收益：
- 能够将项目从概念到交付分为几个阶段，并确定人工智能的作用、要激活的验证以及每个阶段的负责专家。
- 在每个阶段结束时提出风险桶问题，并能够在自己的阶段确认当地工厂、立法和成本。
- 能够集成人工智能生成、人类决定、每个关键输出都经过验证、签名符合端到端工作流程中的专家原则
在前面的十一个单元中，我们一一学习了各个部分：概念、视觉、场地分析、植物、水、可持续性、技术、演示、成本、立法。在本单元中，我们将它们全部合并到一个真实的项目中。目的是建立一个从项目开始到交付都能流畅、安全地使用人工智能（AI）的工作流程。工作流是作业从开始到结束所遵循的一组连续步骤。这个单元不是总结，而是集成演练：在每个阶段，人工智能在哪里加速，在哪里停止，什么验证发挥作用。
示例项目：4公顷溪边城市公园
让我们考虑一下我们在整个模块中从头到尾提到的项目。市政府希望将一个面临洪水风险的闲置河岸改造成一个城市公园，既可以缓冲水，又可以为社区带来可用性。预算有限，为期三个月，气候温和多雨。
第 1 阶段 — 框架和概念（第 1-2 单元）。项目框架及6大主题均由AI制作；团队选择了“让城市遗忘的溪流回归的水线”这一主题，并将其转化为原则。人工智能使团队多样化并选择团队。
第 2 阶段 — 现场分析（第 4 单元）。坡度、方位、水流由GIS获取；进行了一次实地考察。人工智能综合测量数据+观察结果并生成机会约束列表。工具测量，综合验证。
第三阶段——水和气候战略（第 6 单元）。 YZ提出雨水花园+生态湿地+透水土的组合；结算逻辑已建立。尺寸标注委托给液压工程师。
第 4 阶段 — 植物调色板（第 5 单元）。 AI生成特征简介和候选列表；该团队验证了每个物种的当地气候带、入侵名单、毒性和树苗可用性。不包括未经验证的类型。
第 5 阶段 — 可持续性检查（第 7 单元）。设计通过透水性-局部率-遮荫度-生物多样性记分卡；弱标题得到改善。
第 6 阶段 — 视觉和技术（第 3、8 单元）。 AI生成大气图像并进行细节逻辑/材质对比；比例表采用 CAD 绘制，静态细节由工程师绘制。
第 7 阶段 — 成本和进度（第 10 单元）。 AI整理物品清单和表格；输入实际数量和当前价格，并根据种植季节设置工作计划。
第 8 阶段 — 立法和推出（第 9、11 单元）。准备好许可清单和机构问题，并与官员确认项目；该演示文稿以不同的语言为三种受众（市政府、社区居民、陪审团）设计。
提示：在每个阶段结束时，问一个问题：“这个可交付成果的风险是低、中还是高；谁来验证它？”这个问题保证了整个工作流程的安全。
阶段之间的黄金法则
在端到端的流程中，每个阶段都会重复三个原则：（1）人工智能品种和加速，人类选择和拥有； (2) 每个数字/本地/安全关键输出都经过验证； (3) 决定并由主管专家签字。这三个原则不会改变；只是它们所应用的主题发生了变化。
三个迷你箱子
案例 1 — 端到端速度。一间办公室运营着一个类似的溪流公园，采用人工智能驱动的工作流程：概念和分析从 3 周缩短到 10 天；节省的时间用于细节和验证。交付质量得到提高，因为团队获得了“决策”而不是“生产”的时间。
案例 2——链验证。在同一个项目中，在不同阶段发现了四个不同的人工智能错误：入侵植物（第 5 单元验证）、捏造的监管条款（第 11 单元验证）、夸张的图像（第 3 单元检查）、缺失的成本项目（第 10 单元清单）。没有人达成提交；纪律起了作用。
案例 3——团队转型。一个团队一开始犯了很多错误，认为人工智能是“万能的魔法”。一旦他们采用了风险桶规则（第 1 单元），他们就开始在正确的层使用人工智能：低风险时免费，中等风险时验证，仅在高风险时有帮助。效率和信心同时提高。
四个可复制模板
1）项目路线图：
您的角色：景观项目协调员。项目：[描述、持续时间、预算、气候]。给我一个端到端的工作流程路线图：概念、分析、水战略、工厂、可持续性、视觉、技术、成本、立法、演示。指定人工智能在每个阶段的角色以及将涉及哪些验证/专家。
2）阶段结束风险审核：
检查下一阶段[阶段和输出]的输出是否存在风险：单独的低/中/高风险部分，由谁以及如何验证每个中/高风险，列出交付前需要弥补的差距。
3）交货前的整体控制：
交付前全面检查该项目：概念设计一致性、是否进行了当地工厂验证、工程策略是否已获得批准、成本是否现实、立法是否已确认、视觉效果是否具有代表性。缺少的验证显示在列表中。
4）经验教训：
当这个项目完成后，总结一下使用AI的经验教训：AI在哪个阶段效果很好，在哪个阶段出错的风险很高，下一个项目中我应该如何改进工作流程？写下具体且可操作的项目。
弱提示/强提示
弱提示：
从头到尾为我做这个项目。
这种想要同时拥有一切的欲望；它产生了未经验证的、肤浅的和危险的一堆。
强力提示：
您的角色：项目协调员。项目：4公顷溪边公园，3个月，预算有限，气候温和，多雨，优先洪水缓冲和社区使用。我的工作流程一步步浮现出来；在每个阶段，（1）人工智能的具体贡献，（2）将发挥作用的验证，以及（3）应指定负责的专家/权威。单独标记高风险阶段。不要说“人工智能可以独自完成任何阶段”。
通过验证和责任分配进行渐进式提示使人工智能成为真正的协调工具。
端到端角色汇总表
舞台
人工智能贡献
验证
负责
概念
变异
预算/气候过滤器
设计师
分析
合成
现场+地理信息系统
现场分析师
水/气候
策略
液压计算器
工程师
植物
候选人名单
本地验证
景观设计师
技术性的
逻辑/文本
CAD+静态
建筑师/工程师
成本
表
实际数量/价格
工料测量师
立法
摘要/列表
授权确认
主管当局
演示
叙事
完整性检查
设计师
常见错误
- 想要一个请求中的所有内容。端到端的流程是渐进的；每个阶段都单独验证。
- 跳过阶段末风险审计。在相变期间捕获错误。
- 积累肯定并把它们留到最后。当地工厂、立法和成本确认应在自己的阶段完成。
- 将人类决策嵌入人工智能流程中。选择权、所有权和签名取决于每个阶段的人们。
- 没有记录所学到的教训。每个项目都是改进下一个工作流程的机会。
综上所述
端到端工作流程是将所有先前单元汇集到一个项目中的地方。人工智能在每个阶段都在多样化和加速；但在每个阶段，人们都会选择、验证和拥有。三个不变的原则保证了流程的安全：人工智能生产，人类决定，每个关键输出都经过验证，签名由有能力的专家负责。将项目分为几个阶段，在每个阶段结束时提出风险桶问题，在自己的阶段进行验证，并从每个项目中学习。因此，人工智能成为加强而不是削弱你的职业的合作伙伴。
应用任务
使用“项目路线图”模板为您选择的实际项目创建端到端工作流程；验证并分配每个阶段的责任。然后选择两个阶段并使用“阶段结束风险审核”模板对其进行审核。最后，使用“整体交付前检查”模板列出您缺少的验证。
清单
- [ ] 我将项目分为几个阶段；我验证并分配了每个阶段的责任。
- [ ] 我在每个阶段结束时都会问风险桶问题。
- [ ] 我在自己的阶段制定了当地工厂、立法和成本确认。
- [ ] 我将高风险阶段与专家批准联系起来。
- [ ] 我记录了从该项目中汲取的经验教训，以用于下一个工作流程。
模块考试
1、以下哪项对人工智能在风景园林中的定位最准确？
- A) AI是加速器和蓝图生成器；场地、生态、安全和监管决策的责任在于人类 ✔
- B) 人工智能可以自行完成设计并签名
- C) 人工智能仅用于产生视觉效果，与设计的其他阶段无关
- D）由于人工智能比人类更客观，立法决定应该留给它。
描述：人工智能是一个想法倍增器和草稿生成器，可以加速概念、视觉、分析和交流；现场现实、当地生态、安全和法律责任由主管专家承担。在工程和安全关键决策中，人工智能并不能替代专家批准。
2. 当您按风险级别细分景观美化项目的决策时，以下哪项属于“高风险（需要专家批准）”类别？
- A）编写概念文本
- B）创建情绪板创意
- C) 挡土墙静力学和儿童游乐场安全 ✔
- D) 获取演示文稿标题建议
描述：工程和安全关键问题，例如挡土墙静力学、树根-下部结构冲突、有毒/入侵植物以及儿童游乐场安全，都是高风险的；在这里人工智能只是一个助手，最终的决定权属于专家。概念文本和情绪板风险较低。
3. 在概念开发阶段使用人工智能最有效的方法是什么？
- A) 创建许多不同的主题，并通过上下文过滤器来选择和深化它们✔
- B) 寻求一个“最佳概念”并直接实施
- C) 询问一般概念而不给出上下文
- D）在没有任何批评的情况下传达概念
说明：人类大脑倾向于关注前 2-3 个想法。人工智能的真正力量在于它能够产生并比较许多不同的主题；选择权、深化权和所有权权属于人类。要求单一的“最佳”推荐会浪费这种力量。
4. 在向客户展示人工智能生成的渲染（图像）时，哪条原则是必不可少的？
- A) 视觉呈现为要应用的明确且准确的视图。
- B) 考虑视觉比例技术文件
- C) 视觉表现是气氛；检查真伪并提供技术表 ✔
- D) 图像直接传输至应用程序，无需验证
描述：人工智能视觉是一种沟通手段和氛围；它不是按比例的，并且可能包含现实中无法安装的元素（夸大的密度、不熟悉气候的植物）。因此，应该说明它是“代表性气氛”，并且应该与技术单一起呈现。
5. 为什么在面积分析中向人工智能询问地块的平均坡度是错误的？
- A）人工智能不能进行位置测量，可以补数；测量结果取自 GIS/现场测量 ✔
- B) 人工智能计算坡度正确但速度慢
- C) 坡度是个不重要的数据，没必要问
- D）人工智能只能计算平方米，不能计算坡度，但可以计算距离
描述：人工智能看不到剧情，无法进行空间测量；这样的问题可能会产生一个自信但毫无根据的数字。坡度、面积和距离等测量值通过 GIS 或现场勘测获得；人工智能仅用于解释给出的测量数据。
6、利用人工智能进行植物选择最关键的规则是什么？
- A) 使用人工智能根据当地气候、入侵名单、毒性和市场来候选列出并验证每个物种 ✔
- B）将AI建议的列表直接放入项目中，因为它是基于全局数据
- C) 只选择看起来有吸引力的物种
- D) 优先选择实用的物种，因为它们生长得很快，无需验证。
解释：由于人工智能是根据全球平均水平学习的，因此它对气候带、入侵状态、毒性和市场的了解可能是错误的。所以它仅用作候选列表生成器；每个物种都经过当地气候区、入侵物种清单、毒性和树苗可用性的验证。未经验证的类型不进入项目。
7. 人工智能和工程师在雨水管理中的作用有何不同？
- A) 人工智能使策略和容量计算都安全
- B) 人工智能产生策略和布局想法；尺寸和容量是工程师计算和批准的✔
- C) 工程师只决定策略，人工智能负责计算
- D) 尺寸并不重要；水流方向足够
描述：雨水花园和生态湿地等解决方案的想法和布局属于设计决策，人工智能可以在这方面提供帮助。然而，尺寸、容量和防洪安全需要水力计算和工程师批准；人工智能无法计算流量/容量，因为尺寸错误意味着洪水或崩溃。
8. 评估设计可持续性时最准确的方法是什么？
- A）设计看起来越环保，就越可持续
- B) 评估可衡量主题的可持续性，例如水、渗透性、当地比率、遮荫、维护和生物多样性 ✔
- C) 只需增加植物数量就足够了
- D) 集约种植而不考虑维护成本
说明：“绿色环保”并非可持续发展；消耗大量水的单一物种绿地可能会造成生态不良且成本高昂。正确的方法是在可衡量的主题（例如水、渗透性、本地物种率、遮荫、维护和生物多样性）上对可持续性进行评分，并改善薄弱环节。
9、技术制图阶段人工智能给出的挡土墙“样本断面”的测量值和配筋值应该怎么做？
- A) 值可以直接复制到项目中，因为 AI 知道标准
- B) 数值具有代表性；静态细节由地面测量和工程师计算确定，未经验证不包含在图纸中✔
- C) 值仅用于审美目的，与静态无关
- D）人工智能提供的设备价值始终保持安全
说明：人工智能不会生成比例/静态图纸，其提供的测量值、标高和加固值具有代表性。静态细节；由地面测量和工程师计算确定。这些值在未经验证的情况下无法转移到图纸中，这对于安全关键细节尤其重要。
10. 向不同观众展示同一个景观项目时最有效的方法是什么？
- A）向所有人呈现相同的技术文本
- B) 夸大储蓄和福利数字以增加影响
- C) 调整设计精髓，用他们自己的语言告诉每个受众他们关心什么 ✔
- D) 只为技术评审团准备一份演示文稿就足够了。
描述：投资者关心成本和价值，社区关心日常利益和安全，评审团关心概念和技术。用他们能理解的语言向每一位观众解释他们所关心的单一设计精髓；利用人工智能的帧翻译能力是最有效的方法。用同一种语言向每个人解释它是一个常见的错误。
11.为什么人工智能直接计算公园总成本是错误的？
- A）人工智能总是知道当前的市场价格
- B）人工智能计算成本，但只在大型项目上出错
- C) 人工智能不知道项目的实际长度和当前价格；给出的金额是代表性的，而不是报价✔
- D) 成本不重要，重要的是设计的美感
说明：人工智能既不知道你的项目的实际长度，也不知道当前当地的单价；给出的金额纯粹是代表性的，而不是要约。正确的做法是从项目数据中获取实际数量，从市场中获取单价，让人工智能只编辑表格。
12、立法中使用人工智能最危险的风险和正确的防范措施是什么？
- A）由于人工智能熟记立法，因此其文章是可信的
- B) 立法具有普遍性，无需地方确认
- C) 人工智能给出的商品编号始终是最新的。
- D）人工智能可以弥补不存在的物质；每项规定都必须得到官方最新来源和权威机构的确认✔
描述：立法是当地的、现行的并且可以解释； AI可能会编造一个不存在的物品编号或规则（幻觉）。正确的预防措施是在未经验证的情况下不要使用任何规定；它只是使用人工智能来总结您提供的官方文本，生成清单和向官方提出的问题，并从官方当前来源确认项目。
13. 人工智能与客户合同、包裹信息等数据的使用适用哪些原则？
- A) 所有文件都可以按原样上传，因为速度很重要
- B) 合约数据对于 AI 来说并不重要，会被忽略
- C) 包裹信息可以自由共享，因为它不被视为个人数据。
- D) 在没有控制的情况下不会共享机密和个人数据；必要时使用匿名✔
说明：客户身份、包裹信息、合同和个人数据不应以不受控制的方式上传到人工智能工具。如有必要，可通过匿名方式共享数据。保密是整个模块强调的关键道德原则之一。
14. 使用人工智能端到端运行项目时的三个不变原则是什么？
- A）在一个请求中请求所有内容，验证结果，交付
- B）人工智能决定，人类只执行
- C) 积累验证并在项目结束时一次性完成所有验证
- D）人工智能产生，人类选择并拥有；每个关键输出都经过验证；决定和签名属于专家✔
描述：在端到端的工作流程中，每个阶段都会重复三个原则：人工智能类型和加速，人类选择和拥有；每个数字、本地和安全关键输出都经过验证；决定和签字属于主管专家。即使仅适用的主题发生变化，这些原则仍然保持不变。