城市更新领域政策密集、更新迅速且各地差异显著，呈现出“一城一策、一时一令”的特点。从业者每天面对海量的法规条例、操作指引与项目案例，传统依赖人工搜索和手动整理，效率低下且极易遗漏，令人头疼不已。
因此，一个自然而然的思路应运而生：能否让AI承担这项工作？然而实际尝试后发现，市面上通用型AI对城市更新这一垂直领域的理解十分有限，直接使用效果不佳。为此，我们决定自主构建，基于WorkBuddy搭建专属城市更新政策知识库体系，先让AI深入学习城市更新知识，再使其真正赋能实际工作。
二、核心思路：三步走
第一步：建立政策知识库
首先需要备好“教材”。我们将日常积累的各类城市更新政策文件——涵盖国家至地方的法规、条例、操作指引及细则——系统化整理后，导入WorkBuddy知识库。此步骤有几个关键点：
- 分类清晰：依据政策层级（国家、省、市、区）和业务类型（旧村改造、旧城改造、旧厂房改造、做地模式等）建立分类体系，便于检索与关联。
- 内容精读：非简单上传文件。需逐篇精读每份文件，提取核心条款、适用范围、生效时间、关键数据等结构化信息。
- 持续迭代：政策动态变化。新政策及时收录，失效文件立即标记，确保知识库实时更新。
第二步：让AI持续学习
知识库是基础，但核心价值在于AI基于知识进行理解与推理。通过WorkBuddy，我们让AI反复精读政策文件，并在问答中持续修正、深化认知。具体操作为：遇到新政策问题时，先引导AI检索知识库相关文件，分析后给出判断。若分析有偏差，及时纠正并补充知识库。形成“学习→应用→反馈→完善”的闭环，如同导师带领AI在实际问题中进步。
第三步：实战检验
学习效果需实战检验。我们在实际工作中验证其能力，例如：
- 政策适用性判断：针对具体项目场景，让AI判断适用政策条款。
- 合规风险提示：分析项目方案是否存在与现行政策冲突之处。
- 方案对比：针对不同改造模式，AI对比经济指标辅助决策。
经过多轮“实战—反馈—调优”循环，AI对城市更新政策的理解愈发精准。
三、经验总结
在整个过程中积累的经验总结如下：
| 维度 | 经验 |
|---|---|
| 知识库质量 | 深度精读优于泛读，结构化提取胜于全文存储 |
| 学习方式 | 单篇精读结合横向关联，优于一次性灌入大量文件 |
| 纠错机制 | 每次纠错均为完善知识库的契机，切勿浪费 |
| 实用导向 | 以实际工作场景反向驱动知识库建设，避免为建而建 |
四、写在最后
该方法核心并非将AI作为搜索引擎，而是通过知识库构建与持续学习，培养真正“懂”城市更新的AI助手。它了解需要检索什么、如何理解检索结果、以及如何应用知识。目前，该体系已在推进的项目中发挥实效，表现良好。后续将持续优化，目标使AI在城市更新领域的知识水平和分析能力达到甚至超越资深从业者。若您在类似行业知识管理与AI应用尝试中，不妨尝试此思路——先构建专属行业知识库，让AI深入学习，再使其为您服务。
