【Code with SOLO】用AI替代审图工程师?23张施工图10分钟自动查出91个问题,5条强条违规无处遁形

审图工程师看一套图要3天,我用TRAE SOLO搭了一条自动化审查管线,23张DXF图纸丢进去10分钟出完整审查报告——91条规范逐条检查、7个管线碰撞自动定位、22项跨专业参数一致性校验。从温州医科大学5万㎡校区到佛山工业厂房,换项目只需改一个配置文件。15,000行Python代码,完全零基础起步。

一、背景

我是一名土木工程师(施工图审查方向)。日常工作是拿着6本规范、89张图纸,逐条核对强条是否满足——一套图看下来要3天,眼睛都花了还容易漏。

试过市面上的BIM审图软件,要么只能检查建模质量(不管规范合规),要么价格离谱(年费几十万),要么只支持特定BIM格式(我们很多项目只有CAD图纸)。

我就想:能不能用AI把“人肉翻规范”这件事自动化?

二、我是怎么拆解这个任务的

审图这件事看起来复杂,但拆开来看其实就是4步:

1. 把图纸变成文本 → 从DXF文件提取文字和标高数据

2. 用规则逐条检查 → 91条国家规范,每条定义关键词,命中=有证据

3. 跨专业对账 → 建筑说耐火等级二级,结构说一级?对不上就报

4. 出报告 → 按会审会议格式输出,直接能打印

这4步正好对应pipeline的4个阶段,每一步都可以独立验证。

三、踩过的坑(非常关键)

坑1:跨专业比对全部“不一致”——因为系统从整行文本抓第一个数字,“填充墙每隔500设2φ6钢筋”里的500被当成抗震烈度。

修复:写了领域感知参数提取器,用上下文正则精确匹配“抗震设防烈度X度”。

坑2:换项目后全部匹配不上——因为文件名匹配规则写死了“123号教学实验楼”。

修复:改为三级模糊匹配(精确→拆词→专业关键词回退),任何项目都能用。

坑3:规范引用错误——GB 50007-2011的替代规范写成了GB 55007-2021(砌体结构规范),实际上应该是GB 55003-2021(地基基础规范)。

修复:逐条核对住建部公告,建立规范版本校验表。

坑4:JSON文件格式各种问题——GBK编码、尾逗号、单引号、缺字段……

修复:三层自动修复(编码检测→语法修复→结构补全),修复不了就降级逐行提取,绝不丢数据。

四、成果展示

截图3:碰撞检测报告——7个管线碰撞问题定位

关键数据对比:

https://rqg4pq7k0my.feishu.cn/wiki/DIxFwvJcRiVeeykNk7YcrPXanqg?from=from_copylink佛山市天地元一净化设备有限公司厂区

审查日期:2026年04月15日

审查工具:施工图智能审查自动化管线 v5.1

https://rqg4pq7k0my.feishu.cn/wiki/VfQvwbIAUi5lkokEB2EcSN9ynR1?from=from_copylink

https://rqg4pq7k0my.feishu.cn/wiki/O0Lrw7MmLiMPlGk9CXncQF36nPc?from=from_copylink

https://rqg4pq7k0my.feishu.cn/wiki/PplKwFksNirmvukRbGScd7uKnxe?from=from_copylink
维度

人工审图

AI审图

耗时

3天/套

10分钟/套

覆盖规范

6本(人脑记忆极限)

28部(规则库)

检查规则

~50条(经验判断)

91条(标准化)

跨专业比对

靠开会口头对

22项自动校验

一致性

因人而异

每次结果相同

成本

~5000元/套(人工费)

接近0

五、效果与总结

这套系统已经在两个真实项目上跑通:

温州医科大学茶山东校区(5万㎡,89张图)——发现23个重要错漏

佛山天地元一净化设备厂区(23张图)——发现5条强条违规

最核心的收获不是“省时间”,而是不漏。人工审图看第87张图时注意力已经下降,但AI检查第1条和第91条规则用的是同一个标准。

代码已开源,换项目只需改一个配置文件(project_config.json),不需要改代码。

https://rqg4pq7k0my.feishu.cn/file/LOkUbLKzPobx4uxpH7TciyMJnrd 代码文档 :monkey_face:

这个项目牛在哪?

23张施工图,10分钟自动审查完毕,强条违规一个不漏。

核心数据:

  • :white_check_mark: 91条规范检查(vs 人工约50条)
  • :warning: 5条强条违规被自动发现
  • :stopwatch: 10分钟(vs 人工3天)
  • :bar_chart: 零基础土木工程师,15,000行Python

技术亮点

  1. PDF解析:用 PyMuPDF 提取施工图文字和图像,再用 PaddleOCR 识别图内标注
  2. 规范库构建:正则匹配《规范名》自动映射到规范章节,结合关键词库做强条识别
  3. 规则引擎:违规分级(强条/普通),输出结构化报告,关联规范编号方便整改

适合的场景

  • :building_construction: 设计院自审:出图前批量预检,减少审图修改轮次
  • :office_building: 甲方/监理:拿到的图纸先过一遍,快速定位问题
  • :graduation_cap: 工程教育:审图实训,自动标注违规点,学习效率翻倍

代码已开源,欢迎交流! :backhand_index_pointing_down:

https://rqg4pq7k0my.feishu.cn/wiki/DIxFwvJcRiVeeykNk7YcrPXanqg