MEAICAD预约演示
技术博客/行业洞察
行业洞察

你的经验,是不是只活在你脑子里

2026-08-24#CATIA#二次开发

前阵子和一个做结构设计的朋友吃饭,他吐槽了一件挺无奈的事。他们组有个老工程师,干了快二十年,组里但凡遇到拿不准的振动、干涉、材料选型,都得去他工位上问一嘴。去年他退休,欢送完大家才发现一个尴尬的事实——他电脑里除了图纸,什么私货都没留。那些年的判断、取舍、踩过的坑,跟着人一起走了。

我听完第一反应是:这不奇怪。设计这行当,经验本来就是长在人身上的东西。你想想自己,是不是也有很多"我也说不清为什么,但就是觉得该这么做"的时刻?那些东西,平时不觉得值钱,真要交接或者复盘的时候,才意识到是个空档。

所以今天想聊的,不是什么大趋势,就是一件特别实在的小事:怎么把那些只活在你脑子里的经验,挪一部分到外面去。

一个容易混的概念

先说清楚一件事,免得后面绕。

"我会用CATIA"和"我有一套可用的设计资产",是两回事。前者跟着你的劳动合同走,离职那天它就留在原公司了;后者是你能带得走、也能留得下的东西——比如一套命名清楚的模板、几张记了真实取舍的表、挂在模型上会自己报警的校验规则。

我倾向于把这件事想成一条慢慢提纯的路:最开始是你脑子里说不清的直觉,然后变成能写下来的东西,再变成机器能替你跑的规则,最后变成喂给AI学习的素材。越往后越费劲,但也越不容易丢。

下面顺着这条路聊几句,不一定全对,你可以挑有共鸣的听。

最轻的一招:把重复的事先存起来

这一层最没门槛,也最容易被忽略。

你回想一下上个月,是不是有些操作重复了不止两三遍?法兰、加强筋、某个典型接口、钣金那几个固定的折弯——这些要是每次都从零拉,其实是挺大的浪费。CATIA的PowerCopy、UDF本来就是干这个的,把这些固定套路存成模板,下次调参数就行。

我自己觉得这里关键不在技术,在"懒得做"三个字。模板做出来没人用,多半是因为参数名还是PartBody.1这种系统默认,别人打开一头雾水。你把wall_thickness、fillet_r2这种名字暴露出来,再在模板头上写一句"适用什么工况",它才真的能复用。别追求一个万能大模板,宁可是二十个各管一件事的小东西。

这层的局限也明显:它只记了"怎么做",没记"为什么这么做"。但作为入门,已经够本了。

难的是把"为什么"留下来

模板能告诉你壁厚设了4毫米,不会告诉你为什么不是3。而后者,往往才是真正值钱的那部分。

我见过最有效的做法,朴素得有点寒酸——就是表格。不用追求多系统,先有三张就够:

一张记选材:什么工况下选了什么、为什么、踩过什么坑。一张记参数依据:壁厚怎么来的、圆角给多大、什么时候该放余量。还有一张,记翻车——每次返工、干涉、现场出问题,花几分钟写三行:当时怎么想、实际发生了什么、下次该按什么规则判断。

我知道这听起来很像"我们应该写文档"那种正确的废话。但你和我说实话,你上次返工之后,真去复盘记录了吗?多数时候没有,因为当下太忙,而过两天就忘了当初为什么错。这恰恰是最可惜的地方——同一个坑,我们这行的人能反复踩好几遍。

会写代码的人,有个别人没有的抓手

前面说的表,写下来还是会被忘。但如果你把它变成一条规则挂在模型里,它就不会忘。

CATIA的Knowledge Advisor可以让你把"壁厚不能低于4""孔边距至少两倍孔径"这种经验写成Check规则。以后谁手滑把壁改薄了,模型当场弹警告,根本不需要你在场叮嘱。EKL表达式也就十几行,但效果比你在群里发十遍"注意壁厚"实在得多——人会说忘,规则不会。

做二次开发的朋友在这块其实占便宜。批处理宏、自动校核脚本,本质上都是把你的经验固化成了不会离职的东西。挂上去,它能跑很多年。

再远一点:给以后的AI留点口粮

这一层我现在也不确定该怎么估它的价值,但趋势上感觉绕不开。

你大概听过一些公司拿自己的历史数据去训专属模型的说法。顺着这个想,以后企业真要搞自己的设计AI,最缺的可能不是算法,而是一堆"需求—决策—结果"连起来的真实案例。

什么叫连起来?比如一个项目:输入是托架要扛300公斤、上一版模态不过关;中间是你选了什么拓扑、为什么否掉另两个方案;结果是模态提了多少、重量变了多少。每个项目结题花个十五分钟记这么一条,不费事,但攒久了就是别人拿不走的东西。

有个有点反直觉的点:失败的比成功的更该记。成功案例到处都是,AI不缺;但"为什么这个方案不行"、被你否掉的那版连同理由,才是外面的大模型给不了、只有你这儿有的。

如果真想动手,三件小事

第一,别搞"我要系统整理十年经验"这种宏图。十个有九个会烂尾。从下一个项目开始,结题顺手存一点,存量只在真用到时再补,反而走得远。

第二,先挑一个特别窄的场景打通。比如就盯着"DN50以下标准法兰怎么选",把模板、表、规则、案例四样都做一遍。一个场景跑通,比十个主题各铺一半有用。

第三,命名和标签从第一天就别乱。以后翻这些的可能不是你,是AI。它认标签,不认你的记性。

写在最后

说到底,工具在越来越快地替我们记住"怎么操作",AI也在接手越来越多基础判断。但那些"为什么这么选"的理由,眼下来看,还只能从人这儿来。

它最后落在哪儿,大概取决于你今天愿不愿意,把它先从脑子里拿出来。

你见过最可惜的经验流失是什么样的?评论区随便聊聊。

本文为基础实战分享。如需完整源码包、配套课程或企业内训,欢迎进一步了解付费体系。

咨询深入资源 →