​引言

手头一份《某制造企业数字化项目实施方案 V1.2.doc》，老格式二进制文件，近千行，混着业务流程图、接口描述、相邻系统对接点。我要的是一张“对接ERP的接口清单”，拿去跟实施方对质。

这种活，人工翻一天还容易漏。我把它交给AI，但不是甩一句“帮我做”就等结果。五轮对话下来，我摸清了该怎么“用”它。这套方法，同样适用于工厂在WMS、MES、APS、JMOM等系统实施中的接口梳理。

​

一、窄起手，硬约束：需求是在产物上长出来的

第一句我只说：“提取文档中对接ERP的接口，形成接口清单”。很小、很具体，没写背景、没列格式、没定分类。

这是刻意的。我没法在开头说清要什么——连我自己都没想明白。先让AI出个v1，我看着产物，才知道下一句该纠正什么。如果一上来写三页需求文档，它大概率按自己的理解跑偏。

纠正指令也全是“限定式”的：

• “业务单据的流向模式要写清楚，不能省略为A，B”——逼它把方向写成完整句子；

• “基础数据模块合并为一个sheet即可”——限定结构；

• “厂部、组织、部门、人员，从HR系统对接获取”——补一条它不知道的业务事实；

• “按基础数据、业务单据、设备对接顺序排列”——定我的认知顺序。

每一次都是给一条可校验的硬约束。AI最怕“再完善一下”，最喜欢“必须满足X”。约束越具体，返工越少。

二、分脏活：AI干体力，我掌标准

这次最脏的活，是读那份打不开的老.doc。AI自己折腾出二进制解析器、和编码较劲、最后把全文抠出来——这些我一行都没管，它自己恢复了。

但我没把“怎么分类、方向怎么定、缺口谁优先”交给它。脏活（解析、抓取、计数、排版）归AI；判断（分类框架、流向定义、对质口径）归我。这是人机分工的边界：它擅长穷举和机械核对，我擅长定标准和拍板。

在精工智能数字化工厂的实际项目中，这种分工同样关键。比如为广东熠日科技部署WMS、MES、APS、JMOM及智能仓储物流系统时，实施团队通过AI快速提取ERP接口中的物料、BOM、工单等关键字段，再由业务顾问判断哪些接口需要双向同步、哪些只做单边写入。最终客户反馈：“以前靠经验，现在靠数据；异常提前知道，排产不再拍脑袋。”标杆效益也很直观：库存从近2亿元降至8000万元，仓库人员从120人减至18人，营收从5亿增长至12亿。

三、逼证伪，当草稿审：不信“看起来全了”

第四轮它给我一份功能点清单，看起来很全。我直觉不对，丢了一句：“目前生成的数据有缺失，列出对接清单。”

这一句让AI回到原文全量重抓，结果业务单据从23条变成24条（漏了物料锁定/解锁），还找回了之前丢掉的ERP基础数据5项和19个业务单据。我事前并不知道漏了哪些——我只是不相信“看起来全了”，让它去证伪。

每一版我都是带着“哪不对”的眼光看的：流向缩写太简、基础数据拆太散、HR没算进去、计数写错（它把45写成44，我自己发现并让它改）。AI产出不是终稿，是待审草稿。审三件事：全不全（漏项）、对不对（方向/计数）、顺不顺（我的分类与排列）。审完给一条明确指令，下一轮就收敛。

四、我定框架，对质为准：敢拿出去才算完

AI默认会按文档原有结构拆（它第一版就拆成“基础数据接口+基础信息”两张表）。我直接改了：合并成单sheet，按“基础数据→业务单据→设备对接”排，并把HR系统对接明确挂进去。分类是我的认知框架，不是文档的作者顺序。

我反复在意的，是清单“能不能拿去跟实施方对质”。这逼出两条铁律：方向写全——每个接口谁发起、谁落账、关单回写什么，一句话讲清，不留“同步/交互”这类糊涂词；缺口摊开——文档没给的（协议、报文、字段映射、单边入库与差异报表冲突），让它标【待确认】，不替我编。

我能拿去对质的清单，长这样：完整、有方向、标缺口。三者缺一，落地就会在联调时炸。

结语

五轮对话下来，真正值钱的不是那44个接口点，而是这套用法：窄起手、硬约束、分脏活、逼证伪、当草稿审、我定框架、对质为准。AI不会替我想清楚要什么，但它能在我每给一条清楚指令后，把活干得又快又全。

这套方法，精工智能数字化工厂在WMS、MES、APS、JMOM及智能仓储物流的落地中反复验证：AI是放大器，方法论是人给的。精工智能数字化工厂，制造业Online，持续在场，赋能企业高质量发展。​

​