发表于2026年3月11日
每年一开年都要火一个概念，今年是龙虾。
我相信不少业内人士过年期间也都体验过，也和我现在一样有这种感觉：这个新技术生态非常棒，很有潜力，但是热度有点过了。
过热，大众视角就会失去理性，反倒对技术生长不会是什么好事（当然，除非我们把养虾当作一种娱乐，那就无所谓了）。
虽然观点尚不成熟，但是还是想早些谈谈我们从数字化设计的角度已经看到的这类智能体的行业价值。以免一些好的垂直领域思考被“过热”覆盖。
-知识库是智能体服务垂直领域的基础-
龙虾如何更懂你
去年第四季度，数字冥想的工作重心之一即是自身内部信息知识库的体系搭建。没错，我们自己也在给自己做“数字化转型”，知识库作为弥补大模型的长记忆储存能力空缺，是一个非常关键的企业数据沉淀环节。我们在实际应用的过程中发现，随着私有化知识库的不断清晰，大模型的垂直表达和业务场景落地能力提升明显。当AI掌握了私有化的知识，AI的服务也就更加私有化。这也正是目前龙虾的一大主要功能：为每个人搭建私有化知识库，为了更好更垂直地服务到个体场景，龙虾将我们喂给它的知识、指令、流程存成了分门别类的数据库保存到了它的“中长期记忆”里，龙虾自此“更懂“你了。
龙虾的记忆不是无限的
但是，龙虾的记忆也不是无限的，养的方式不同，记忆的方式也不一样（且具有一定随机性）。于是，当信息过载或冲突时，信息库的抽调也呈现某种随机性，反而会出现诸多不稳定的表现。再于是，很多养虾大户开始分享心得，新的养虾技法一套接着一套，养虾很快变得像一种“技术活儿”。所以大众入局，多为娱乐体验，好的应用案例，多为昙花一现。
不成熟，也有落地的可能
事情至此，我想说，我们不要轻易下结论：这个技术现在不成熟。因为不成熟的不一定是技术，也可能是行业，客观讲问题是一半一半的。既然上文看知识库这么重要，既然知识库保存的是私有化的知识、经验、流程，那我们大可不必依赖龙虾去整理，而是完全可以用自己的大脑来梳理，将其更加客观清晰。甚至在整理的过程也可以用到AI，只不过我们要清晰地去校对、去管理、去优化这些知识库，这样上述的问题也更容易解决。论内容衍生，AI高效；论垂直落地，人机高效。所以知识库就是你的数据库，它是成熟技术，它让龙虾更落地。
“养虾”是培养人的信息属性
回到建筑行业的数字化设计领域，无论是个人的数字技能提升、还是企业的数字化转型，其实第一步都仍然是归纳、总结、制定自己的数字化信息库，约等于今天我们所提到的知识库。“养虾”即是这种时代性需求派生现象的一种体现，所以从数字化转型的角度看，“养虾”其实还有另一个潜移默化的好处，那就是它正在培养大众对信息数据、流程数据模式化的认知。人们会越来越自然地理解，数据存储和管理的重要性，并被引导着找到合适的数据管理方法。这是在早些年科创赛道的同仁们希望大众去理解但却难以快速普及的事。“养虾”会强化人对自我信息属性的理解。
-为你的项目，养一只龙虾-
让建筑开口说话
既然“养虾”能提高我们对自身信息以及信息标准的敏感度，我们可不可以给一个工程项目也养一只龙虾？我觉得这是一个很值得深思的命题。试想，如果有一个AI，它了解关于一栋建筑的一切信息，从前期策划到方案生成、从施工图设计到工程建成、从后期运维到数字孪生。这个AI可以回答关于这栋建筑的各方面信息，它可以在设计建造的全流程过程中参与信息管理和分发，可以在工程建成后化身这栋建筑的“代言人”，持续地发声、参与对话或智能控制。那这个AI一方面值得被这栋建筑的运营者、管理者、使用者付费，另一方面养它的过程，也会是一个将设计建造工作信息化、标准化、透明化的自我迭代过程。即优化了生产流程、又提供了产品附加服务，既促进了企业自身的信息化、规范化，又为建筑塑造了全新的价值。
不是BIM，而是PIM项目信息模型
给建筑“养虾”，这个事乍一听有点理想化，且这个过程可能很麻烦。所以此文可当作是一种在现状技术和市场行情下的发散思考，我们借此展开剖析一下它的技术实现路径：首先是谁来做？那一定是设计师。设计师们需要通过一套规范的信息录入流程，把项目相关的所有文档信息都记录下来并存储成知识库。这很像曾经我还在设计院的时候鼓励自身团队执行的项目设计记录工作。在传统工作模式下，这类记录往往因缺乏高效工具而沦为额外负担。但其优点是一旦做好了，能让整个项目的推进变得清晰可追溯。当然凭当下的AI技术水平，如果这份工作记录完成度还可以，它应当可以作为设计师项目设计说明生成的语料库，以及各种信息数据二次挖掘提炼的基础信息库。可谓是数字化的信息基础，潜在价值非常大。所以当我们假设客户愿意为这笔数据买单时，这个工作场景将会成为行业升级的一个重要元素。当下我们强调的是BIM建筑信息模型，把信息存到项目模型里。但其实对这对数字化而言还远远不够，模型之外还有诸多的项目信息没有被记录。所以这个时候，龙虾就可以充当这个“项目信息模型（PIM）”了。
让虾看懂你的图纸
既然我们要打造一只真正懂建筑的“龙虾精灵”，那它就不能是一只 “瞎虾”。要让它真正服务于建筑，就必须读懂建筑的空间信息、模型信息与图纸信息，否则只能是脱离实际的盲目输出。目前通用开放的龙虾技能库，暂时还不具备专业建筑读图、识图的能力，这也是行业里很少有人思考 “让龙虾理解建筑方案” 的原因。但站在数字冥想长期深耕建筑AI自动化的技术视角，我们始终坚信：这一能力并非遥不可及，而是具备明确、可落地的技术条件。
空谈没有凭据，给大家上个案例，体验地址：https://drink-shop-ai.noah-i.run/
一方面，E3算法平台生成的建筑信息模型，可以通过结构化文字与编码进行表达。我们为所有组合方案设计了标准化信息表单，AI无需再去 “猜测” 图纸上的线条代表什么设备，而是可以直接读取设备类型、功能、位置、朝向等精准信息。另一方面，在去年第四季度的AI大模型调用测试中，我们将大模型接入诺亚RPA后证实：主流开源大模型对空间组织、方位关系的理解已足够稳定。
顶层有空间理解力，底层有方案信息代码化表达，再叠加多层设计逻辑信息作为中间层，AI完全可以形成对建筑模型与图纸的完整认知。简单来说：由程序自动生成的图纸模型，天生就携带多层级、结构化的数字化信息 ——这也是它能被AI稳定理解的前提。
虾能看懂CAD图，就离会画不远了
我们都清楚，现阶段通用的龙虾，还无法直接输出规范、可落地的工程图纸。核心原因在于，能够真正自由制图、支撑工程落地的AIAgent，目前仍然十分稀缺。但在我们已落地的小型商业空间项目中，AI大模型驱动诺亚算法自动生成图纸 已经实现。这让我们更加确定：龙虾的制图建模能力，并非天生自带，而是依靠外部专业工具来赋能。
E3本身就是一个高度自由的建筑自动化制图算法开发平台 ，可以针对不同项目、不同场景，定制化开发各类制图智能体。这些智能体，未来都可以成为龙虾的 “专业工具箱”，被龙虾直接调用。也就是说，只要我们把E3的能力与API开放给龙虾，它就具备了 “会画图” 的技术基础。而这一步不仅仅需要技术的跃迁，它更是一次行业整体工作模式的升维。我们更希望，当下的设计师能够与我们携起手来， 一同为龙虾这类的智能体开发多元化的绘图模块 。就像今天每一只龙虾都可以独一无二，未来的工程设计智能体也不该是统一模板，而应是一个庞大、自由、人人可参与的开发生态 。每位设计师，都可以在E3上打造属于自己领域、自己风格的设计制图智能体，让它成为你专属的设计助手。
当下，这种 “制图建模”，距离广泛成熟商用、大面积提效赋能设计，仍需要几年时间稳步打磨。这也给了我们充足的时间去学习、理解并驾驭它。设计师们不妨先从程序生成模型与图纸开始，提前建立自己的技术优势。AI的发展速度早已超出想象，去年没人能预料到，今天我们会在这里畅谈 “全民养虾”。未来的设计师，一定是牵着龙虾、指挥龙虾一起设计 的人。我们现在能做的，就是跟上步伐，建好知识库，管好自身数据，学好核心技术，一起参与共建这个全新的设计生态。
-从"数字员工"到"建筑产品信息载体"-
龙虾的定位是“数字员工”，它的意义也许更侧重于“降本增效”，但数字化的意义远不止于此，是用龙虾画图，还是把龙虾养成产品去卖钱，这取决于开拓者们如何去挖掘定义未来的行业产品服务业态。
从数字化设计的角度看龙虾，其实是不是龙虾也不重要。重要的一直是“让数据活过来”和“让机器人去干活”，这是数字化转型的组成要素。翻译过来就是：
一、建立自己的（企业的）知识库，让信息保存结构清晰，让AI容易读懂它们。这样沉淀下来的历史项目数据一旦能被 AI 高效读取与分析，其中蕴含的经验价值就能被重新激活与利用。
二、让机械化（重复）的工作流自动化，人（企业）的进步不是在重复中进行的，是在迭代中进行的。对于设计行业而言，当下的很多工作就存在优化方案。这代表了创造者有条件在此基础上不断地优化更新自己的产品。也代表在AI时代下，每个人（企业）都有机会实现高效的自我升级。
以上，以龙虾为引，实则阐述了一些Agent为行业赋能的思考，抛砖引玉。欢迎诸位一起分享对“AI如何赋能建筑设计服务产品升级”的探讨，相信随着技术的不断进化，新的模式、新的机会定能百花齐放，愿我们的建筑行业越来越好！