Industry RAG
Definition先給答案：工地施工規範 SOP AI 是什麼
工地施工規範 SOP AI，是把施工標準、工安規定、驗收項目與工序，整理成一套 AI 隨問隨答的知識庫——現場工班與監工用問問題的方式，就能得到帶出處、可追溯的標準答案，不必翻厚重規範或等工程師回電。
RAG 是「檢索增強生成（Retrieval-Augmented Generation）」的縮寫。它和一般聊天機器人最大的差別，在於回答前會先到你自己的施工規範與 SOP 文件庫裡檢索，再根據找到的內容生成答案並附出處。對營建工地而言，這代表 AI 不會亂編工序與工安規定，講的每一句都能對回到某一份施工規範或某一張檢查表。
Key Takeaways
- 工地施工規範 SOP AI＝施工標準＋工安規定＋驗收項目＋工序，變成帶出處的 AI 問答知識庫，現場用問的就得答案。
- 最痛的場景是「規範厚沒人翻、工班憑經驗做」與「工安規定查不到、出事才發現漏」；AI 把查規範時間從十幾分鐘壓到十秒內。
- 標準導入用三個工具分工：Claude AI 釐清需求與切分文件、Codex 建後端檢索管線、Antigravity 做介面與整合交付。
- 一個中大型工地，通常 4～6 週可上線第一版，導入費用區間約新台幣 20～50 萬元。
- 成敗關鍵不在模型多強，而在「規範與圖說有沒有標清楚版本與工項」——這也是最多工地踩坑的地方。
Pain高雄亞灣工地的真實痛點：規範厚沒人翻
高雄亞灣區這幾年高樓建案密集動工，一個工地同時有結構、機電、裝修多個工班交錯施工。麻煩的是：施工規範、工安守則、驗收查核表加起來動輒上百頁，工班師傅不可能隨身翻，很多工序其實是憑各自經驗在做。一旦不同工班對同一道工序的標準理解不同，就會出現重工，甚至工安漏洞。
情境範例工班憑經驗做防水，驗收才發現工序不符規範
去年我服務一個亞灣區的建案工地，某層樓地坪防水，工班按過去習慣的做法施作，沒對照這案採用的施工規範。等監工驗收時才發現，該案規範要求的底塗乾燥時間與試水程序和工班習慣不同，整層必須局部打除重做。那次重工加上延誤，換算損失接近新台幣 12 萬元，還壓縮了後續工序的排程。若當下能立刻查到規範，這個坑本來完全可以避開。
這不是單一工地的問題，而是營建業的結構性痛點：施工標準、工安規定與驗收項目散在規範書、圖說、監造要求與各工班的口袋經驗裡，沒有一個能在現場即時查詢的入口。師傅遇到不確定的工序，平均要花 10～20 分鐘翻規範、問工程師、等回覆；而其中很多答案，規範書上其實白紙黑字寫得清楚，只是沒人有空翻。
我是賴家榮，甫東科技創辦人、SAIP 台灣首席 AI 長、SGS AI 認證。這 16 年帶團隊為超過 500 家企業做過系統與 AI 導入，服務高雄、台南、屏東、嘉義的中小企業主管與第一線團隊，開發時用 Claude AI、Codex、Antigravity 三工具分工。以下這套工地施工規範查詢流程，是我實際帶營建客戶跑出來、而不是紙上談兵的作法。
SolutionRAG 解法：痛點 → 做法 → 可量化效益
把工地現場最常見的幾類痛點，對照 RAG 的具體做法與可量化效益列成一張表，就能看清楚它值不值得投資：
| 現場痛點 | RAG 的具體做法 | 可量化效益 |
|---|---|---|
| 規範厚沒人翻，工班憑經驗施作 | 施工規範與 SOP 數位化建成向量知識庫，現場自然語言問答 | 工序不符規範導致的重工明顯減少 |
| 查工序與驗收標準要翻上百頁 | 以問答直接回帶出處的標準工序與驗收項目 | 單次查詢時間從 10～20 分鐘降到 10 秒內 |
| 工安規定漏查，出事才發現 | 工安守則與危害辨識整理成可即時查詢條目 | 現場工安查詢即時化，降低漏做防護的風險 |
| 不同工班對同工序理解不一致 | 以案別鎖定該工地採用的規範版本回答 | 跨工班標準不一致造成的爭議與重工減少 |
SOP標準導入流程 SOP：Claude × Codex × Antigravity
以下是我實際採用的七步流程。工具分工的原則是：需要「和人對話、把模糊需求問清楚、決定文件怎麼切」的環節交給 Claude AI；需要「寫後端、接資料庫、做檢索管線」的環節交給 Codex；需要「做出好用介面、把各系統整合並交付」的環節交給 Antigravity。以下內容基於 2026 年 7 月各工具版本。
1需求釐清與範圍界定Claude AI
輸入現場最常查的工序與工安問題清單、關鍵人員名單
動作用 Claude AI 逐條把「現場最常卡在哪、漏做代價最高」問清楚，界定第一版只做「防水與泥作工序＋工安查詢」
產出一頁需求書與成功指標（例：查規範低於 10 秒）
負責角色顧問＋工地主任
常見地雷一開始就想涵蓋全工地所有工項，範圍爆炸，永遠上不了線
2文件盤點與清理Claude AI
輸入施工規範書、工安守則、驗收查核表、圖說、監造要求
動作用 Claude AI 判斷哪些文件現行有效、去除舊版規範、統一工項與術語
產出一份乾淨、去重、標好版本的文件清單
負責角色工地＋顧問
常見地雷把上一個案子的舊規範留在庫裡，AI 給出不適用本案的工序
3文件切分策略Claude AI
輸入清理後的文件
動作用 Claude AI 設計切分規則（依工項、依工序步驟分段並保留上下文），而非機械式固定字數硬切
產出切分後的知識片段與對應 metadata（含工項、案別）
負責角色顧問
常見地雷用固定長度硬切，把一道完整工序切成兩半，檢索就找不全
4建立向量索引與檢索管線Codex
輸入切分後的知識片段
動作用 Codex 產生 embeddings、建向量資料庫、撰寫檢索邏輯（關鍵字＋向量混合檢索）
產出可用 API 呼叫的檢索服務
負責角色工程／顧問
常見地雷只靠純向量檢索，遇到規範編號、材料型號這類精確字串會找不到，需混合關鍵字
5生成與出處控制Codex
輸入檢索服務
動作用 Codex 串接生成模型，強制「只根據檢索到的規範回答、附出處、查無資料就明講不知道並轉工程師」
產出帶引用、不亂編的問答後端
負責角色工程／顧問
常見地雷沒設「查無就轉工程師」，AI 自行掰工序或工安做法，害現場照錯的做
6介面與系統整合Antigravity
輸入問答後端 API
動作用 Antigravity 做工地好操作的介面（手機可用、支援拍照上傳現場狀況、戴手套也好按），整合進工地群組
產出現場工班真的願意用的查詢入口
負責角色工程／工地
常見地雷介面做得像工程後台，現場師傅嫌麻煩不用，等於沒導入
7試運行、校準與維運Claude AI＋人工
輸入上線後的真實提問紀錄
動作用 Claude AI 分析答錯案例、補規範、隨版本更新，並建立換案即更新規範庫的機制
產出準確率穩定的正式版與維運 SOP
負責角色顧問＋工地種子人員
常見地雷上線就當結束，換案沒換規範庫，AI 沿用舊案標準造成施工錯誤
這七步不是每一步都要外包。我通常會帶工地一到兩位「種子人員」全程參與第 2、3、7 步，因為規範會換案更新、工序會調整，最終一定要有懂現場的內部人接手，AI 給的工序才會永遠對得上本案。
Flow一張圖看懂導入流程
1需求釐清
2文件清理
3切分策略
4向量索引與檢索
5生成與出處控制
6介面與整合
7試運行與維運
若你看不到上方流程圖，以下純文字步驟表資訊完全等價，刪掉圖仍可獨立閱讀：
| 步驟 | 負責工具 | 關鍵產出 |
|---|---|---|
| 1 需求釐清 | Claude AI | 一頁需求書＋成功指標 |
| 2 文件清理 | Claude AI | 去重、標版本的規範清單 |
| 3 切分策略 | Claude AI | 帶工項 metadata 的知識片段 |
| 4 向量索引與檢索 | Codex | 可呼叫的檢索服務 |
| 5 生成與出處控制 | Codex | 帶引用、不亂編的後端 |
| 6 介面與整合 | Antigravity | 現場可用的查詢入口 |
| 7 試運行與維運 | Claude AI＋人工 | 正式版＋換案更新 SOP |
Case我踩過的坑：一次差點失敗的導入
情境範例換了新工地卻沒換規範庫，AI 給出上一案的工序
第一次帶一家營造廠導入工地 SOP 查詢時，我犯了個錯：第一個案子上線很順，第二個案子開工時，我圖省事沿用同一套知識庫，只補了幾份新文件，卻沒把上一案專屬的施工規範撤下。結果現場師傅查一道結構工序，AI 引用到上一案的標準——兩案採用的規範版本其實不同。監工發現時已經有一小段照舊標準施作，得局部檢討重做。那一刻我很清楚：工地 RAG 只要規範版本對錯案，現場就會照錯的做。
講師的建議
修正方式有三個動作：第一，回到流程第 2 步，規範庫以案別嚴格區隔，換案就整批換規範、舊案封存不進本案檢索；第二，在每個規範片段加上「案別、版本、生效日期」的 metadata，讓 AI 只回本案適用的版本並標註；第三，加一條規則——回答工序時 AI 一律先標明「本答案適用於 X 案 X 版規範」，偵測到跨案或多版本時轉工程師確認。重做之後就不再給錯案標準。這個坑讓我學到：工地 RAG 的品質，八成決定在規範的案別與版本治理，不在模型多強。
Checklist獨家資產：工地施工規範 SOP AI 導入自我檢核表
在花錢導入前，先用這張檢核表自評。能勾起來的越多，代表你越適合、也越省成本。可直接複製到內部文件使用：
Checklist
- 已盤點出現場最常查、漏做代價最高的 5 個工序或工安問題
- 施工規範、工安守則、驗收查核表有電子檔，不是只有紙本
- 能明確講出「第一版只做哪些工項、哪個工地」
- 願意指派 1～2 位懂現場的種子人員參與文件清理與維運
- 現場工班手上有手機，能實際打開查詢介面（戴手套也能操作）
- 有一位主管能拍板「本案採用哪一版規範為準」
- 有明確流程，能在換案或規範改版時整批更新知識庫
- 已想好成功指標（例：查規範時間、重工次數下降幅度）
FAQ常見問題 FAQ
常見問題 FAQ
工地施工規範 SOP AI 導入大概要多少錢？
以高雄一個中大型建案工地、第一版只做特定工項工序與工安查詢為例，導入費用區間大約落在新台幣 20～50 萬元，差異來自規範文件量、工項範圍與是否整合工地既有群組或管理系統。之後每月的模型與維運成本，通常在數千到一萬多元不等。建議先做單一工地、單一工項的第一版驗證效益，再擴大到全工地。
工地施工規範 SOP AI 要多久才能上線？
一個範圍界定清楚的第一版，通常 4～6 週可以上線試用。時間主要不是花在寫程式，而是花在規範文件的清理、案別區隔與版本標註。如果規範已有整齊電子檔且版本清楚，時程可以再壓縮；若多半是紙本或版本混雜，要先加上掃描與整理的時間，這也是最值得先投資的環節。
現場師傅戴手套、環境吵，真的用得起來嗎？
用得起來，關鍵在介面要為現場設計。可以做成手機大按鈕、支援語音或拍照上傳現場狀況、整合進工班本來就在用的群組，減少額外操作負擔。實務上，只要第一次讓師傅體驗到「查一道工序只要幾秒、還附出處」，比翻厚規範或等工程師快太多，接受度就會上來，日常操作只是打字或講一句話問問題。
AI 回答的工序與工安能不能直接照做？
定位上要當作「快速查參考」，而非取代工程師簽核。系統回答會附規範出處供現場快速判斷，但涉及結構安全、重大工安的項目，仍應由工程師或工地主任確認後執行；查無資料時 AI 一律轉工程師。把 AI 定位成把規範隨身化、讓師傅少犯低級錯誤的助手，就能在提升效率的同時守住工安責任界線。
換了新工地，規範不一樣怎麼辦？
這正是導入時要設計好的重點。正確作法是規範庫以案別嚴格區隔，每個工地用自己適用的規範版本，換案就整批更換、舊案封存不進本案檢索，並在每個片段標註案別與版本，讓 AI 回答時先標明適用於哪一案哪一版。只要維運流程把「換案即換規範庫」列為固定動作，就不會發生 AI 給錯案標準的情形。
導入後現場工程師會不會被取代？
不會，而且通常反而受益。AI 處理的是重複性的規範與工序查詢，把工程師從「同一題答十幾遍」中解放，讓他們專注在需要判斷的複雜工況與工安把關。系統回答時也會標註規範出處，等於把資深工程師的專業變成工地可複用的資產。實務上，讓資深人員參與規範整理與校準，他們的認同感與配合度會明顯提高。
CTA下一步：三種開始的方式
不論你是營造廠還是工地團隊，導入 AI 最好的起點都是「先看清楚現場最常卡在哪、規範亂在哪」。你可以從以下三種方式擇一開始：
① 先自評：下載「工地施工規範 SOP AI 導入自我檢核表」，花 10 分鐘看出你適不適合導入。
下載檢核表② 想聊聊：預約 30 分鐘諮詢，我會針對你的工地與規範文件狀況，給出可執行的第一步建議。
預約 30 分鐘諮詢③ 要培訓：安排企業內訓，帶你的團隊實際跑一遍 Claude AI × Codex × Antigravity 的導入流程，結業交付可上線的雛型。
企業內訓報價
圖片來源 Image Credits
kaohsiung-asia-bay-construction-site.jpg｜封面：亞灣區工地施工規範查詢情境示意｜https://www.pexels.com/photo/7710091/construction-spec-drawing-documents.jpg｜施工規範書與驗收查核表，是工地 SOP AI 知識庫最重要的原料｜https://www.pexels.com/photo/4050216/supervisor-checking-phone-on-site.jpg｜讓現場用手機問就能查到帶出處的標準工序與工安答案｜https://www.pexels.com/photo/4864249/
本文為賴家榮 AI 教學中心原創教學內容；想讓團隊學會用 AI，歡迎看AI 課程或預約授課 →
代表圖片來源：圖片來源：Pexels
