本文为案例故事，基于真实服务场景改编，客户名称与部分数据已做脱敏处理。
客户背景：一家靠"老师傅脑子"运转的工业设计院
这家设计院位于华东，成立于 2004 年，主做电子厂房、洁净车间和医药厂房的工艺与机电设计，现有员工约 260 人，在苏州、合肥设有两个分院。19 年下来，累计出图超过 3 万张，做过 600 多个项目。
口碑来自几个"老法师"——总工和几位专业负责人。洁净车间的气流组织怎么排、某品牌空调箱在什么工况下容易出问题、哪家业主的审图偏好是什么，经验都在他们脑子里。
问题恰恰在这里。2024 年底，两位资深专业负责人相继退休，随之而来的是新人断档：年轻设计师画一张标准洁净车间平面图要返工三四次。信息中心主任老周算过一笔账：新员工从入职到能独立承担子项，平均要 6 到 8 个月，而这两年院里项目量涨了近四成。
遇到的问题：知识在，但调不出来
老周把痛点总结成四条，条条都指向同一件事——知识资产没有载体。
第一，方案散落在个人电脑里。 每个设计师的 D 盘都是一个小仓库，命名五花八门："某项目-终版-改3-真的终版"。要找一份两年前类似项目的空调系统方案，正常路径是问三个人。
第二，评审意见不沉淀。 总工每次审图都会提同样几类问题——防火分区画错、设备检修空间不足、洁净区压差标注缺失。意见写在打印图上，签完字归档，下次新人照样犯。
第三，规范和企标查阅靠人肉。 国标、行标、业主企标加起来上千份，版本还在更新。设计师查一条条款，翻 PDF 加问人，半小时起步。
第四，通用 AI 不敢用。 院里不是没试过。有年轻设计师把图纸截图丢进公开大模型问"这个机房布局有什么问题"，被老周发现后立刻叫停——图纸属于客户资产，上传到公网模型等于把项目机密送出去。
"我们缺的不是 AI，是一个能装下我们自己的东西、又不往外漏的 AI。"这是老周在第一次沟通时说的原话。
解决过程：先把知识搬进自己的库，再让 AI 学会干活
小诺IT 与这家设计院的合作从 2021 年就开始了，最初是诺+运维宝负责全院 260 台终端、4 台服务器、两院区网络的日常运维。所以这次做 AI 落地陪跑，起点不是讲概念，而是先摸清家底。
整个项目分四个阶段，历时 11 周。
第一阶段：知识资产盘点与清洗（3 周） 小诺IT 的工程师和院里 6 位专业负责人一起，把三类资产拉了出来：近 8 年的 1,700 余份方案文本、2.4 万张图纸（DWG/PDF）、以及 5 年里 900 多份审图意见记录。清洗是最费工的环节——去重、统一命名规则（项目-专业-阶段-版本）、把扫描版 PDF 做文字识别、把散在微信和邮件里的关键结论补录成文本。最终形成约 1,900 个知识条目。
第二阶段：企业知识库搭建（4 周） 知识库部署在院内既有服务器上，私有化运行，数据不出内网。这是老周最看重的一条。库里按"项目类型 / 专业 / 阶段 / 业主"四维打标签，图纸类支持图号检索，方案类支持全文与语义双通道检索。权限做了三级隔离：总工与专业负责人可见全院，各专业只见本专业加关联专业，分院之间默认不互通，跨院调阅需授权。
第三阶段：AI 智能体定制（2 周） 不是做一个万能对话框，而是做三个贴着工位场景的助手：
- 规范查询助手：接入国标、行标与院内企标，回答必须给出来源条款号，避免"AI 编规范"。
- 方案初稿助手：输入项目类型、面积、洁净等级、业主名称，输出方案框架、系统选型建议和可复用的历史章节，并标注每个推荐来自哪个历史项目。
- 审图预检助手：把总工历年提的审图意见整理成 180 条预检规则，图纸出图前先自检一遍，输出待确认清单。
第四阶段：与现有系统打通 + 试运行（2 周） 知识库不是孤岛。小诺IT 把智能体接进了院里的 OA 和项目管理系统：在项目详情页直接调起方案助手，图档系统里点开一张图能反查引用过的规范条款。试运行阶段选了两个在建项目做对照，先让 12 位设计师用起来，边用边调整提示词和标签。
整个过程里，运维宝继续兜底——新增的私有化算力节点纳入了原有的服务器运维和备份策略，GPU 机器的散热与机房负载也在智驻宝的弱电巡检范围内同步做了调整。
实施效果：返工少了，人也不再被"问住"
项目上线 5 个月后的复盘数据：
| 指标 | 上线前 | 上线后 |
|---|---|---|
| 新人独立承担子项周期 | 6–8 个月 | 约 2.5 个月 |
| 单个项目方案初稿编写 | 2–3 天 | 2–4 小时（含人工修订） |
| 查一条规范条款 | 20–40 分钟 | 30 秒内，附条款出处 |
| 审图一次通过率 | 约 72% | 约 91% |
| 历史方案复用率 | 难以统计，靠个人记忆 | 提升约 3 倍 |
按院内测算，重复设计和无效返工每年节省约 2,800 工时，相当于多出 1.5 个设计师的产能，而整套系统（含算力节点与实施）的年化投入不到一名资深设计师年薪的一半。
更隐性的变化是新人不再"被问住就卡住"。一位 2023 年入职的设计师说，以前遇到不确定的地方，要么硬着头皮猜，要么等总工有空；现在先问助手拿到条款和三个历史案例，判断完再去找人确认，沟通效率完全不一样。
客户评价
"我们不是买了套软件，是把 19 年的经验做了个备份。老法师退休，东西还在库里；新人犯错，出图前先过一遍预检。小诺IT 最让我放心的一点，是所有东西都在我们自己机房，图纸一张都没出去过。" —— 该设计院信息中心主任 周工
关于这套方案
这家设计院用的，是小诺IT 四大特色服务中的诺+AI（AI 落地陪跑）：从知识资产盘点、企业知识库搭建，到 AI 智能体定制、第三方系统集成，按"能用起来"而不是"能演示"为标准交付。底层 IT 环境则由诺+运维宝统一运维，两院区网络与机房由诺+智驻宝覆盖，数据侧配套诺+防备包做备份与权限审计。
AI 落地最容易踩的坑，是买了一个很聪明的模型，却发现它不认识你公司的业务。真正的门槛在知识整理和流程嵌入——这两件事，恰恰是 19 年 IT 服务经验能帮上忙的地方。
小诺IT，19年IT服务经验，服务热线400-0525-015
服务咨询与风险提示
- 如果你的团队也在经历"老师傅退休、经验带不走"，或试过通用大模型但担心图纸与客户资料外泄，可以先做一次知识资产与数据合规的免费初评，我们会给出私有化部署的可行性与成本区间。
- 咨询方式：服务热线 400-0525-015，邮箱 service@xn11.com，或访问 xn11.cn 查看四大服务与五大行业案例。
- 提示：AI 生成内容仅作辅助参考，规范条款、结构安全、消防与洁净度等关键设计结论，仍须由具备资质的专业人员复核确认；企业知识库上线前应完成数据分级与权限设计，避免越权调阅。