AI 三步走: 工具的事交给工具,让我们自己,活得更像一个工程师

前两天看了朵儿那期讲"AI 工作台"的视频，我这个做工程的，几乎是逐帧点头——我们这行这两年面对 AI 的心态，和她一模一样：从"它会不会替我写可研、做选型"的危机感，到后来发现，最好的用法不是让它替代你，是让它给你当"私人同事"。

这篇文章不聊虚的。我把那套"三阶段 + skill + 工作台"的方法，翻译成工程人每一天都在干的事：写可研、比选电解槽、查 GB/T 标准、拆对标项目、算碳足迹。看完你至少能照抄出 3 个马上能用的工程 skill。

一、我们这行的"AI 焦虑"，和她一样真实

朵儿说，她第一次感到 AI 的压力，是看到 AI 刷一下生成一大段内容，作为一个靠内容吃饭的人，第一反应是"它会不会替代我"。我们工程人也一样——当 AI 能半个小时写出一份电解水制氢项目建议书初稿，你很难不慌：我靠技术方案吃饭，表达又最容易被结构化，大家以后遇到问题都问 AI，为啥还找我做可研？

更微妙的是，我们这行还有种"技术优越感式的排斥"。不少老工程师嘴上说"AI 写的方案能跟人比？"——其实心里也虚。转折往往发生在某个加班的夜晚：你对着一份 200 页的可研模板发呆，不知道 P&ID 该画到什么深度、电解槽选型参数怎么填。这时候你试着把 AI 的语言开着，边查边问，发现它真能陪你把一本难啃的标准、一份复杂的工艺逻辑，聊成你能落笔的东西。

那一刻的启发和朵儿完全相同：AI 也许不能完全替代你做工程决策，但完全可以当一个聪明、耐心的"工程编辑 + 检索员 + 计算助理"。后面所有的效率，都从这儿长出来。

二、工程人用 AI 的三个阶段（对照自查）

朵儿把两年用 AI 分成三阶段，我平移到工程，几乎严丝合缝。你不妨在心里给自己打个分。

表 1: 氢能工程人用 AI 的三阶段模型（对照朵儿三阶段法）

大部分人卡在阶段一，原因很朴素：每次用 AI 都像带一个新来的实习生——背景、要求、格式从头交代一遍，它还没记忆，提示词丢了就抓瞎。要从一跨到二、三，关键不是"更会提问"，而是"把活固化下来"。

三、阶段二：把 AI 当"工程同事"，这 6 件事它真能接

别把 AI 当搜索引擎用。下面这些，是氢能工程人每天高频、又最适合交给 AI 的活——你只管把判断和决策留给自己。

3.1 可研 / 项目建议书初稿

把"项目规模 200MW 风光制氢、制氢 4.5 万吨/年、配套 60km 纯氢管道"这类边界条件丢给 AI，它能按可研框架吐出大纲和初稿。注意：它给的是"毛坯"，你拿行业经验改参数、补边界条件。我见过最快的案例，一份建议书从 3 天压到半天出初稿。

3.2 电解槽选型对比（最值得做表）

选型是高频痛点。AI 能直接给你一张参数表，你再拿真实招标数据校准：

表 2: 主流电解技术选型速查（参数区间，具体以招标/厂商资料为准）

常见误区：别让 AI 替你拍板。它给的是"区间和倾向"，最终选 ALK 还是 PEM，要看你的电源特性（离网波动选 PEM，稳定选 ALK）和投资边界。

3.3 标准规范检索（工程人的刚需）

"纯氢管道设计压力怎么定""输氢钢管用哪个国标"——这类问题 AI 能直接给你条文出处。比如 GB/T 20801.5-2025（承压管道）、GB/T 46599-2025（输氢用钢管）、GB/T 19773（水电解制氢系统要求）。你再回原文核对，省下翻标准库的时间。

3.4 对标项目拆解

把松原、大安、鄂尔多斯等已投产项目的公开资料喂给 AI，让它按你的框架拆：工艺路线、电解规模、电耗、配套模式（离网/并网）、投资强度。等于多了一个"项目情报分析师"。

3.5 碳足迹 / LCA 与认证初算

呼应我们之前写的《认证前置（可研篇）》：AI 能按 RFNBO 三支柱（额外性 / 时间耦合 / 地理关联）+ 70% 碳门槛，帮你初算绿氢碳强度、查漏补缺。它不是认证机构，但能让你在可研阶段就把溯源、时空匹配、额外性设计进去。

3.6 会议纪要 → 知识卡片 + 成本对账

每天晚上让 AI 自动清洗会议记录，沉淀成"某项目评审要点""某设备谈判卡点"的知识卡片；概算里"发票抬头不对、金额对不上、超标准"的异常，让它先标出来，你只管看异常。这点和朵儿说的"第二大脑""对账排查"完全同构。

四、阶段三：做 skill，把方法"教一次、一直会"

到了这步，关键认知是：skill 就是 AI 时代的"私服 app"。过去你的 app 是别人写好的不能改；skill 是你给自己做的，想怎么改怎么改。你平时每次把背景、要求、格式从头交代一遍，就像每次带新实习生——skill 教一次，以后它一直会。

朵儿踩过的坑很值得记：她一开始总说"你给我做个 XX skill"，一句话甩过去，做出来总是破破烂烂、缺这缺那。后来她发现，做 skill 最好的方式不是从零发明，是让 AI 先去社区调研别人已有的方案，pk 出好底子，再围着你的需求改。为了固化这个动作，她做了一个"专门繁殖 skill 的 skill"——skill 产品经理。

我给氢能工程人照抄一份"原 skill 清单"，你按自己最高频的痛点挑：

• 第二大脑 / 知识库：沉淀可研模板、设备参数表、标准规范、项目案例，对话里随时调取。
• 技术情报监测：每天自动抓取政策、招标、项目动态（对应朵儿的"爆款视频 lab"）。
• 可研助手：按模板生成可研大纲、自动填参数，你只补边界条件和判断。
• 标准速查：问"纯氢管道设计压力"直接给 GB/T 条文 + 出处。
• 评审意见汇总：多轮专家意见合并成一张不打架的修改清单（对应"改稿意见汇总"）。
• 碳资产 / 认证助手：初算绿氢碳强度、校验 RFNBO 三支柱，呼应认证前置。
• 招聘 / 简历筛选：两年前怕 AI 抢饭碗，两年后让它帮你招工艺工程师。

skill 产品经理的三步法，工程人直接套：第一步外部调研（让 AI 去社区 pk 出方案底子）；第二步内部调研（反过来采访你"这个 skill 到底要干啥、你现在怎么干这事"）；第三步按标准框架落结构（要不要 knowledge、assets、references——你不用记这些名词，它替你考虑好）。

五、工作台精装修：把 skill 变成你能"随时打开看"的页面

有人会觉得"一体化工作台得是程序员才能做"。别忘了朵儿是纯文科生，我也是写方案的，不是写代码的。说白了，skill 是毛坯房，把它做成网页或应用，就是精装修。你用 AI 让它读你所有 skill，问"哪个最适合做成网页"，它扫一遍会主动推荐——产出直观、交互性强的，就该精装修。

工程人值得精装修的两条标准：①用得足够高频，怕自己忘；②呈现结果本身就适合"看"。对应到我们这行：

• 项目仪表盘：各项目的进度、电耗、成本实时一屏看，数据更新都到这里。
• 标准 / 设备选型图谱：把选型表、标准条文做成可检索的可视化库。
• 技术情报看板：政策、招标、对标项目滚动刷新，替代你每天手动刷。

攒着攒着，十个 type 就成了你自己的"工程工作台"——从阶段一聊天，走到阶段三，自然而然长出来的产品。

六、最后说点走心的：工具交给工具，人回到现场

朵儿那期最戳我的，是结尾——她说两年前 AI 是她的"赛博神父"，两年后成了最靠谱的同事；而那些情感需求没消失，回流到了人身上。我作为工程人，感触一样：AI 执行快、结构化强，但你的工程直觉、你对现场工况的"那点不对劲"、你和团队磨合出来的默契，都长在你的真实生命经验里，AI 替代不了。

所以 AI 替我们省下的时间，最该拿回哪？拿去现场踏勘、拿去和团队把方案磨透、拿去把人的感受力放进设计。正如我们智氢工坊一直强调的：工具的事交给工具，让我们自己，活得更像一个工程师。