夜雨聆风
# 从 Excel 公式到 AI 自动审图——一个建筑人的工具进化
---
2026年1月，我在阿里云上部署后端，在QQ上绑机器人，折腾了一个多礼拜，终于跑通了一个叫"鲁大力"的AI助手。
搞完之后我发现——它一点用都没有。
同一个月，我在闲鱼上花一块钱买了一个Apple ID，用来解开被骗子锁住的手机。为了报案，我还专门把转账记录做成了一张图片。
这两件事看起来毫无关系。但把它们放在一起，我后来想明白了一件事：**工具能跑通，不等于工具能用。**"鲁大力"跑通了，但我不知道拿它干什么。而那张报案用的转账截图，是我用Excel本能做出来的——那种"让工具替我干活"的冲动，其实很早就有。
这五个月，我从一个连AI是什么都搞不清楚的人，变成了一个用Claude Code做消防审图工具、拿微调模型识别施工图的人。这条路不是一条直线，是一堆弯路连着弯路。
---
**一、Excel 时代的自动化本能**
2013年我开始管理钢管租赁。每天对着密密麻麻的租赁单子，手动算租赁费。
那个痛苦，干过的人才知道。一车钢管从上海拉到杭州，6米的多少根、4.2米的多少根、3米的多少根，加上十字扣件、接头、转向、钢笆片、套管、顶托——每样东西费率还不一样。算完一批，再算下一批。月底对账，发现差了几百块，从头翻单子翻到凌晨。
后来我开始研究Excel公式。SUMPRODUCT做加权求和，50多列按钢管尺寸从6米排到0.5米，不同材料套不同费率，入场日期用TODAY()减一下自动算天数。4个Sheet联动——租赁站统计、费用流水、材料计划、汽车吊台班，288条公式，把Excel当半个信息系统在用。
做完之后，租赁费自动算、对账不用翻单子、月底直接出汇总。省时间了，不出错了。
那时候我不知道什么叫AI，只是本能地想"能不能省点力"。但这种"让工具替我干活"的冲动，后来把我带到了完全没想到的地方。
---
**二、2025年，一个想法冒出来了**
2025年的某一天，我看到一种说法：AI配合本地知识库，给AI搭建memory系统，能越用越聪明。
这句话没什么特别的，但我手上刚好有东西。
干了这么多年消防管理，我积累了大量真实的消防审查意见和验收数据——不是网上随便搜来的，是我在一线一张图一张图审出来的，成体系、有逻辑。那些审查意见里，藏着规范的条文是怎么落地到具体图纸上的，也藏着审查人员真正的判断逻辑。
我突然觉得：这些数据能不能喂给AI，让它学会像专家一样审图？
这个想法冒出来之后，我没有马上动手。但它像一颗种子一样种下了。
---
**三、2026年1月——一个月，两场折腾**
**第一场：OpenClaw和"鲁大力"**
2026年1月，我开始动手了。
先是知道了OpenClaw。在阿里云、腾讯云上部署后端，在飞书、钉钉、QQ上搭机器人，通过获取机器人的ID来绑定OpenClaw。
中间出了一个幺蛾子。
我在闲鱼上买了一个便宜的外网Apple ID，没注意看，直接在设置里把我整个手机的ID更换掉了。手机被锁，打不了电话，要花999块才能解绑。
我当时跑到西湖区湖滨边上的一个派出所报案，说自己被诈骗了。做笔录的时候，我还把对方要求我转账的记录做成了一张图片，方便给警官看。但派出所的人也没办法马上解决。后来又跑到湖滨苹果专卖店登记，专业技术人员要求提供手机ID、购买发票、经销商信息，说一个礼拜之内能帮我解除。
后来我自己想了个办法：在闲鱼上再花一块钱，买同一个账号。登上去之后，还真让我找到了他的密码。用这个密码登上去，把手机ID给解除掉了。
现在想想，这也是个搞笑的事情。
歇了几天之后，终于在QQ机器人上实现了OpenClaw远程后端绑定。我还给那个机器人起了个名字，叫"鲁大力"。
搞了一个多礼拜，终于搞成功了。但成功之后呢？感觉也没有实际的用处。花费了这么多精力，结果一点用都没有。
**第二场：Ollama和Gemma小模型**
OpenClaw之后，我看到网上说谷歌的Gemma小量化模型能跑在Ollama里，用本地显卡可以跑得动。
试了一下，成功了。在Ollama里运行Gemma，喂本地电脑上的Claude Code输出token进行运算。感觉挺神奇的，也挺有成就感。
但最后还是因为没有实际的业务用处，慢慢放在那里吃灰了。
**两个教训**
这一个月的两场折腾，让我学到两个教训：
第一，工具能跑通不等于工具能用。"跑通"只是技术层面的胜利，业务层面还差十万八千里。"鲁大力"跑通了，但我不知道拿它干什么。Gemma跑通了，但它的能力边界太窄，干不了我真正需要干的事。
第二，AI不是万能的，但找到它能干的那一件事，就值了。
---
**四、消防审图——从"像那么回事"到"真的能用"**
转折发生在我用Claude Code做了一个消防审图skill之后。
**第一轮：AI审图，看起来挺像回事**
我让Claude Code读取图纸PDF，按照我已有的消防审查意见进行结构化输出。
一开始输出还挺像那么回事——看起来挺专业的。但仔细一看，东说一下西说一下，没有一个成体系的审图结构。输出是杂乱的，不是一个合格的审查报告该有的样子。
**第二轮：找行业专家对话，规范化**
我找了一些行业专家对话，对方提了意见。比如审图意见里不要提到施工层面的做法——"轻钢龙骨隔墙怎么做""防火封堵怎么施工"这些不是审查意见该说的。
根据反馈，我把审图输出规范化了，分成两级：
- **B级**：针对场馆普通管理人员，用得更多
- **A级**：56点9个层面的结构化输出
这个skill已经在实际项目上用过了。
**第三轮：发现AI的能力边界**
但继续使用的时候，我发现了一个问题：AI看不了图纸细节。
它能看设计说明里的文字性描述，然后根据这些文字做结构化输出。但它看不见图纸平面图里到底有几个疏散门、疏散线路的计算符不符合规范、不同空间位置之间的相互影响。
**原来AI不是真的在"看图"，是在"读字"。**
它只是针对设计说明里的文字，依照我结构化输出的要求做了一些说明。它实现不了"看图"这个功能。
**第四轮：三分类——把AI摆到正确的位置**
根据这个发现，我把审图工作分成了三类：
1. **自动化**：AI根据文字识别，对照以往经验，直接输出
2. **半自动化**：需要我看完图纸，把面积、长度、数据输入给AI，AI再输出
3. **纯人工**：空间判断、不同图纸之间的层级位置对照，AI完全做不了
不是让AI替代人，是让AI干它能干的那部分，人干人该干的那部分。
**最近：视觉模型微调**
最近在做视觉模型微调。用20张标注过疏散门的图纸作为训练基底，喂给模型，让它学会这些权重。然后扩展到1000多张图纸，分批训练，每批20张。识别出来的标合格，没识别出来的标不合格，喂权重，慢慢让它学会看图纸里的疏散门图示。
现在还在进行中。
---
**五、我现在在做什么**
现在Claude Code是我的主力工具。
审图skill、写汇报、安全检查时的隐患照片识别、照片整理、安全检查资料整理——用得越来越多了，已经能减轻我的工作了。
我不是AI专家。我是一个在传统行业里，亲手把AI装进业务流程的人。
这条路走了五个月，从Excel公式算钢管租赁费，到Claude Code做消防审图工具，到微调模型识别施工图。每一步都是弯路连着弯路，但每一步都是真的。
你在工作中有没有被AI"骗"过？评论区聊聊。
---
**下一篇，我会详细讲那20张标注图是怎么喂给模型的，以及1000张图纸分批训练到底发生了什么。**
关注公众号**【全站AI仪】**，看一个传统行业的人怎么把AI真正跑通。每周一篇实操，不画大饼，只说踩过的坑。
---
*本文由AI辅助创作*
> **作者简介**：老何，十五年建筑工程安全管理经验，现从事安全管理工作。正在将AI工具落地到消防审查、安全检查等实际业务场景。这个号记录真实的踩坑过程，不画大饼。