一天造一套 AI 造价系统:数字员工团队全链实战复盘

背景与目标

下午和保险公司谈价格谈不拢——我不是造价专业,对方报价里的门道我看不懂。于是立项:做一套 AI 造价系统,我说人话("做一段几米宽几米高的混凝土挡墙"),它出完整的、专业的预算报告——人工、材料、机械台班、管理费、安全费、税金全算进去,拿去和村镇协商、甚至报批都能用。

执行主体是数字员工团队(CIO 调度 + 01 产品设计岗 + 03 后端岗 + 04 测试岗),全程 Kimi Code 无头派单。

过程回顾

需求梳理(01 岗,17 点前):链式跑问题框定/竞品拆解/设计简报/用户故事,产出落 outbox\AI造价系统\。竞品拆解有个硬结论:"口语描述→自动算量→可协商预算书"在赛道里是空位——广联达们要专业知识手工建模,AI 报价产品只做装修不做土建。01 岗收口时给出 D1-D5 决策项清单,我逐条拍板:浙江省定额、官方免费数据源、报告要"准法定文件级——就差那个一造的章"、自用先行、主营高速公路工程+小三改(挡墙只是我随口举的例子,被当成了业务主体,这里修正了一次)。

PRD → 架构(01 岗续跑,17-19 点):585 行 PRD 定稿,关键数值(人工费 127.66 元/工日、规费 32.3%、税金 9%)逐项与我前一天出的调研研报对齐。架构设计走 Context7 三重取证,定了 FastAPI+SQLite 单机方案,并划了一条架构红线:大模型只负责听懂话抽参数,算量计价 100% 确定性 Python 代码——我当时的原话"系统主要还在固化的流程上,AI 的智商要求没那么高",架构师听进去了。LLM 选型我拍板"有啥用啥,先用 Kimi Code 套餐",不绑定。

编码六卡(03 岗,19 点到次日凌晨):基建数据层 → 计算引擎 → 页面一体 → 报告生成 → 池塘清淤(真实需求驱动) → 打回修复。中途我推翻过一次 CIO 的拆卡方案——它想先派纯 API 卡,我直接怼回去:"纯 API 我看不到效果啊!我现在还是灯下黑。"卡3 改成页面一体交付,改对了:浏览器里从说话到总价全程可点。

真实案例当天回测:晚上我把东阳市六石街道桐坑村的池塘清淤(甬金高速施工泥沙污染,2 亩、淤泥 0.5 米、消纳费 40 元/m³)输进去,系统回"暂不支持"。当场立项卡5:新增 X4 池塘清淤规则包 + "用户询价直接费用项"机制(消纳费这类没定额依据的市场价,标注"市场询价"入价)。改完回测,我那段话原样输入,"两亩"都被正确转成数字 2,总价 29648.15 元三方对账一致。

验收收口(04 岗):全链验收 21 项通过,但打回了——抓出机械工重复计费(总价虚增 2%)和负参数两个真缺陷。修复时 CIO 埋了道防错闸:03 岗不许照抄 04 岗的基准值,先按研报口径独立复算,对上才动手。两岗独立算出同一个数(52686.40),修复成立,复验通过。

关键踩坑

坑 1:我的卡面算术错了,下游没跟着错。 卡5 我把 666.67×40 写成 26666.67(正确是 26666.80),03 岗按正确算术出数并报备。验收证据链救了我:基准值必须人工核算写死进断言,谁错了一对账就知道。

坑 2:token 口径混报,被自己人抓。 我一会儿报"全量 2766 万"一会儿报"有效 65 万",本人直接质疑:"你统计的什么几十万 token,是啥玩意算法?肯定不对!"数字本身没错(都是 wire.jsonl 实测),错在口径混用不交代。规则:报数先说口径,口径全场统一。

坑 3:CIO 验收两次被残留旧服务进程骗。 实测 eng-types 返回 8 类(应为 9)、总价返回旧值——都是本地残留的旧 uvicorn 进程在响应,杀掉重启全对。已沉淀硬流程:服务实测前杀旧进程+验端口+核对新版本标记。

坑 4:熔断线两次失守。 卡6 和 04 复验都超了 token 熔断线,都是跑完才发现。产出全绿没作废,但纪律没守住。规则升级:CIO 每 30 分钟抽查在跑任务的 token 增量,不靠执行岗自律。

最终方案(系统现状)

双击 app\run.bat → 说话建工程(Kimi 套餐凭证自动读取,无需配 key)→ 9 类工程算量(公路 5 类+小三改 3 类+池塘清淤,计算式可展开)→ 定额计价(每条带定额编号+价格期号,拿不准的黄条请你确认)→ 浙江口径八项取费 → 一键出附录 A 表式预算书四件套(Word/PDF/Excel/JSON,三级签章留白页就等一造的章)。40 条 pytest 全绿。

做得好的地方

• 决策清单收口形式好:每棒停下时给"每项 ≤3 行带建议"的清单,我 5 分钟拍完 D1-D5,不用读长文;
• 打回机制抓到真钱:机械工重复计费这种 2% 的口径错误,没有验收闸就带进真实报价里了;
• 真实案例驱动开发:桐坑村清淤不是测试用例,是我当天真遇到的问题,系统当天就支持了;
• 研报前置立功:立项前一天的调研研报(定额体系、数据源、误差率红线)成了全链的数值锚点,PRD/架构/验收都拿它对齐。

复盘与改进

• 预算估算能力弱:卡2 实际消耗是预估的 2.5 倍,以后报预算按"上卡实测×1.5"锚定,不拍脑袋;
• 需求初始表达要更狠一点:随口举例会被当成业务主体。重要项目立项,先说业务全貌再举例;
• 熔断纪律要从"自觉"变"他律",已入故障台账;
• Phase 0(定额真数据灌库)没做完之前,系统报价精度是"样例数据"级——这是下一步的主战场。

成长评估(五维,10 分制,只对事)

AI 自评失分点(被本人抓获优先):①卡面算术笔误被 03 岗抓获;②token 口径混报被本人质疑;③两次 stale-server 假阴性系 CIO 自查推翻,未流出错误结论;④熔断超限两次均事后自报;⑤D5 把举例当主体,属需求理解失分。

素材点

• "非专业的人做出专业报价"是真实痛点叙事(保险公司谈判场景);
• 竞品空位结论(公路造价无霸主+口语化入口无人做)有研报数据支撑;
• "两个 AI 岗独立算出同一个数才敢改"的防错闸设计,可写成协作机制案例;
• 熔断线两次失守+验收假阴性,是"AI 团队治理"的真实反面教材。