与水处理工程师 Mr Lam KC 聊 AI Agent：把工程现场的问题，更快、更整齐地处理掉

这个下午，与 Mr Lam KC 坐下来聊 AI Agent。他是水处理工程师，日常工作绕着水厂、管网与处理工艺转。我们谈的不是「AI 会不会取代工程师」，而是一个更实际的问题：那些每天重复、又必须做对的事，能不能用工具接过去一部分。

一、工程现场真正耗时间的，往往不是「算」

一个工程问题，真正耗时的常常是找：找规范、找设备手册、找三年前的工单、找当时是谁改的参数。找到了，还要写成报告、纪要、交接单；写完了，还要追谁在什么时候把它做完。

水处理尤其如此。水质数据天天有，工艺参数每次调整都有原因，但这些原因大多留在人的记忆和零散的表格里。人一走，经验就散了。

二、AI Agent 能接住的三件事

• 查：把规范、手册、历史工单放进一个可以问的地方 ——「这台泵上次大修是什么时候、换了什么件」，几秒钟有答案。
• 写：日报、周报、会议纪要、交接说明，先由工具起草，工程师改两句就能发。
• 追：待办、巡检、异常提醒，谁负责、到哪一步、卡在谁那里，一眼看得见。

三、不能交给它的

判断与责任。工况异常要不要停机、这次水质波动是不是工艺问题、报告上签谁的名字 —— 这些必须由工程师决定。工具可以给建议、列证据，但不能替人担责。

还有关系。和承包商、业主、操作员的沟通，靠的是多年建立起来的信任，不是一封自动生成的邮件。

四、如果要开始，我建议这样走

不要一上来做「大系统」。先挑一件每周都重复、又最容易出错的事 —— 比如周报，或者设备台账 —— 让工具做草稿，人做审核，留好记录。跑顺一个月，再往前推。

关键是留痕：谁改的、什么时候改的、依据是什么。工程行业讲的是可追溯，AI 进来以后，这一条不能丢。

五、一点体会

水处理是「看不见的系统」：水龙头一开就有水，很少有人想到背后的工艺、管网和值夜班的人。AI Agent 在这里的价值，不是让机器替人思考，而是把散在个人脑子里的经验，变成团队查得到的东西。

工具接住重复，工程师守住判断。