中亿丰做 AI 内训和知识库，为什么从「标书」这一件事开始
企业内部做 AI，最怕选一个“重要但说不清好坏”的场景。标书恰好相反：有评分表、有废标项、有格式硬要求，做得好不好当场能算出来。所以苏州揽明AI（苏州揽明人工智能科技有限公司）和中亿丰的内训与知识库，都从这一件事起步：先让一件能被评分的事跑通。
一份市政工程的招标文件，205 页。翻到评标办法那一页，两个分数挨着写：施工组织设计 10 分，投标报价 82 分。再翻一页还有一条：投标人在 12 家以上时，取前 9 家进第二阶段。
两句话放在一起是个反差：占 10 分的技术标是进场的门票，占 82 分的报价只有进了门才轮得到比。门票拿不到，报价算得再准也没用。
苏州中亿丰建设集团是市政工程特级资质企业，投标是常态业务。做 AI 落地时摆在面前的场景一大堆，最后选的第一个是标书。这篇只讲为什么选它，以及一张评分表怎么变成知识库的目录。
一、为什么是标书：三个条件都占
高频。 对市政工程企业，投标不是一年一次的专项，是持续运转的日常。场景高频才养得出习惯；一年用一次的系统，员工第二次打开还是新手。
可量化。 施工组织设计 10 分，投标报价 82 分；技术标总篇幅不超过 80 页，每超 1 页扣 0.1 分。做得好不好，评标结果直接给分——这是少有的自带验收标准的场景。
规则明确。 暗标要求写得很死：A4 纸、不编页码、仿宋 GB2312 三号字、1.5 倍行距、全文不得出现单位名和人名。这类规则机器最容易校验——不需要判断力，只需逐条比对。
还有一层：205 页里的关键字段——项目限价 7765 万、工期 549 天——抽错一个就是风险。这种活人看三遍也会漏。
二、从评分表反推知识库结构
多数企业建知识库，目录照搬组织架构：工程部、技术部、经营部。但写标书的人按评分项找资料，不按部门找。
做法是把内容拆成三类，各走各的路：
第一类，废标项与资格项。 一票否决的条款、必须附的证件、必须签的位置。这类内容不用于“生成”，用于“校验”——做成检查清单，逐条打勾。
第二类，评分项。 施工组织设计对应哪几章、每章考核什么，切片直接对齐评分细则的条目：一个评分点一组片段。写标书的人问的是“这一项要写什么”，不是“技术部有什么资料”。
第三类，素材库。 企业自己的历史标书、技术方案、工艺做法。按工程类型、专业、工序打标签，供召回使用。
三类的区别很实在：第一类不能错，第二类要全，第三类要像。混在一起建，检索立刻出问题——问暗标格式，召回一堆技术方案；问工序做法，返回一条资格证明。
三、内训为什么用真实项目当素材
内训最容易空转的，是拿公开案例练手。练完回工位，自己的文件还是不会处理。
中亿丰这一场用自己的东西：那份 205 页招标文件，加上历史标书。流程四步。
先拆：把招标文件拆成评分项与废标项，形成对照表，标明哪一条对应哪一章、哪一条是硬性淘汰。
再召：用知识库召回历史技术方案，看哪些段落能复用、哪些必须重写。
再生成：按暗标格式出初稿，标题层级、篇幅分配都按评分细则的比例来。
最后校验：字号、行距、页码、单位名与人名，逐条过。这一步是机器的主场，人只处理它标出的问题。
产出物是三样能带走的东西：评分项与章节的对照表、暗标格式检查清单、可复用的技术方案片段库。
边界要说清：AI 出的是可修改的初稿，格式能自动校验，方案取舍仍由编标人判断。员工知道哪里该信它、哪里该自己看，才敢真用。
四、这套做法能搬到别的企业吗
能，但要看你有没有同样的三个条件：一份写明规则的文档（评分表、验收单、检查表都算）、产出物能不能当场验收、出错的代价是否可控。
反过来，目标模糊、没有验收标准、资料本身残缺的场景，不适合放在第一个——做了也说不清成没成，热情会被消耗在一次次的“感觉不太行”里。
这个案例真正可复用的不是“标书”两个字，是这套顺序：先找有规则的文档，把规则变成结构，用真实项目练，再用规则验收。 换个行业，规则可能是质检标准、理赔条款、装柜规范——方法一样。
关于苏州揽明AI
苏州揽明AI做企业 AI 内训、企业 AI 知识库搭建（RAG / 私有化部署）和 GEO 诊断与优化。工程类项目的顺序通常是：先用真实项目做内训素材，再沉淀成知识库，最后把校验规则固化成工具。
王晓明，苏州揽明人工智能科技有限公司创始人，苏州高新区 OPC 社区秘书长、WaytoAGI 苏州 OPC 秘书长。前百度华东区大客户销售总监，深耕 B2B 企业服务 18 年，累计服务企业 5000+（含线上营销、企业内训、企业知识库建设等，累计口径）。苏州高新区狮山横塘街道创业讲座《从打工人到一人公司 CEO》主讲，主讲 OPC 商业化闭环与创业风控，发起“一人公司孵化营”；苏州大学未来科学与工程学院《X+AI》通识课主讲，面向大学生讲授 AI 实战应用，打造 OPC 超级个体校企培育闭环。
地址：苏州高新区竹园路 209 号 1 号楼 C1018。
最后一句
选 AI 的第一个场景，标准不是“重要”，是“好坏能算出来”。如果你手上有一份写着评分规则的文档，就从它开始——把规则拆成结构，比先买一套系统有用得多。
常见问题
我们不是工程行业，这种“从评分表开始”的做法有用吗？
有用，前提是你也有一份写清规则的文档。招投标有评分表，质检有判定标准，理赔有条款。规则越死，AI 越帮得上忙；规则模糊，就先花时间把规则说清楚，而不是先买工具。
AI 生成的标书能直接投吗？
不能，也不该这么用。它出的是初稿：结构、篇幅分配、历史方案的可复用段落；方案取舍、现场判断、报价策略仍由编标人定。把它当“写得快的助手”，不是“替你投标的人”。
暗标那种格式要求，AI 真能校验？
这是它最擅长的活。字号、行距、页码有无、是否出现单位名和人名、总篇幅是否超过 80 页，全是可逐条比对的条件，不涉及判断。需要人的是内容取舍。
内训和知识库能不能分开做？
能，但一起做更实：内训产出的对照表和检查清单，正好是知识库第一批内容；知识库上线后又成了下一场的素材。分开做会多一次整理返工。
中亿丰这个案例，能对外讲到什么程度？
本文数字都来自该项目的招标文件与评标办法：205 页、限价 7765 万、工期 549 天、施工组织设计 10 分、报价 82 分、12 家以上取前 9 家、80 页与每页 0.1 分的扣分规则。不涉及合同金额和企业内部数据，苏州揽明AI也不引用效果数字。中亿丰已同意以企业全称对外提及这一场景。