智能审核落地的最大障碍，往往不是模型，而是「审核标准只在老师傅脑子里」。本文讲怎样把散落在检查清单、评审纪要与返工记录里的隐性经验，拆成有明确判据、明确严重度、明确处置动作的可执行规则集。

做图纸智能审核的团队，大多在同一个地方停住：工具装好了，识别也跑通了，但没人能说清「到底要审什么」。老师傅一眼能看出问题，可你问他判据，答案往往是「凭经验」。规则写不出来，引擎也只能空转。

一、审核落地卡在哪一步

回顾我们参与过的项目，卡点几乎从不在算法，而在三件事上：审核标准没有书面版本；有书面版本的部分写得无法判定；即使判定出问题，也没规定该怎么处置。于是审核结果变成一份「仅供参考」的清单，设计员看两眼就跳过。

所以，智能审核的第一个交付物不是系统，而是一份可执行的规则集。

二、隐性经验藏在三个地方

1. 现有检查清单

出图前的自检表或会签表是最容易拿到的原料。条目通常写得很粗，比如「尺寸标注完整」，价值在于给出审核维度的骨架，告诉你要覆盖哪些方面。

2. 评审纪要

翻过去一两年的纪要，真正的判据都在里面。「这处剖面缺少材质说明，按标准第 3 条应补充」这种记录既有对象又有依据，直接能改写成规则。建议按频次排序，高频条目优先规则化。

3. 返工记录与质量事故单

这是权重最高的一类原料。返工意味着问题漏过了所有人工关口，并已产生成本。把返工记录逐条追溯到图面上的原始缺陷，就能得到一份带真实代价的问题清单，它决定了哪些规则该放在最高严重度。

三、一条合格规则的四要素

我们要求每条规则写全四项，缺一项不允许入库：

  • 对象。规则作用在什么上：标题栏字段、明细表某列、特定图层，还是整张图。对象界定不清，误报会成倍增长。
  • 判据。能被程序或人稳定判断的条件，不允许出现「合理」「清晰」「恰当」这类词。
  • 严重度。阻塞、警告、提示三档中的一档，决定放行策略。
  • 处置动作。谁在什么时限内做什么：必须修改重提，还是记录后可放行。

四、从「图面应清晰」到可判定条件

模糊表述的量化最费功夫。思路是追问「怎么才算不清晰」，把它落到可测量的量上：扫描分辨率不低于约定值、字高不小于图幅对应的最小字号、标注与图线不重叠。三条各自都能判定，合起来覆盖了原句的大部分意图。

拆不动的条目也要承认：有些判断依赖工程语境，硬写成规则只会产生噪声，应标为「人工判断项」留在评审环节。

规则集的质量，看的不是条目数量，而是每条规则被触发时，设计员是否愿意照它去改。一条持续被无视的规则，比没有这条规则更糟——它会拉低整个系统的可信度。

五、严重度分级与放行策略

三档严重度要绑定明确的放行规则，否则分级没有意义。常用口径是：有阻塞项不允许发布，必须修改后重跑；警告项允许发布，但需设计负责人签署说明；提示项仅记录用于统计。关键是阻塞项必须少而硬——初期建议控制在全部规则的一到两成。

六、规则集的版本管理与试运行

规则集要当代码管理：每条规则有编号、生效版本、责任人和变更记录；一次发布对应一个版本号，审核报告须标明用了哪个版本，否则历史结论无法复现。

新规则不要直接上线。先试运行：只输出结果、不参与放行判定，跑一到两个月真实图纸，观察触发量与准确性，再决定是否正式生效、以什么严重度生效。

七、用误报率和漏报率驱动规则迭代

上线后依据两个数字持续调整：误报率（触发但复核后不是问题）与漏报率（规则没触发却被人工或返工发现）。前者高说明判据过严或对象界定太宽；后者高说明覆盖不足，需新增规则或放宽阈值。

建议在审核界面给每条结果加一个「误报」反馈入口，并按规则编号汇总。有了这份数据，每月的规则评审会才有具体议题。

小结

把人工检查清单变成可执行规则，本质是一次知识整理工程：从清单、纪要与返工记录里挖出判据，用四要素固定，用严重度绑定处置，用版本管理保证可复现，再用误报漏报率迭代。规则集立住了，智能审核才算接进了业务流程。