小型加工厂（制造业）用生成式 AI 把作业指导书和图纸笔记数字化的实操步骤

车床前面，进厂才第三年的小伙子攥着手机站在那儿。图纸的空白处，是上一任班长用铅笔写的批注：“这里，油多点""倒角 0.3 左右先试试看”。字能看懂，可为什么要这么干，他不明白。班长上个月退休，离开了厂子。

我开始帮中小型加工厂做现场改善的时候，听到最多的一句话就是这个：“工序全在人脑子里。“作业指导书也不是没有，可是十年前用老式排版软件做的，文件存哪儿了谁都不知道。说到底，现场还是靠纸和老师傅的记性在转。

每走一个老师傅，厂里就少一道工序。这不是靠喊口号能解决的事，是记录的问题。今天我就把”脑子里的工序”和”图纸边上的批注”，怎么用 Claude Code 和生成式 AI 落成文字、留下来，按我在现场试过的范围写一写。

本文要点

小型加工厂（制造业）的指导书写不出来，不是因为没时间写，而是”把说过的话整理成文章”这一步太累。这一步交给生成式 AI 去扛。
把老师傅干活的过程录下来转成文字 → 用 Claude Code 整理成指导书的初稿模板，这条路在现场最不容易卡壳。
图纸边上的批注，按拍照 → 转文字 → 追问”为什么要这么干”再补写这三步，就能当成知识留下来。
交给 AI 的只到”整理""起草""挑漏项”为止。尺寸、公差、安全相关的判断，必须由人来确认。
带图纸、带客户名的信息，要做成不外传的方案。这一条把不住，就是砸招牌的事。

先看看小型加工厂（制造业）现场到底在发生什么

这篇文章设想的读者，是在五人到五十人左右的小型加工厂里当厂长或者现场组长的人。金属加工、冲压、塑料成型、装配，干哪行都行。共同点是：跟云端、跟设计软件都不沾边，现场是靠 Excel、纸和传真在转。

把典型的业务流程摆一摆。

客户把图纸发过来（PDF，偶尔是纸质）
老师傅看图纸定工序（材料、夹具、加工顺序、注意点）
这套工序，靠口头或者手写便条传给现场
开始加工。出了问题，老师傅赶过来
完工。下次同一个料号再来，又得有人凭记忆重排工序

问题出在第 3 步和第 5 步。工序在”当场的一来一回”里消失了。所以半年后再做同一个零件，又得从头回忆一遍。或者，能回忆起来的人已经不在了。

常见的返工和头疼事

把现场经常听到的、具体的头疼事列一列。

嘴上说着”这料号以前不是做过吗”，可谁都没留下手顺
图纸边上的批注字太”飘逸”，除了本人谁也认不出
每带一个新人，都得用嘴把同样的话再讲一遍
老师傅一请假，只有他知道的那道工序，生产就停了
客户问起”当时那个加工条件是多少”，答不上来

哪一条都能归到”没记录”这一点上。而没记录，不是因为偷懒。是因为满手油污，当天根本挤不出时间写文章。咱们就从老实承认这一点开始。

交给生成式 AI 的范围，和人必须判断的范围

先把界限划清楚。这条线含糊了，就会出现最糟的局面：AI 写的指导书直接发到现场，然后出事。

工序	交给 AI	人必须判断
作业访谈	录音转文字、提炼要点	录什么、让谁来讲
编写指导书	起草、搭结构、挑漏项	尺寸、公差、加工条件对不对
整理图纸批注	手写批注转文字、誊清	认得对不对，要核对
安全注意事项	提供通用注意点的建议	这台机器、这种材料的实际危险
成品版审批	不做	现场组长必须过目

要点一句话就说清了：AI 是”把它写成文章的人”，人是”决定对不对的人”。尺寸错了就出废品。公差看走眼，就给客户添麻烦。所以凡是跟数字有关的地方，最后必须有人来看。就这一条，绝不让步。

Use case 1：把老师傅干活录下来，做成指导书

效果最大、又最不容易卡壳的就是这个。做法很简单。

让老师傅一边实际操作，一边把”我现在在干什么”说出来。用手机的录音功能录下来就行。“先把料夹到卡盘上，找正……”，把平时怎么干的念出声来就好。十分钟的活儿，就是十分钟的录音。

把这段语音转成文字，交给 Claude Code。下面这段提示词可以直接照搬用。

你是制造现场技术文档的编写人。
下面是一位老师傅一边加工一边讲述内容的文字记录。
请把它整理成"作业指导书"的初稿模板。

规则：
- 每道工序编上序号
- 每道工序分开写"作业内容""注意点""使用的夹具与工具"
- 老师傅说出的数值（尺寸、转速、进给等），不准擅自改动，原样保留并标上【待确认】
- 表述含糊的地方，不要凭推测填补，写上"※需确认"
- 专业术语原样使用，并附一行面向新人的注释

文字记录：
（在这里粘贴文字记录）

这里最要紧的是两条：“数值不许擅自改”和”含糊就别填补”。AI 出于好心，会把缺的数字”大概就这个数吧”地补上。在制造现场被它这么一搞就危险了。所以一定要让它标上【待确认】标签，回头由人一个一个去落实。

用之前和用之后，差别在哪

用之前，做指导书是一件”得有人专门挤出时间，从头写文章”的活儿。所以永远往后拖。

用之后，老师傅只要”照平时一样一边干一边说”就行。写成文章这个累人的部分由 AI 来做。人要做的，只剩下确认初稿里的数字、把它改对。从零开始写，和改一份初稿，心理上的分量完全不一样。

Use case 2：把图纸边上的批注数字化

图纸空白处手写的”油多点""倒角先试试看”。这是最容易丢的知识。图纸一换版，连批注一起没了。

步骤是这样的。

把写了批注的图纸用手机拍下来（就算拍进了客户名、图号，这一步也只在自己手机里）
把这张图交给支持图像识别的 Claude（通过 Claude.ai 或 Claude Code），把手写字转出来
对着转出来的内容，问老师傅”这个，为啥要油多点”
把理由补写上去，作为按料号归档的”加工笔记”保存

第 3 步是关键。光留下”油多点”这条批注，新人是看不懂的。把”这种材料黏，切屑容易缠刀，所以油要多放”这个理由也留下来，才算成了知识。让 AI 转文字省下来的时间，正好挪去做这件”问理由”的事。

把图纸批注誊清的提示词模板也放在这儿。

这是手写在零件图纸空白处的批注。
请把能认出的字，不掺推测，照认出的样子写出来。
认不出的地方，明确写上"（无法辨认）"。
在此基础上，对每条批注各附上一个"应向作业者确认的问题"。
尺寸和公差的数值，绝对不要补全。

“照认出的样子""不要补全”每次都要写上。没有这两句，AI 会把飘逸的字转成”看着像、其实不对”的字，让你根本发现不了错。

Use case 3：把散落各处的旧指导书盘一遍

第三件，是整理已有的旧指导书。很多厂里，Excel 和排版软件做的指导书散落在文件夹的各个角落。先得搞清楚什么东西在哪儿。

这时候一个简单的检查脚本就派上用场了。它只做一件事：把指定文件夹下的指导书文件列成清单，连同最后修改日期一起列成表格。装了 Node.js 就能跑。

import { readdir, stat } from "node:fs/promises";
import path from "node:path";

// 指定存放指导书的文件夹
const root = process.argv[2] || ".";
// 视为指导书的扩展名
const targets = [".xlsx", ".xls", ".doc", ".docx", ".pdf", ".txt"];

async function walk(dir) {
  const rows = [];
  for (const name of await readdir(dir)) {
    const full = path.join(dir, name);
    const info = await stat(full);
    if (info.isDirectory()) {
      rows.push(...(await walk(full)));
    } else if (targets.includes(path.extname(name).toLowerCase())) {
      const updated = info.mtime.toISOString().slice(0, 10);
      rows.push({ file: full, updated, kb: Math.round(info.size / 1024) });
    }
  }
  return rows;
}

const rows = await walk(root);
// 按从旧到新排序（越旧的指导书越需要重新审视）
rows.sort((a, b) => a.updated.localeCompare(b.updated));
console.log("最后修改日\t大小KB\t文件");
for (const r of rows) console.log(`${r.updated}\t${r.kb}\t${r.file}`);
console.log(`\n共找到 ${rows.length} 份指导书。`);

运行就像 node list-sop.mjs "D:\指导书文件夹" 这样，把目标文件夹作为参数传进去就行。清单出来后，从修改日期最旧的开始，逐个去现场确认”这份现在还在用吗”。光是把不用的指导书删掉，现场的混乱就能减轻不少。

这个脚本只是把文件列成清单，不改动任何内容。所以可以放心地反复跑。Claude Code 的基础用法，我整理在了 Claude Code 入门指南里，如果你是第一次碰命令行，建议先看那篇。

安全和个人信息的注意事项

这里看轻了，丢的就是信用本身。小型加工厂经手的图纸，是客户的知识产权。料号、尺寸、加工条件，落到竞争对手手里就是大事。

希望守住的三条线。

带客户名、带图号的图片或图纸 PDF，不要随手传到免费的大众版 AI 上。有些服务的使用条款里写着”输入内容会被用于训练”。要用于业务，就选不把数据用于训练的合同或设置的服务。
从文字记录和指导书里，把能识别出客户的信息去掉，固化成操作规范。把料号换成内部代码、把图号遮掉，这一道手续要做成标准动作。
交给 AI 之前，先想一想”这是就算流出去也不要紧的信息吗”。拿不准就别交。光做到这一点，大半的事故都能挡住。

这套”给 AI 看什么、不给 AI 看什么”的思路，我在写给非工程师的 Claude Code 入门里也讲过。这是现场组长最先要拿捏住的分寸。另外，关于生成式 AI 企业使用中的数据安全，可以参考 Anthropic 官方的隐私与数据使用说明这类官方资料，给公司定内部规则时有据可依。

简单的 ROI 估算

不算成数字，现场和老板都不会动。粗略地给个估算。

一份指导书从头用手写，访谈加誊清，至少要半天（4 小时）——这是我的实感。把它换成”老师傅讲 10 分钟＋AI 整理＋人确认 1 小时”，大约是 1.5 小时。每份省下 2.5 小时。

项目	用之前	用之后
每份指导书的作业时间	约 4 小时	约 1.5 小时
一年做 50 份的话	200 小时	75 小时
省下的时间	—	约 125 小时

一年 125 小时，接近一个人三周的工作量。而且，这上面还叠加了”以前根本做不出来的指导书，现在能做出来了”这个超出省时间本身的效果。花的钱不过是转文字和生成式 AI 的使用费，每月几十块就能起步。回本应该相当快。

常见问题

Q. 不擅长用电脑的老师傅也能用吗？ A. 老师傅本人不需要去操作 AI。他要做的只是”讲”。录音和整理，交给现场组长或者文职的人就行。把分工拆开，怕机器的人也能拉进来。

Q. 我担心转文字的准确度。 A. 专业术语和方言会有转错。所以别追求完美，就当成”初稿的底子”看。误转由人来改，就算这样，也比从零开始写快得多——这才是现实的用法。

Q. 手写批注太潦草，AI 是不是也认不出？ A. 认不出的，就让它老实回”无法辨认”。那部分到头来只能问写的人。不过，能在本人还在岗的时候问到，这一点很重要。等他走了再问就晚了。

Q. 小厂也有性价比吗？ A. 反而越是小厂越管用。人少＝走一个人的打击就越大。化解工序属人化这件事，规模越小越迫切。

Q. 我想在下指令的方式上再下点功夫。 A. 提示词的精度提上去，返工还能再减。Claude Code 提示词设计（进阶篇）里整理了具体怎么搭指令。

实际试过之后

我在一位熟人开的金属加工厂里，跟他们一起试了 Use case 1 的”录下来做成指导书”。对象是一位即将退休的老师傅在做的某个夹具的工序排布。

录音 12 分钟。把文字记录交给 Claude Code，出指导书初稿模板只用了几分钟。出来的初稿里，转速和进给的数字全标了【待确认】，那部分跟老师傅一起，花了一个小时左右落实掉。本以为是半天的活儿，上午就干完了。

有意思的是，AI 还挑出了漏项：“这道工序，没有说明为什么是这个顺序。“老师傅本人也说：“哎，那个我是无意识就那么干了。“太理所当然、反而没被说出口的工序，被 AI 一问就浮到了台面上。这是我没预料到的收获。

要在整个公司里把它当成技术传承的机制跑起来，规则和数据的处理方式，最好一开始就定死。这部分想通过公司内训或者一对一咨询来敲定的话，可以看培训与咨询页面。先在自己厂里挑一份”做砸了也不要紧”的指导书试一份，是最快的第一步。