01 / 条文
不懂条文
知道“环氧地坪”，却不知道基层强度、含水率、拉拔强度该卡在哪一道，更不知道条文之间的边界。
02 / THE GAP
通用模型懂语言，
但不敢替你做
工程决策。
行业 AI 的难点从来不在模型参数，而在那些没有被写进语料、却决定工程成败的知识。
02 / 场景
不懂场景
同一套工艺，地下车库、食品厂、旧改项目，做法和验收点完全不同。场景一变，答案就失效。
03 / 价格
不懂真实价格
能写漂亮的方案，却拆不出基层处理、材料、人工和机械的真实成本结构，报价只能靠猜。
所以，我们不从模型开始，从知识开始。
03 / THE STACK
一个行业大脑，
四层结构。
通用模型是引擎，行业知识是路。我们把行业拆成可计算的结构，再把结构变成可执行的动作。
L4 → L1
EVERY LAYER IS REPLACEABLE,
EVALUABLE, PORTABLE.
L4
应用层 AGENTS
选型、报价、方案、审图、商机，直接进入业务动作，而不是停在聊天框。
ACTION
L3
模型层 REASONING
RAG、工具调用、多智能体与评测集，保证回答有依据、可追溯、可复核。
REASON
L2
知识层 KNOWLEDGE
术语、规则、工艺路径、标准条文与造价指标，彼此关联，而不是散落的文档。
STRUCTURE
L1
数据层 CORPUS
标准图集、企业资料、项目案例与专家访谈，持续采集、清洗、更新。
SOURCE
04 / FLAGSHIP · FLOORING
地坪，是第一个
跑通的行业大脑。
从标准图集到现场做法，从材料价格到项目商机，地坪知识已经被组织成可检索、可推理、可执行的结构。它不是一份资料库，而是一套能进入报价、方案和施工决策的知识系统。
- 知识 Wiki：标准、工艺、问答按场景组织，随查随用。
- AI 工作台：对话、选型、成本测算、商机雷达在同一入口完成。
- 专家在环：关键结论带引用，能追溯到标准、案例或具体的人。
6KNOWLEDGE DOMAINS
4LAYER ARCHITECTURE
1EVALUATION LOOP
FLOORING / SAMPLE ANSWER
CITED
地下车库环氧地坪，基层混凝土强度最低多少？
一般要求基层混凝土强度不低于 C25，拉拔粘结强度 ≥1.5 MPa，含水率控制在 8% 以下。实际项目还要结合设计做法、基层检测和现场环境综合判断。
GB/T 50589-2010
JGJ/T 175-2018
食品厂地面，环氧和聚氨酯砂浆怎么选？
有高温冲洗、油脂、酸碱或冷热交替的场景，优先评估 聚氨酯砂浆 体系；普通干燥洁净区可以考虑环氧。选型要看耐化学介质、使用温度、基层条件和停工期，而不是只看单价。
GB 50037-2013
T/DFA 001-2019
旧地面翻新，造价为什么差这么多？
旧改的变量主要在基层：起砂、空鼓、油污、裂缝的处理方式不同，材料和人工差异会被放大。报价前应先做基层检测和面积分区，再拆成 基层处理、底涂、中涂、面涂、辅材、人工、机械 七项。
造价指标库
项目案例库
示例回答 · 实际以工作台输出为准
ZGSI / FLOORING
05 / REPLICATE
同一套方法，
换一个行业。
行业大脑不是地坪专属。把“知识盘点—结构化—专家校验—智能体上线”做成标准流程，就可以复制到建筑建材的每一个细分行业。
地坪
标准、工艺、造价、企业与项目知识已跑通。
建筑建材
材料、部品、施工与供应链知识的平台化复制。
防水防腐
材料体系、节点做法、渗漏治理与验收知识。
涂料涂装
基材处理、配套体系、施工环境与缺陷诊断。
石材岩板
选材、加工、铺贴、养护与常见问题知识。
其他行业
只要知识密度足够高，方法就可以迁移。
知识盘点
找到行业里真正决定决策的知识：标准、做法、价格、人和项目。
结构化
把散落的资料拆成术语、规则、工艺路径和可检索的知识单元。
专家校验
让一线专家逐条校对，建立引用、边界和“不知道”的机制。
智能体上线
把知识接进问答、选型、报价和方案，进入真实业务闭环。
06 / PRINCIPLES
深度不是参数，
是四件笨功夫。
行业 AI 没有捷径。我们相信，壁垒来自那些看起来不性感、但必须有人做的事。
知识结构化
把“老师傅的经验”拆成条件、做法和验收点，让隐性知识变成可检索、可复用的结构。
专家在环
关键结论必须能追溯到标准、案例或具体的人。模型可以不确定，但不能假装确定。
评测集
每个行业建自己的 benchmark，用真实问题检验准确率、引用率和边界，而不是靠感觉。
业务闭环
回答要能进入报价、方案、施工和复盘，产生可验证的结果，而不是停在聊天框里。
“AI 的行业深度，最终体现在它敢不敢为一句结论给出处。”