把团队每天的重复工作，做成一套会自己算的工具

一句话：一家做岩土仪器监测、勘察、水处理的工程公司，团队每天有大量重复的手工活——抄读数、对阈值、编日报、整理钻孔数据、凑进度款文书。这些活规则清楚、量大、容易出错，正适合交给工具。这篇先把这些重复工作列清楚，再说明一套已经做出来的内部工具怎么把它们自动化；背后是一条简单可靠的原则：AI 负责写界面、干软件开发的活，把成本压到极低；但每一个数字、每一次判断，都走写死的确定性代码，绝不交给 AI 临时算。

配套：文末有一个可以亲手点的内部工作台 demo，四个工具都能录数据、真出成果。

一、先认识这家公司在处理什么数据

要做对工具，得先搞清团队每天面对的是什么数据。公司有三条业务线，对应三类数据：

① 岩土仪器监测（主力业务） — 在地铁、隧道、深基坑工地埋传感器，盯着地面会不会下沉、建筑会不会倾斜、支撑撑不撑得住。

每个测点每天产生读数（沉降多少毫米、孔隙水压多少、支撑轴力多少千牛），都要对照三道安全线判断：预警线（Alert）、行动线（Action）、停工线（Suspension）。这套「三级红绿灯」是新加坡深基坑监测的强制规定，所有监测报告都围着它转。

② 勘察（site investigation） — 开工前钻孔取土，记录地层、做标准贯入试验（SPT）、化验土样。数据要整理成柱状图，并按行业标准格式 AGS4（一种纯文本数据格式）交付给设计方。

③ 水处理（技术积累） — 公司有膜法水处理的技术底子（自有膜品牌 PoraMax / PermaMax / PuroMax，以及 Vavie 碱性水、消毒液等消费品）。这条线要处理的是水质数据：出水的 pH、COD、BOD 等要对照 PUB 排放限值判合格，膜系统要盯跨膜压差决定何时清洗。

三条线的数据形态不同（时序读数 / 结构化表格 / 在线水质），但共同点是：判断规则都很明确、都很重复、都靠人手在做。

二、团队每天到底在重复做什么

把这些重复工作列出来，就能看清工具该解决什么。以下都是规则清楚、适合自动化的活：

监测 - 每日 / 每周把读数汇编成提交给业主的日报、周报（最高频、最耗时） - 逐点对照三级阈值、标注超限 - 超限事件的通报与跟踪 - 月度趋势图与解读

勘察 - 钻孔记录录入、画柱状图 - SPT N 值 → 密实度 / 稠度分类（查表） - 生成、校验 AGS4 交付文件

合约 / 财务 - 已完工未开票金额（合同资产）的跟踪 - 进度款支持文件编制、开票进度跟催

水务 - 出水水质对照排放限值、出合规记录 - 膜系统运行参数趋势

这里面最值得先做成工具的是「监测日报」——频率最高、最耗人时，又最规则化。所以工具就从它做起，再覆盖其余三类。

三、一条原则：AI 写界面，代码算数字

在动手之前，先讲清楚整套工具最重要的设计原则。它就一句话：

用 AI 来写代码、干软件开发的活，把开发成本压到极低；但所有数字测算、阈值判断、合规比对，一律走硬编码（写死的确定性逻辑），绝不交给 AI 临时算。

为什么非这么分？因为 AI 和「写死的代码」各有各的命：

• AI 的强项是「写」：写界面、写文案、生成代码——又快又好，能把一支软件团队几个月的活压成几天，开发成本断崖式下降。
• AI 的死穴是「算」：它会「幻觉」——一本正经地编造数字，同样的输入可能给不同结果。而阈值判断、计费、合规这种事，算错一次就是事故或纠纷。
• 「写死的代码」恰好反过来：它不写漂亮界面，但确定、可审计、可复现——同样输入永远同样输出，工程师能逐行复核、能对监管解释、能在报告上签字担责。

这不是纸上谈兵，是已经验证过的做法。 用同一套打法做过两个真实产品：

整个 3D 编辑器、整套界面和多语翻译都是 AI 几天搭出来的——这在过去要一支团队干几个月。但只要一碰「该收多少钱」「该发多少工资」，立刻切回写死的代码，AI 一个数字都不许碰。监测工具用的是同一个道理。

四、四个工具：把重复工作真正做完

按上面的原则，做了一套内部工作台。四个工具对应前面的四类重复工作，每一个都能录入数据、自动算、出成果，不是只看不能用的展示盘。

监测日报 · 一键出报告

录入当天读数 → 系统实时套每个测点的三级阈值判状态、算日变化 → 点一下生成一份可打印提交的正式日报（含机构抬头、超限明细、文字解读、工程师签字栏）。原来一个人要花大半天汇编的报告，现在几秒成形，工程师只需复核签字。

钻孔 · AGS4

录入土层和 SPT 读数 → 实时画柱状图、按查表把 N 值变成「松散 / 中密 / 密实」→ 生成并校验 AGS4 交付文件（自动检查深度是否连续、N 值是否合规等）。手工整理勘察数据、画图、凑 AGS4 这条链路一次做完。

进度款台账

把已完工未开票的金额按状态录进来 → 自动拆成「可马上开票 / 等验收 / 质保金 / 争议」、算账龄 → 给每笔生成进度款支持文件清单。

水质合规

录入出水水质 → 自动对照 PUB 排放限值（入沟渠 / 入下水道可切）判合格 → 按膜的跨膜压差趋势预测该洗膜的时间，直接出合规记录。

工作台还做了明暗自动切换（跟随系统、可手动）、手机端适配，每个按键都配了一眼能看懂的图标。

👉 可以亲手点：Tritech 内部数据工作台（demo）

五、这些工具是怎么实现的

不神秘，反而朴素得有点出乎意料。

整体架构：就是一个网页应用（HTML + JavaScript），核心计算全在浏览器里跑，不需要服务器、不需要数据库。可以当一个静态文件挂在很便宜的托管上，甚至放公司内网。AI（Claude / Codex）写了全部界面、图表、文案、胶水代码——几天搭成；而「算数字」的部分是手写的确定性函数，几十行就覆盖了全部判定。

每个工具的数据流（都一样的套路：数据进 → 确定性函数算 → 出结果）：

为什么这套实现方式重要：因为是「AI 写界面 + 几十行确定性函数」，一两个人就能搭和维护，不用养一支软件团队。想加一种新测点、改一个阈值，改几行常量就行（工具里已经能在界面上直接加测点、改阈值）。这正是「AI 写代码、数字硬编码」打法把开发成本压到极低的地方。

还需要人做的（诚实说清）：数据录入或对接现有 datalogger 仍要人；工程师复核、签字这一步永远不能省；每个项目的阈值要由工程师按该工地设定。工具接走的是「整理、计算、排版」这段重复劳动，不是「判断和担责」。

六、这是公司真的需要的吗？预计能省多少人力

这是最该较真的问题——不是「能不能做」，而是「值不值得做、做了省多少」。我按真实情况逐个老实评。

6.1 四个工具，哪些是真刚需

结论：真正现在就该上、回报最大的是监测日报；钻孔、进度款其次；水质工具老实讲眼下用得不多，先放着。

6.2 预计省多少人力（透明测算 · 你填真实数字就出结果）

丑话说前面，三层诚实：①「手工编一份监测报告要几小时」公开查不到第三方实测——行业只有厂商宣称的「自动化省 80% 行政时间」（厂商自报、未经独立审计）；②工具里是合成演示数据，这是 demo 不是已上线系统（见 6.3）；③所以下面不是「结论」，是一个把假设全摆出来、你填真实数字就重算的模型。

算法就一条乘法链： > 每工地每月省的人力 = 单份报告手工工时 × 每月报告数 × 自动化掉的比例 × 全成本时薪

把每个因子按 低 / 基准 / 高 三档摆清楚（最后一列是待你用真实数据校准的）：

乘出来（单个工地 · 每月）：

这是单个工地。总账 = 上表 × 你们真实同时在跑的监测工地数。例：6 个工地取基准档 ≈ 1.1 个 FTE + 每月约 S$6,000 的数据处理人力，外加报告质量更稳、出错更少。

要从收益里扣成本（TCO，别只算省的）：工具搭建/外包、和现有 datalogger/TEMS 对接、员工培训、上线后维护与支持、上市公司安全审查——这些是一次性+持续支出，必须进回收期。本工具「一两个人维护、无服务器」压低了这块，但不是零。

「几秒成形」和「省 1.5–4 小时」不矛盾：报告「生成」确实几秒；省的是生成之前那段人工取数+比阈值+排版的 1.5–4 小时。工程师复核+签字不省，已经从「只算 50–70%、不算 100%」里扣掉了。

进度款不在上面这张表里：它省的文书工时不大，真正价值是加快开票、把钱早点收回来——应单独用 DSO（应收账款周转天数）、开票滞后天数、合同资产账龄量化（工具里已能按账龄分桶看），别混进「省人头」。钻孔/AGS4 同理按项目发生，厂商称单根从数小时降到约 10 分钟（Civils.ai 自报），保守按省 70% 看。

最大、最稳的省人力点是「每天那份监测日报」；其余是加分。但所有数字投用前，必须用你们 1–2 个真实工地做一次 2 周实测（before/after 分项计时）来校准——这是 CFO 唯一会信的依据，比任何公开数字都准，工具本身就能帮你记这个时间。

6.3 这是 demo、pilot、还是 production？别混着看

§五那张表「数据怎么进」里写的「可对接 datalogger CSV / TEMS 导出」是 pilot/production 的路线图；demo 现在是手工录入，别当成现有能力。

6.4 怎么上线（production 控制层 · 先有设计再批预算）

「不要服务器、不要数据库」是 demo 能极简的原因；真上线、接 TEMS、正式提交、满足上市公司合规，就得补一层控制层，至少包括：

• 阈值注册表：每工地的三级阈值由谁、按什么计算依据设定，版本化、可审批、可追溯。
• 数据接入：datalogger/TEMS 的字段映射、单位、时间戳、重复/缺失读数处理、QA 规则。
• 签字与合规：身份认证、审计追踪、报告版本锁定、电子签合法性、提交记录——比 demo 的空白签名栏要重。
• 权限与安全：账号/角色权限（RBAC）、访问审计、数据留存；用户输入已做转义防注入，但上线还需正规安全审查。
• 与现有系统集成：会计/ERP（进度款）、文档管理（报告归档）。

不必一次做全，但批预算前至少要有一页架构图，否则「批了之后怎么上线」答不上来。

七、为什么数字必须由代码算，而不是 AI

这是整套工具的可靠性根基，值得单独说清。

提交给业主、监管的监测报告，要由持牌工程师（QP）签字负责。如果让 AI 去「读」传感器数据再写进报告，万一它幻觉出一个不存在的读数——把下沉 2 毫米写成 20 毫米——那是要出事的。

所以正确的分工是三段，缺一不可：

这样既拿到了 AI 带来的效率和低成本，又一点没动「数字可靠、责任清晰」这条工程红线。点工作台右上角的「计算逻辑」，能看到真实的判断代码——就是几个朴素的查表和 if，没有任何 AI 参与。

八、这套工具带来什么

★ 三点小结 ─────────────────

第一，先列工作，再做工具。 不是为了用 AI 而用 AI，而是先把团队真正在重复做的活列清楚（监测日报、钻孔整理、进度款、合规），再针对性地做工具——每个都对着一个具体的、量大的、规则清楚的活。

第二，AI 写界面、代码算数字。 这套分工让一两个人就能搭出过去要一支软件团队几个月的工具，同时保证每个数字可审计、可签字担责。省下的不是某一笔钱，而是「养一支开发团队」这件事本身。

第三，工具是给人用的，不是替人担责。 它把重复劳动接走，让工程师从「抄数据、排版报告」回到「看趋势、做判断、签字」——人时省下来，质量反而更稳。 ────────────────────────────────────

这套思路对任何靠人手干重复活的团队都通用：先找出那个「一个人坐着搬数据」的环节让代码接手；界面和文字交给 AI、把每个数字焊死在代码里；最后留一步给人复核签字。

想看具体长什么样，点这里亲手试：Tritech 内部数据工作台 —— 四个工具都能录数据、真出成果，明暗自动、手机也能用。

附 · 工具中的判据来源：监测三级阈值（Alert/Action/Suspension）为新加坡深基坑监测惯例；SPT 分类、AGS4 数据格式为勘察行业标准；水质限值参照 PUB 排放标准量级（demo 用合成数据演示，非真实项目读数）。StoreySG、Salon OS 为同一「AI 写代码、数字硬编码」方法做出的实际产品。