AI 协作工作流

• 这篇文章不把 AI 当成一个“万能工具”来讨论，而是把它放回机械设计与工程文档的实际工作流中，讨论它更适合做什么、不适合做什么，以及怎样把它真正变成可复用的工作环节。
• 此文直接受到好友王芳佳关于 AI 协作、AI Native、任务拆解与知识沉淀方式的讨论启发。

1. 范围与目标

本文主要面向以下场景：

• 已经在使用 CAD、STEP、工程图与技术文档，但流程还较依赖个人经验
• 希望借助 AI 提高整理、沟通、复盘与前期方案效率的人

本文希望回答几个更实际的问题：

• AI对机械设计工作到底有什么实际意义
• 如何把查询国标、理解参数化建模、整理设计需求这类工作，逐步沉淀成可复用模块
• 如何向 AI 询问行业资讯，才能尽量减少“听起来像样，但出处不稳”的回答

先说结论

对机械相关工作而言，AI 最有价值的地方，往往不是直接替代设计判断，而是帮助整理约束、比较方案、生成说明、梳理记录，并把原本分散的工作流串起来。

2. 标准引用

暂无。

这篇文章更偏方法论与工作流整理，重点在于形成清晰、可复用的协作方式，而非直接引用某一份固定标准。

3. 实操与模板

3.1 先理解几个常见概念

Agent

可先简单理解为“围绕某一类任务长期工作的 AI 助手”，而不是泛泛聊天的对话框。它更强调：

• 输入边界清楚
• 输出形式稳定
• 任务职责相对明确

AI Native

更接近一种工作方式。它不是等卡住了再去问 AI，而是从一开始就思考：

• 这项工作有哪些环节
• 哪些环节适合交给 AI 协助
• AI 需要哪些输入才能给出稳定结果

Vibe Coding

通常带一点调侃意味，指“凭感觉让 AI 一路生成，自己不太检查逻辑和边界”。这在低风险场景下偶尔能快，但在机械设计、承压件、图纸和版本管理这类场景里风险较高，不宜作为常规方法。

蒸馏 skill

这里的 skill，不必理解得很复杂。对机械工程师来说，可以先把它理解成：

• 把某一类任务的稳定做法，总结成可以重复调用的小方法。
• 一旦这些方法被“蒸馏”出来，后续就不再每次从零开始，而是可以反复复用。
• 可参考。

3.2 可以怎样拆分 AI 工具

Agent很像把工作按职责拆分，而不是让一个 AI 包打天下。以机械工作流为例，可以先按下面几类理解：

工具方向	更适合处理的任务	典型输出
工具 A：标准与约束整理	查询国标、提炼约束、整理对比	约束清单、摘要、核对表
工具 B：设计与模型方案	比较布局思路、整理建模参数、生成 STEP 修改建议	方案对比、参数表、修改建议
工具 C：设计报告	生成设计说明、变更记录、复盘文字	设计报告、会议纪要、变更说明
工具 D：图纸与交付物	整理图纸要求、BOM、标注检查项	出图清单、审图清单、交付包说明

补充说明：

• AI 要先按工作分工，再谈效率；再让 AI 进入工作流。
• 模块化，比一次性回答更重要；帮助工作走向标准化、规范化。
• AI 先做“让工作更清楚”的部分，再逐步参与“让结果更快”的部分，通常会更稳。
• 可重复调用的模块，才更值得长期投入：可以不断复用、修订和优化，真正的目标不是“这次回答看起来很聪明”，而是“下一次遇到类似任务时，可以更稳、更快、更规范地处理”。
• 不要急着追新概念，先建立输入能力：把任务写清楚，一旦能做到这一点，后续不管是换模型、换平台，还是换 AI 工具，工作流都会更稳定。
• 关键设计判断仍由人负责。

3.6 一个更适合 AI 的任务模板

以下模板适合用于“基于已有模型做下一版本设计”的前期任务整理：

任务名称：
端盖下一版本方案整理

1. 背景
- 基于现有文件：ATSP-S2-01 ASP Transducer endcap v3.STEP
- 当前版本包含 5 个换能器凹槽，以及 1 个用于压力传感器的缺口凹槽

2. 下一版本目标
- 将换能器调整为 4 个
- 其中 2 个直径为 105.2 mm
- 另 2 个直径为 90.2 mm
- 压力传感器尺寸保持不变

3. 技术要求
- 端盖为承压件
- 换能器凹槽之间、换能器凹槽与压力传感器凹槽之间、与四周螺钉凹槽之间的间距均需大于 6 mm
- 螺钉凹槽宽度保持不变
- 布局尽量对称、协调
- 在满足上述条件前提下，端盖整体外径尽可能小

4. 输出要求
- 给出 2 到 3 种布局方案
- 每种方案说明优点、风险与适用性
- 推荐一个更稳妥的方案
- 如可行，再整理为后续 CAD 建模可直接使用的参数表

这个模板的价值，不只是“让 AI 看懂”，更重要的是它本身已经帮人把问题想清楚了一遍。

4. 其余要点

4.1 如果要向 AI 询问行业资讯，怎样更稳

比起直接问“最近有什么新趋势”，更稳妥的提问方式通常是：

请按以下要求整理：
1. 时间范围限定为最近 30 天。
2. 仅使用官方公告、厂商官网、标准组织页面或学术论文。
3. 每条信息必须给出来源链接。
4. 将“已确认事实”与“基于事实的判断”分开写。
5. 若某条信息无法确认，请明确写出“不足以确认”。

这样做有几个好处：

• 能把“最新”真正落到具体时间范围
• 能减少营销稿、二次转述和模糊印象带来的偏差
• 能让 AI 把事实和判断分开，不至于混成一段听起来很顺的总结

4.2 每日资讯流的可借鉴之处

好友王芳佳提供的那份由 OpenClaw 抓取的每日资讯，最值得借鉴的，不只是“抓到了哪些内容”，而是它体现出一种更稳的资讯工作流：

1. 先明确数据源
   例如 Product Hunt、GitHub Trending、OpenAI 官方页面、Anthropic 官方页面，而不是漫无边际地抓全网。

2. 再明确抓取方式
   例如使用固定浏览器 profile、固定入口页、固定时间点，尽量减少“今天看见、明天看不见”的偶然性。

3. 然后做去重与留痕
   不是把所有内容都塞进日报，而是和昨天对照，只保留真正新增、值得记的部分。

4. 最后做简要提炼
   例如“它是什么、实现思路、亮点、适用场景、今天的 cross-source takeaway”。

这套流程的价值在于，它把“看新闻”变成了“整理可复用的信息资产”。

对个人工程师或小团队来说，这比单纯收藏链接更有意义。因为随着时间积累，您得到的不只是每日资讯，而是：

• 一份持续更新的观察样本
• 一套逐步稳定的筛选标准
• 一组可沉淀成文档的长期主题

4.3 什么叫“知识库”

知识库也不必一开始就理解成很复杂的系统。对您当前阶段，更务实的理解是：

一个能长期积累、方便检索、能逐渐长出结构的地方。

对您而言，当前这个网站本身就已经很接近知识库了。后面可以逐步把内容分成三类：

• 事实库
  标准、链接、出处、软件功能、行业动态

• 经验库
  自己踩过的坑、判断原则、工作流心得

• 模板库
  输入模板、输出模板、审查清单、日报模板、设计任务模板

一旦这三类分清楚，很多原本零散的交流内容，就能慢慢沉淀为一套自己的体系。

4.4 一个更值得长期坚持的输入与输出框架

关于“输入：输出：”，这其实很适合直接固定成模板。比起只记录结论，更稳妥的方式是把每次 AI 协作都看成一次输入和输出设计。

例如：

输入：
- 原始资料来自哪里
- 任务背景是什么
- 目标是什么
- 有哪些约束
- 希望 AI 产出什么形式的结果

输出：
- 摘要
- 分类
- 约束清单
- 可执行建议
- 需要人工复核的部分
- 最终是否沉淀为正式文档

如果长期坚持这种写法，您会发现自己得到的不只是“问答结果”，而是一套越来越稳定的工作接口。

5. 边界与风险

• AI 可以帮助整理与比较，但不应替代工程责任判断。
• 机械设计中的强度、安全、密封、装配等问题，不能只看文字输出是否“像样”。
• 如果输入任务长期模糊，AI 只会更快地产生模糊结果。
• 没有版本管理与记录习惯时，AI 带来的内容增量也可能反而增加后期混乱。
• 对于“最新动态”“行业资讯”这类问题，如果没有来源约束，AI 很容易把长期趋势误写成近期新闻。

6. 小结

对机械工作来说，AI 在资料搜集、整理等方面有独特的优势。

而在更长期的层面，真正值得投入的，是把更多的操作流程、方法等散乱的资产，都逐步沉淀成更稳定、更标准、更可重复调用的模块。这样一来，设计就不再只是临场发挥，而会越来越接近标准化、规范化的工程工作流。

7. 参考来源

• Autodesk 官方：Generative Design
• Siemens 官方：Senseye Predictive Maintenance
• Dassault Systemes 官方：CATIA Generative Design / Generative Engineering 相关页面
• 本站与好友交流记录整理