企业官网建设流程全解析

说实话，干电气设计这一行的，十有八九都被两样东西折磨过：一个是无穷无尽的修改单，另一个是明明不复杂但就是耗时间的琐碎活儿。我前几年在某设计院做工业厂房电气设计，画图倒还在其次，最怕的就是算负荷、统计材料、核对规范条款这种“查一遍、算一遍、再誊一遍”的工作。一个配电箱的系统图，光是把回路信息填全、核对保护整定值、生成材料表，就得耗掉小半天。项目一多，加班就成了常态。

后来我花了一段时间，把 OpenClaw 调教成了一个专门干电气杂活的“助理”——对，就是那种你用自然语言给它派活、它自己去翻资料、算数据、整理成你熟悉格式的本地工具。折腾下来最直观的感受是：以前要花一两个小时整理的负荷计算书，现在二十分钟就能出一版初稿；材料表从对着 CAD 一个个数，变成了自动提取加复核，效率提升确实对得上标题里说的“300%”。这篇文章我把自己从安装配置到实际使用的完整过程写出来，里面包括我踩过的坑、试错后沉淀下来的提示词模板，以及团队落地时的分工建议。如果你也是做电气设计、现场调试或者设备管理的，这篇内容应该能帮你少走不少弯路。

1. 电气工程师加班的根源：不是画图慢，是琐事太多

先说清楚一个判断：电气工程师的加班，绝大部分不是消耗在“画线”上，而是耗在那些看似不起眼、却又绕不开的重复劳动上。我观察了好几年，真正吃时间的其实是三类事。

第一类是计算类的，比如用电负荷计算、电缆压降校验、短路电流估算、照度验算。这些计算本身不复杂，但要把数据从图纸、样本、规范里一个个抠出来，再代入公式，最后还要写成符合校对习惯的计算书，就很磨人。改用 OpenClaw 之后，我把整个流程拆成了“数据提取 + 自动计算 + 模板输出”三步，它做完我只需要抽查几个关键数据。

第二类是核对类，比如检查图纸里配电箱编号是否重复、回路编号是否连续、设备参数与系统图是否一致、布线与材料表是否对得上。这类工作极其适合交给语言模型——原理上靠的是模式识别：它对“编号一致性”的敏感度其实比人眼还高，因为人看两个小时会眼花，它不会。

第三类是编制类的，比如设计说明初稿、设备材料清单、施工招标技术规格书。这些文档有固定的套路和条款结构，难点只是“把项目参数填进去”。以前我复制粘贴改参数要一小时，现在 OpenClaw 帮我先把初稿拉出来，我再花十分钟补项目特性，效率完全不在一个量级。

所以这门“助理”的核心逻辑不是替代你思考，而是把你从“找数据、填格式、翻规范、抄条文”这些体力活里解放出来，让你把省下来的时间用在真正需要工程判断的地方。这也是我在这篇文章里反复强调的一句话：AI助理做到位，不是让你少干活，而是让你把精力集中在更值钱的活上。

2. 上手准备：要把 OpenClaw 变成“自己人”，这三件事必须做

2.1 先别急着问问题，先给它定“岗位职责”

OpenClaw 这种工具，本质上是一个可以自定义角色和知识界限的交互框架。如果你直接拿它当通用问答用，输出的东西会很“泛”——因为它不知道你是个做工业配电的电气工程师，也不知道你们院的图纸深度要求，更不知道你常用的图集号是哪几本。所以第一件事，就是给它一个明确的人设和边界。

我自己的做法是建了一份“岗位说明”，放在它的知识目录里，每次对话前先加载。内容大致是这样的：

我是一名工业建筑电气设计师，主要从事厂房供配电系统设计。你的角色是让我工作更高效和细致。你重点关注：

• 供配电系统设计原则，包括负荷分级、变压器容量选择、低压系统接地形式；
• 常用设计规范中关于安全、防火、节能的强制性条文；
• 电气设备选型时常见的技术参数，例如断路器分断能力、保护级配、电缆载流量修正系数；
• 与我沟通时，你的输出格式需要符合工程文档习惯，用词要专业、精炼；
• 对不确定的数据，必须标注并提示我复核，不能编造。

这一段其实就是“调教”的第一步。它看起来简单，但作用非常大：它解决了最核心的“角色漂移”问题。没有这段说明的时候，同一个问题问十次，表达风格能变出五六种。加上之后，输出就稳了，起码格式和语气是固定的，我后期修改成本降了一大半。

2.2 把规范和项目资料组织成可检索的本地知识库

很多人在用这类工具时都会遇到一个尴尬：问它“根据某本规范，这个条款怎么说”，它倒是答得头头是道，但一核对原文，不是少了限定条件，就是把强条和非强条混在一起。这不是工具不行，是你没给它正确的“参考资料”。

我的解决方案是自建一个轻量级知识库，不需要多复杂，就是按文件夹把资料分类放好：

• 规范类：把常查的 GB 标准 PDF 放进去，命名时带上年份和章节号；
• 图集类：常用标准图集的扫描件或电子版，按图集号归档；
• 厂家样本类：主要设备厂家的选型手册、参数表；
• 项目资料类：当前项目的设计任务书、甲方要求、初步设计文件。

然后给 OpenClaw 配置一个规则：回答涉及规范条文、设备参数、项目数据时，优先从本地资料中检索原文，不允许凭记忆直接输出。这个规则非常重要，它相当于给助理加了一道“查证工序”。实测下来，规范引用错误率从最初的接近三成降到了基本可以忽略，剩下的少数偏差，也都能在我要求它“定位到条文编号”时及时发现。

2.3 定义好“输出模板”，让助理按你的习惯说话

我见过不少人用这类工具失败，败在最后一步：工具算得挺对，但输出格式跟自己单位的模板对不上，还得花时间重新整理，一来一回还不如自己干。

所以“调教”的第三步就是统一输出模板。我把日常用得最多的几个文档模板都整理好，喂给它作为格式样本。负荷计算书、设备材料表、设计说明、审图意见回复，每一类都存了一个范例文件。然后在系统设置里加一条约定：

当我要求你生成设计文档时，请严格参考我提供的模板格式，保留原有章节结构，仅替换为当前项目的数据与参数。如遇模板中未包含的内容，请在附录中单独列出，不要直接插入正文。

这一步做通之后，它的价值才算真正显现：我拿到手的不是一堆零散的答案，而是一份基本可以进入校对流程的成品文档。改起来省心，归档也更规范。

3. 实战调教：让 OpenClaw 真正干活的关键配置

3.1 用“检查-计算-输出”三段式，搞定负荷计算书

先说一个我日常最常用的指令框架，我管它叫“三段式工作流”。一段是检查，二段是计算，三段是输出。

举一个实际例子。以前整理某个厂房的照明配电回路负荷，我得先从平面图数灯具数量，再查每个灯具的功率、功率因数，然后按需要系数法算计算负荷，最后填进负荷计算表。这个过程至少反复核对三遍。现在我把指令写成一段固定格式的话：

请帮我完成以下回路负荷计算。已知条件如下：回路编号：AL1-1；灯具类型：LED工矿灯，单灯功率100W；数量：24盏；电压：AC220V，单相；需要系数Kx=0.9；功率因数cosφ=0.9。请计算：设备安装功率Pe、计算功率Pjs、计算电流Ijs，并按三相平衡原则归入配电箱负荷汇总表。输出时请附带计算公式。

这么一问，它计算的逻辑和人是一致的：Pe = 0.1kW × 24 = 2.4kW；Pjs = 2.4 × 0.9 = 2.16kW；因为单相负荷需要折算到三相，取最大相负荷乘3得到等效三相负荷，所以 Ijs = Pe_eq / (√3 × 0.38 × 0.9) ≈ 4.6A。这个算法它百分百能执行，而且比我自己按计算器快得多。

但这里有一个关键经验：你必须把已知条件一次性给全，特别是单相还是三相、需要系数、功率因数这些涉及算法分支的参数。给不全，它就会“猜”，一猜就容易错。所以我养成了一个习惯：请它算任何东西之前，先自己列一遍条件清单，确认无误再发送。这个习惯让我避免了至少五次因为漏参数导致的返工。

另外，在复杂的多回路汇总场景中，我还会追加一句：

请在计算完成后，自动检查所有回路的相别分配是否满足三相平衡要求，不满足时提出调整建议。

这句话等于让助理多干了一件以前需要我手工核对的工作——相别平衡调整。现在它能自动建议把哪几个单相回路互换相序，省掉了对着表格反复试的环节。

3.2 用一个“审图指令包”，把交叉核查变自动化

说完了计算，再聊聊审图。电气图纸最容易出的问题不是单个回路算错，而是“相互矛盾”：系统图里断路器是32A，平面图回路标注却是20A；设备表里电缆是YJV-5×16，系统图里却是YJV-5×10。这种检查最枯燥，最容易漏，也最适合交给工具。

我给 OpenClaw 配了一个“审图指令包”，主要包含这几条规则：

请按下述规则检查图纸信息一致性：第一，核对系统图回路编号与平面图回路编号是否一一对应；第二，核对断路器额定电流与电缆截面是否满足载流量匹配；第三，核对设备材料表中的电缆规格、型号与系统图标注是否相同；第四，核对配电箱进线开关整定值与上级出线开关是否满足选择性配合；第五，对发现的每一项问题，输出为“问题编号、位置描述、问题类型、整改建议”四列的表格式清单。

这条指令的效果非常直观。以前我做一次多层厂房的配电系统自查，拿着图纸和材料表来回翻，至少一个半小时，还不敢保证全查到。现在我把图纸里提取的文字信息和材料表导成结构化文本，喂给它跑一遍，二十分钟内就能拿到一张问题清单。准确率方面，大概率能覆盖掉七到八成的“低级矛盾”，剩下那些涉及空间位置、安装方式、施工可行性的问题，还是得我自己看图确认。

这里要说清楚一个分寸：AI 审图不是替你签字负责，它是帮你做“地毯式排查”。你用它的结果去复核，比自己从零开始快得多。但也千万别真的完全信任它的结论——结构件位置、管线综合这些三维空间里的冲突，它目前还办不了。

3.3 用“自动提取 + 人工复核”生成设备材料表

设备材料表是我个人最不喜欢做的工作之一，因为它纯靠耐心：配电箱、电缆、桥架、穿线管、开关插座，一个回路一个回路地数，数错了还得返工。用 OpenClaw 之后，我把流程改成“半自动”：

第一步，从 CAD 里把图纸导出为含图元信息的文本格式，把每个回路标注、设备编号、线缆规格都保留下来。第二步，把文本内容喂给 OpenClaw，让它按规则提取并汇总成表格，规则是：按配电箱编号分组，统计每个回路电缆型号、规格、长度、穿管管径；按设备类型分类，统计灯具、开关、插座、风机等设备数量。第三步，我拿着汇总表与图纸抽查三五个回路，核对无误后再用于招标和备料。

这个模式的关键是把“数数”这件事交出去，把“判断”留在自己手里。实际用下来，一份中型厂房的材料表从一天压缩到两个多小时，大约四倍的提升。而且因为提取逻辑是固定的，出错的地方往往集中在“文字标注不规范”的图纸上——字体乱、标注重叠、缩写不规则，这些地方 AI 也会犯迷糊，所以最后的抽查环节绝对省不得。

3.4 让设计说明初稿“十分钟”出炉

设计说明是我见过的最耗时的文档工作，而且它有一个特点：每个项目都不同，但每个项目的骨架都类似——工程概况、设计依据、供电电源、负荷分级、配电系统、导线选择及敷设、设备安装、防雷接地、节能措施、消防电气。以前我每接一个新项目，都是把旧项目的说明找出来，从头到尾改一遍参数，经常改到一半忘记改某处，留下隐患。

我的调教思路也很简单：把一篇典型的电气设计说明脱敏后作为模板存进知识库，然后每次都这样下指令：

请根据以下项目信息，参考模板库中的设计说明样例，生成一份新的电气设计说明初稿。项目信息：工程名称：某制造业车间；建筑面积：12000平方米；建筑性质：单层工业厂房，局部二层办公；负荷等级：二级；电源情况：两路10kV进线；主要负荷：工艺设备、空调、照明、消防设备。输出时保持模板原有章节，仅替换对应参数；若某些章节因缺少信息无法填写，请用“待补充”标注并列出问题清单。

这一步执行完后，我通常在十分钟内就能看到一份结构完整、语言通顺的初稿。它最大的价值不是写得多么出彩，而是把“那些永远不变的废话”自动填好了。我把精力全部放在第二章“设计依据”是否用对了规范版本、负荷计算是否准确、系统方案是否合理这些真正重要的事情上。

4. 实操复盘：三个日常场景的工作量对比

为了让你对“效率提升300%”有个具体感知，我把三个最典型的场景做了个“前后对比”。这个对比不是理论上限，而是我一两个月里反复操作下来比较稳定的数据。

4.1 场景一：一份车间照明的负荷计算书

• 人工方式：统计灯具数量约1小时；查功率、功率因数约0.5小时；逐回路计算并填写表格约1小时；汇总、复核、调整相别平衡约1小时。合计约3.5小时。
• OpenClaw辅助：整理回路信息并输入约20分钟；自动计算并生成计算书约5分钟；人工复核数据抽查约15分钟。合计约40分钟。
• 效率提升：约5倍。

这里我补充一点：纯计算的时间其实只占一小部分，真正省下来的是“汇总”和“填表”的时间。因为计算书模板是固定的，数据填进去格式就对了，不用再费劲调排版。

4.2 场景二：设备材料表统计

• 人工方式：打开图纸逐回路识别设备类型、数数量、填表约2小时；核对规格型号、复查遗漏约1小时。合计约3小时。
• OpenClaw辅助：导出文本并整理约15分钟；AI提取汇总约10分钟；人工抽查图纸约30分钟。合计不到1小时。
• 效率提升：约3倍以上。

这个场景的收益不只是快，更重要的是它把“重复性数数”和“专业判断”分开了。以前我一边数数一边还要想着“这个柜子尺寸对不对”，现在我可以先让 AI 数完，我再集中精力做判断，脑子不容易乱。

4.3 场景三：设计说明文档初稿

• 人工方式：找旧模板、逐段改参数、核对格式约2小时。
• OpenClaw辅助：整理项目信息约15分钟；生成初稿约10分钟；人工修改补充约40分钟。
• 效率提升：约2到3倍。

三个场景加在一起，足以说明一个趋势：当工具被调教得符合你的行业习惯之后，它带来的收益是乘法级的，不是加法级的。300%这个数字，对重复性最高的计算和统计类任务来说，一点都不夸张。

5. 常见问题与排查技巧实录

5.1 它“一本正经地胡说八道”怎么办？

这是所有人遇到的最大障碍。我最初的应对策略是“命令它每次必须给出处”，后来升级为“不给资料不许回答”。具体做法是：碰到涉及规范条文和具体参数的问题，强制要求它标出引用来源的规范编号和图集号；拿不准的内容，必须明说“不确定”，不准猜。

但光靠命令不够，最可靠的办法还是前文提到的本地区知识库。你喂进去的都是经过自己确认的 PDF，它再胡说也有个边界。我现在的原则是：所有进入正式文件的引用，一律对照原文人工复核。这句话写在这，希望你能记牢——AI 是提效工具，不是背书工具。它擅长把检索范围缩小，但最终那一锤子定音，必须是人。

5.2 同一类问题，今天问明天问，答案风格漂移

我刚开始用的时候就发现，同一个问题，早上问和晚上问，输出的详略程度、表述方式都不太一样。后来想明白：模型本身的随机性是一方面，更重要的是我没有给出一个固定的“参照点”。

解决思路是建立“固定话术库”。把常用指令都写成规范文本存起来，每次用的时候复制粘贴，而不是现场手打。这个习惯帮我稳住了输出质量，也算把“调教”的成果固化下来了。推荐你也这么做——把十个你最常用的任务指令做成模板，放进一个专门的文件夹，用时调取即可。

5.3 多人共用一个实例，标准怎么统一？

如果你和我一样，不是单兵作战，而是小组一起用，我建议做一些基础管理工作。

我在团队里推行的是三个简单规则：第一，所有涉及规范的问答，必须引用到具体条款编号，否则不予采纳；第二，所有生成的计算书和材料表，必须经过专业负责人复核签字，归档时附上AI生成的原始记录；第三，项目相关的参数类数据，统一维护在一份共享的“项目信息表”里，谁调用都从这张表读，避免每个人记一版数据。

这么做的好处是，即使大家提问方式五花八门，底层的知识库和输出约束是一致的，结果不会跑偏太远。这套规则我们用了几个月，整体效果稳定，也减少了很多“为什么你问出来的结果跟我问的不一样”的扯皮。

5.4 本地模型跑起来慢，怎么优化？

如果你用的是部署在本机的模型，可能会遇到响应慢、上下文受限的问题。我的经验是：尽量把大任务拆成小任务，不要一口气喂一份上百页的资料让它“综合分析”，它既处理不好，还容易报错。

更合理的做法是：先让它做“信息提取”，把关键数据表格化；再做“计算分析”；最后才做“文档生成”。每步之间，你都介入一下，确认数据没问题再继续。这么操作，每一步的响应速度都很快，质量也更可控。

我曾经图省事，试着一次把整套图纸说明和负荷表都丢进去，让它一口气生成整个项目的说明文档，结果是输出到一半内容就开始乱了，前后术语不一致，浪费了更多时间。拆开做虽然多几步，但每一步都踏实。

6. 关于“调教”的三个原则，越早明白越好

用了 OpenClaw 一段时间之后，我最大的感悟是：这类工具的壁垒不在工具本身，而在你为它投入的“调教”质量。有几句掏心窝子的话，想在这里说一下。

第一，你喂给它什么，它就反馈给你什么。你的知识库越精细、模板越规范、指令越具体，它的输出就越像你身边的助理；反过来，如果你什么准备工作都不做，直接拿它当搜索引擎用，那它给你的就是一堆泛泛的空话，你很快就会觉得“这工具没用”。

第二，建立自己的“复核习惯清单”。我给自己定了三条铁律：涉及强条的内容必须对原文；涉及计算的结果必须抽查公式；涉及材料数量的清单必须按回路抽验。每次复核大概占用我一两成的时间，但正是这一两成，让我愿意放心地把另外八成时间交给工具去省。

第三，把流程固化成团队资产，而不是个人技巧。我开始是一个人用，后来发现把指令库、知识库、输出模板都整理好之后，新来的同事上手非常快——他不用自己去摸索“这工具该怎么问”，只要按着模板走，很快就能达到七八成效率。这正是“调教”最大的价值所在：它让你一个人的经验，变成了一组人可以复用的能力。

最后再分享一个小技巧：如果你也打算深耕这个方向，建议每周抽半小时，翻一翻这周所有“它没答好”的记录。把那些失败的提问改写成更精确的表达，存回指令库。坚持一个月，你会明显感觉它越来越好用。这其实是“调教”这个动作的本质：不是它变聪明了，而是你和它之间的接口，越来越对得上。