判断。
AI 很强，但它有三个问题：第一，它会把语气写得很确定；第二，它容易平均用力；第三，它不知道你要承担什么后果。
文章发出去，读者记住的是“陈图图怎么看”，不是“某个模型怎么看”。
所以我给自己定了三条规矩。
第一，关键数据必须可追溯。
第二，结论必须落回工程场景。
第三，最后一句判断必须由我负责。
AI 可以帮我找资料，可以帮我整理结构，可以帮我画图，可以帮我改文字。
但“我认为”这三个字，不能外包。
这也是我为什么坚持文章里必须有“我”。不是为了显得主观，而是为了让判断有责任主体。
写到最后
第一篇《15 万亿，该看哪一页》，我回答的是“政策来了，工程师该往哪几页看”。
这一篇，我想把背后的方法摊开，回答的是“我怎么研究”。
我不是要装成十个行业的专家。
我也不想做那种每天追热点、复制报告、拼几个大词的科技号。
这个号真正想做的，是一件更笨但更长期的事：用土木工程师的眼睛，看未来产业最后怎么落到地上。
低空经济最后要有起降场。
新型储能最后要有能源站。
海洋经济最后要有海上平台和海上工厂。
商业航天最后要有发射场、测控站和地面系统。
生物科技最后也要有工厂、反应器和洁净空间。
再远的未来产业，只要它要进入现实世界，就一定会碰到工程问题。
而我关心的，就是这个交界面。
AI 工具链不是让我脱离土木工程。
恰恰相反，它让我能把土木工程的系统视角，带到更多未来产业里。
这就是“超级图图·智”要做的事。
ABOUT关于我与超级图图
我是陈图图，一个干了十几年装配式建筑的结构工程师。
「超级图图产业笔记」不是追逐热点的科技资讯号，而是一份面向未来产业的长期研究记录。
TEN DIRECTIONS持续关注十大方向
01 低空经济 · 02 新型储能 · 03 极端建造 · 04 人工智能 · 05 具身智能
06 海洋经济 · 07 商业航天 · 08 量子科技 · 09 生物科技 · 10 脑机接口
我关心的不只是一个方向热不热，而是它如何形成产业链、进入真实场景，最终由谁建设、谁交付、谁为成本与安全负责。
每期拆解一个问题，逐步积累一张未来产业地图。比热点更早一点看见方向，比概念更深一步看见落地。
