最近一個月，AI圈幾乎被OpenClaw刷屏。

“養(yǎng)一群賽博龍蝦，替你打工”、“全自動工作流，躺著賺錢”……各種造富神話滿天飛。仿佛只要敲幾行命令，你就能擁有一個24小時無休的數(shù)字員工團(tuán)隊，從此在工位上悠哉喝茶。

作為一個工程建設(shè)行業(yè)的從業(yè)者，我也沒能忍住，親自下場把這套流程完整跑了一遍。

跑完之后，我發(fā)現(xiàn)跟那些爆款視頻完全不同。

對大多數(shù)普通人，尤其是工程人來說，這東西目前更像一個“情緒消耗器”和“Token焚鈔機(jī)”。

而且，當(dāng)你費(fèi)盡心思把流程調(diào)通，準(zhǔn)備大干一場時，你會撞上一個冰冷的現(xiàn)實(shí)——工程AI落地的最大死穴，根本不在框架本身，而在圖紙。

為什么我不建議工程人盲目跟風(fēng)“養(yǎng)龍蝦”？

如果你是看了幾個視頻就沖動入坑，我敢說你大概撐不過一周。真實(shí)體驗(yàn)是這樣的：

隨便跑一個稍微復(fù)雜的自動化流程，Token消耗量就蹭蹭往上漲。用便宜的本地模型，智商經(jīng)常掉線，胡說八道；用頂級的商業(yè)大模型，設(shè)個定時任務(wù)跑一天，幾十塊錢就沒了。你想讓它替你打工，結(jié)果你發(fā)給它的“工資”比它創(chuàng)造的價值還高。

今天環(huán)境沖突，明天權(quán)限報錯，后天流程死循環(huán)。你以為配置一次就能高枕無憂，現(xiàn)實(shí)是你天天給它擦屁股：調(diào)參數(shù)、查日志、補(bǔ)環(huán)境。說好的“睡后收入”，變成了“睡后驚醒”。

很多人用OpenClaw搞的所謂“自動化”，其實(shí)就是每天定時抓新聞、寫個日報。這種事，寫個幾十行的爬蟲腳本，或者直接丟給ChatGPT就能搞定，非要套一層又一層復(fù)雜的Agent抽象，純屬折騰。

工程建設(shè)行業(yè)的數(shù)據(jù)有多敏感？清單、標(biāo)底、合同底線，哪一個不是核心機(jī)密？OpenClaw權(quán)限極高，一旦接入本地系統(tǒng)，權(quán)限控制稍有疏忽，輕則數(shù)據(jù)泄露，重則“刪庫跑路”。真出了事，這責(zé)任誰來擔(dān)？

如果非要用，工程行業(yè)的正確打開方式是什么？

別誤會，并非是全盤否定OpenClaw。它確實(shí)是個很有潛力的框架。但想在工程建設(shè)行業(yè)（AEC）真正產(chǎn)生價值，你必須拋棄“讓AI自由發(fā)揮”的玩具思維，用“工程化、標(biāo)準(zhǔn)化、SOP化”來調(diào)教它。

如果你想入坑，送你三條實(shí)在的建議：

1. 寫Skill不是寫“提示詞”，而是寫“SOP”你必須給模型規(guī)定死四件事：什么時候觸發(fā)、什么時候絕對不能碰、執(zhí)行工序是什么（先讀文件→抽信息→過商務(wù)條款）、交付標(biāo)準(zhǔn)是什么。把邊界框死，AI才不會給你開盲盒。

2. 從“針眼需求”切入，別貪大求全別一上來就想搞什么“全過程項(xiàng)目管理總控”。先從一個具體的痛點(diǎn)做起：比如招標(biāo)文件的風(fēng)險點(diǎn)自動解析、合同條款的偏離度比對、清單的錯漏項(xiàng)初核。越小越具體，越容易落地。

3. 用“三層架構(gòu)”鎖死確定性

• 大腦層：定義流程邊界，讓AI知道什么該做什么不該做。
• 知識層：把公司沉淀的檢查清單、標(biāo)準(zhǔn)規(guī)范放進(jìn)去，作為AI的知識庫。
• 腳本層：涉及到精確算量、日期提取這類事，讓Python腳本去干，別讓AI去猜。精確的事交給精確的工具。

終極死穴：跑通了流程，誰來搞定DWG？

當(dāng)你把上面這些都搞定了，把OpenClaw的工作流配置得完美無缺時，你會撞上一堵“嘆息之墻”。

工程行業(yè)最核心的資產(chǎn)是什么？毫無疑問是DWG圖紙。

但尷尬的現(xiàn)實(shí)是：現(xiàn)在的通用大模型，根本吃不透DWG文件格式！

市面上那些所謂的高級AI工具，能讀PDF、能啃Word、能看Excel，但只要你扔給它一張真正的DWG圖紙，它瞬間就成了瞎子。大模型無法直接解析DWG，市面上也極其缺乏能讓AI作為工具去直接調(diào)用、精準(zhǔn)提取圖紙圖元信息的成熟插件。

這才是工程AI落地的終極死穴。連最核心的圖紙都讀不懂，無法提取里面的坐標(biāo)、圖層、標(biāo)高、構(gòu)件信息，你吹得再天花亂墜的Agent自動化工作流，也只能停留在處理邊緣文檔的“文秘”階段。圖紙讀不透，工程AI落地就是一句空話。

為了打破這個技術(shù)黑盒，不讓好不容易搭起來的AI工作流淪為擺設(shè)，我最近為大模型開發(fā)了一套可供AI直接調(diào)用的DWG讀取工具。

這個工具可以作為大模型的“眼睛”，接入OpenClaw這類智能體框架，讓AI真正參與到CAD圖紙的數(shù)據(jù)解析流程中，實(shí)現(xiàn)對DWG文件的“讀取”。需要說明的是，它目前只提供讀取能力，還不具備對圖紙中專業(yè)設(shè)計內(nèi)容的自動識別功能。識別這一步，需要你結(jié)合這個讀取工具和相應(yīng)的模型，根據(jù)自己的專業(yè)知識和經(jīng)驗(yàn)來實(shí)現(xiàn)。

在這個AI框架滿天飛的時代，最不缺的就是新概念。

OpenClaw確實(shí)驚艷，但在當(dāng)下，它更適合極客開發(fā)者去折騰。對于工程建設(shè)行業(yè)的從業(yè)者來說，AI再強(qiáng)，也只是你業(yè)務(wù)邏輯的放大器，而不是替代品。

與其盲目追逐那些還在瘋狂進(jìn)化的實(shí)驗(yàn)性框架，不如靜下心來，把你手頭高頻的業(yè)務(wù)動作梳理清楚，甚至解決掉“圖紙讀取”這種卡脖子的硬骨頭。

你的行業(yè)認(rèn)知、業(yè)務(wù)方法論，以及解決硬核問題的能力，永遠(yuǎn)比養(yǎng)一堆“賽博龍蝦”更值錢。

內(nèi)容來源：AI&BIMCorner