AI 辅助审图与人工复核协同实施指南方案

适用场景与核心问题界定

本方案适用于建筑、结构、机电等专业图纸的初步审查环节，旨在解决传统人工审图中重复性检查耗时、标准执行不一致及关键节点遗漏的问题。核心痛点在于如何将标准化的规范检查与复杂的工程逻辑判断有效分离，避免 AI 工具被误用为最终决策者。

明确边界是首要任务：AI 负责基于明确规则的合规性筛查与几何逻辑校验，人工负责基于经验、现场条件及非标准化条款的综合判断。不承诺 AI 能替代专家，而是将其定位为高效初筛工具，确保所有 AI 输出结果均需经过人工确认方可生效。

方案构成与角色分工体系

方案由数据预处理层、AI 分析层与人工复核层构成。数据预处理层负责将 CAD 图纸转化为结构化数据，包括图层清理、属性提取及坐标系对齐；AI 分析层调用图纸知识库中的规范规则，执行自动检查并生成问题清单；人工复核层由资深工程师组成，对 AI 标记的疑似问题进行分级处理。

角色分工明确：数据工程师负责确保输入数据的完整性与准确性，算法工程师负责规则库的维护与模型调优，审图工程师负责最终判定与签字。建立“AI 初筛-人工复核-专家仲裁”的三级机制，对于 AI 置信度低或涉及重大安全的问题，强制进入专家仲裁流程，确保关键决策由人主导。

数据准备与流程标准化

数据准备是实施基础。需建立统一的图纸交付标准，规定图层命名、线型宽度及标注格式，确保 AI 能准确识别对象。同时，构建包含规范条文、常见错误案例及修正建议的图纸知识库，作为 AI 判断的依据。数据需经过清洗与标注，形成训练与验证数据集，确保规则检查的准确性。

流程上，建立标准化的审图工作流：上传图纸后，系统自动执行预处理与规则检查，生成包含问题位置、类型及建议的可视化报告。审图工程师在系统中逐条确认，标记“通过”、“驳回”或“需补充”。所有操作留痕，形成可追溯的审计日志，便于后续复盘与规则优化。

实施路径与验收判断标准

实施分三阶段：试点验证、小范围推广、全面应用。试点阶段选取典型项目，验证数据转换准确率与规则覆盖度；推广阶段扩大项目范围，优化人工复核效率；全面应用阶段建立常态化运维机制。每阶段设定明确的里程碑，如数据转换成功率、规则命中率及人工复核耗时等指标。

验收判断不依赖单一准确率指标，而是综合评估：数据转换是否稳定、AI 标记的问题是否可解释、人工复核流程是否顺畅、审计日志是否完整。重点考察 AI 是否减少了重复性劳动，以及人工复核是否聚焦于高价值判断。通过定期回顾误报与漏报案例，持续迭代规则库与模型，形成闭环改进机制。