一、项目背景

客户是家工程总包，手下几十个分包队伍，一个项目涉及土建、机电、装修多道工序。过去进度靠周报拼，材料到没到、哪道工序卡住，全在微信群里零散聊，总包想看全局得挨个问。工期一拖再拖是常态，分包之间互相甩锅，索赔扯皮不断，业主也不满意。我们进去的时候，他们最想要的就是谁卡住了，第一时间知道。

这个项目我们用了多智能体，不是为了炫技，而是进度和履约这种事，天然就是多个角色各管一摊。

二、落地场景

我们设计了几个协同的智能体。进度计划 Agent 负责把总工期拆成工序和关键路径，跟踪每项完成情况。材料设备到货跟踪 Agent 对接供应链，把钢筋哪天到、设备哪天进场盯紧，到货延迟自动预警。分包履约评分 Agent 根据准时率、质量整改闭环情况给每个分包打分，分数低的下次少派活。风险预警与协调 Agent 综合前面几路信息，把阻塞点亮出来推给总包。最后业主那边有一块可视看板，能看到整体进度和关键风险，不用再追着问。

现场数据靠移动端填报和照片佐证，避免纯文字周报的水分。

三、关键技术挑战与解决思路

工序依赖和关键路径是最难算准的。我们没用死板的关键路径法，而是让进度 Agent 结合实际填报动态更新，哪道工序一拖，自动重算后续影响，比固定计划实用。

分包数据口径不一很头疼。有的分包用自己系统，有的靠微信群，我们做了统一的最小填报模板，强制关键节点打卡，其余细节允许宽松，降低推行阻力。

履约评分可解释是关键信任点。评分不能是个黑箱数字，我们让 Agent 给出为什么扣的具体条目，比如三次材料延迟导致窝工，分包才服气，也知道改哪。

跨方协同信任靠留痕。所有预警、协调动作都进系统留记录，真到索赔环节，谁的责任一目了然，扯皮少了一大半。

四、效果数据

文中数据为项目复盘口径，已脱敏。多智能体系统跑通后，工期偏差率从约 18% 降到约 7%，主要因为阻塞点早发现早处理。分包准时率从约 72% 提到约 89%，评分机制倒逼履约。材料齐套率从约 75% 提到约 92%，到货延迟预警让窝工明显减少。索赔笔数同比下降约四成，留痕让责任清晰，无谓纠纷少了很多。

案例片段（已脱敏）：某项目机电工序因电缆到货延迟卡住，跟踪 Agent 提前三天预警，协调 Agent 重排后续：[agent] block=ME-route, cause=cable_delay@T-3d, impact=2d, action=reschedule_finish, owner=subBscore_subB: -1 (material delay), alert sent to PM; rework avoided

五、可复用经验总结

工程协同这摊事，关键是让谁卡住了一目了然，多智能体比加人管用，因为人是会漏报的，系统不会。我们一开始想用一个大模型通吃，后来拆成几个专职 Agent，反而更稳更可控。

我的体会是，分包评分一定要可解释，给个数字没人服，给出为什么才有用。还有，填报门槛要低，工地上的人没耐心填复杂表单，最小模板加照片佐证，他们才愿意用，数据准了系统才有意义。

附：规模化落地与工程细节

多智能体刚上线时，总包担心几个机器人管项目靠不靠谱，我们没急着全接，先拿一个延期严重的项目试点，把阻塞点提前三天亮出来的价值演示清楚，才推广。可见性带来的信任，比算法精度更重要。

填报这块，我们和工地上的人磨了很久，最终定下最小模板，只卡关键节点打卡加照片，其余自由填。分包评分我们坚持可解释，每条扣分都附原因，比如三次材料延迟导致窝工，分包从抵触变成自己想办法改。留痕带来的另一个好处是索赔环节，谁的责任系统里写得清清楚楚，无谓纠纷少了一大半。

给后来者，工程协同系统先解决谁卡住这个最小问题，别一上来追求全自动。先把阻塞点亮出来，比加人管用，人是会漏报的，系统不会，这点我们在好几个项目上验证过。

评分数据积累半年后，我们发现准时率高的分包，二次合作报价反而更实在，于是把评分和派单优先级、付款账期挂钩，形成正向循环。系统不只是记录，还能反过来塑造行为，这比单纯考核有意思，也真正帮总包留住了好队伍。我们把预警和周会绑在一起，每周自动生成阻塞清单，总包拿着清单去协调，不再靠微信群翻聊天记录，会议效率明显提高，扯皮也少。

最后说个题外但相关的，业主那块可视看板我们一开始做得很花，后来发现业主只关心两件事，整体进度到哪了、有没有风险。我们砍掉一堆炫酷图表，只留这两个，业主反而更满意。做协同系统容易陷入功能堆砌，但真正被用起来的，永远是那两三个直击痛点的功能。总包后来把这个看板当成对外汇报的标准件，投标时直接展示，还帮他们多拿了两个项目。

工程这行，工具能不能用起来，往往不取决于多先进，而取决于有没有戳中那一个痛点。