规划工作长期面临海量、多源、非结构化信息处理的挑战，从散落的历史文献、专业的考古报告到细致的现状调查记录，传统的信息整合方式已难以满足高效精准的规划需求。随着人工智能技术的发展，检索增强生成（Retrieval-Augmented Generation，简称RAG）技术应运而生。该技术通过结合大语言模型的生成能力与知识库的精准检索，有效提升了专业领域问答、内容生成的可信度与准确性，近年来已在金融、法律、科研等对事实准确性要求高的领域得到初步应用。本文以“成渝古道（重庆段）文物主题游径规划”项目为例，分享将RAG技术作为辅助工具在规划实践中的一次探索性应用，并在此基础上，初步探讨该技术在实际工作中的效用与局限。
在本次技术应用选型中，我们评估了来自国内外及开源平台的三款代表性RAG应用：RAGFlow、Cherry Studio与NotebookLM。经过综合比较，尤其在数据安全、团队协作、管理效率、使用成本及本地化部署能力等关键指标上，RAGFlow因其企业级、私有化部署的精准定位被确定为本项目实践的核心技术平台。相较于Cherry Studio所侧重的“AI应用工厂”模式与NotebookLM定位的“个人研究助手”角色，RAGFlow的核心优势在于构建了一个安全可控、权责分明的“团队专用智库”。它集成了深度文档解析（支持PDF、Word、表格、图片等多格式）、向量化检索与大语言模型（LLM）生成能力，并通过“团队知识库成员职能”的层级管理体系，实现了精细化的权限分配（如管理员、编辑者、查看者）。该架构确保不同职能成员（如研究人员、规划人员、决策领导）在“考古资料库”“规划方案库”等独立知识库中（如图一所示），能执行与其职责匹配的操作、管理、上传或查询。所有数据均在内部服务器处理，结合完备的操作日志审计，从根本上保障了文物敏感信息的安全与合规。对本项目而言，RAGFlow不仅解决了海量多源资料的高效检索与溯源问题，更为团队构建了可持续沉淀、有序协作的知识中枢，是辅助规划工作的理想技术底座。
图一 RAGFlow软件知识库界面示意图
一、从“智能撰写”到“高效辅助”：重新定位技术角色
在规划初期，我们曾设想利用RAG技术自动生成相关调查报告。但在实践中我们发现，调查报告的撰写高度依赖规划人员的现场勘察、专业判断以及对文物本体的深刻理解，这些是当前人工智能技术难以替代的。因此，我们调整了此次技术应用的定位：将RAG系统定位为一位强大的“资料助理”。
我们构建了包含县志、考古简报、学术论文、历史地图等资料的专属知识库。当规划人员需要对某个文物点或线性文化遗产的历史沿革进行梳理时，不再需要手动翻阅所有文档，而是可以向系统提问如：“请汇总关于某文物保护单位的所有资料，并输出历史沿革。”系统能够快速从分散的资料中提取相关信息（如图二所示）。这将规划人员从繁重的资料查找与初步归类工作中解放出来，使其能更专注于信息的甄别、分析与综合判断，从而提升了前期研究的效率与信息掌握的全面性。
图二 RAGFlow软件知识库界面与资料检索示意图
二、论证过程中的信息支撑与案例匹配
文物保护与环境整治的可行性论证与主题游径及载体的构建，需要坚实的学术依据和丰富的案例支撑。传统工作模式高度依赖规划人员与专家的个人知识储备，在有限的时间与精力下进行资料检索，往往面临案例匹配不够精准、政策与研究成果更新滞后等问题。
在此环节，我们利用RAG技术构建了一个动态的“论证支持系统”，将海量的成功案例、技术规范、学术文献导入系统中。例如，在论证“古道沿线相关资源能够总结归纳出哪些主题，并帮我梳理出每个主题对应的文物保护单位名单”时，规划人员提出具体问题后，系统可从知识库中检索相关资料，生成包含技术路径与适用条件的摘要，并精确标注信息来源（如图三所示）。
图三 RAGFlow检索信息引用示意图
这一过程的关键在于“人提出精准问题”，规划人员需要基于专业目标，提前梳理和设计一系列关键性问题（如：“契合‘移民文化’主题的文物保护单位、文化旅游资源有哪些？”）系统的作用是快速响应这些具体问题，提供信息“弹药”，而论证的逻辑框架、最终结论的得出以及对信息可靠性的判断，仍然牢牢掌握在规划人员手中。
三、规划文本辅助生成中的人机协同流程
规划文本的撰写要求严谨规范。我们尝试利用RAG技术辅助进行文本生成，并形成了一套清晰的人机协同工作流程（如图四所示），而非简单的一键托管自动生成，在完成前期的资料收集、知识库构建与项目对标后，规划文本的撰写进入了核心的人机协同生成阶段。 该流程主要包含以下几个环节：
图四 基于RAG技术的人机协同文本辅助生成流程示意图
（一）需求与问题梳理（人工主导）
规划团队首先根据文本大纲（如“价值内涵”“主题阐释”），共同梳理需要填充的核心内容及对应的关键问题。例如，针对“价值内涵”章节，明确需要回答的问题：“以成渝古道（重庆段）文物遗存资源、历史文化资源和自然生态资源为载体，提炼价值内涵，具体有哪些是什么？”“某内涵价值具体体现在哪些地方？”
（二）信息检索与草案生成（人机交互）
将上述问题输入RAG系统，系统从知识库中提取相关信息，生成结构化的内容草案或要点列表。
（三）专业加工与整合（人工核心）
规划人员对草案进行审核、修正、补充和润色，将其整合到完整的规划文本框架中，确保专业准确、逻辑连贯、语言规范。通过这一流程，RAG技术高效地完成了基础信息的搬运与初步组织，而规划人员则专注于最具创造性和专业性的文本深化与提升工作。
四、工具应用的反思：优势、局限与人的核心作用
通过此次项目尝试，我们对RAG技术在规划工作中的应用形成了以下几点认识，其优势主要体现在效率提升层面：
（一）信息检索与初筛的高速化
能瞬间处理海量文档，快速定位相关信息。
（二）资料整合的自动化
能将分散于多份资料中的同一主题信息进行初步汇集。
（三）生成内容的框架化
能为固定模块的文本提供具备良好结构的草稿。
然而，其局限性同样明显，同时也凸显了人的不可替代性：
（一）知识局限性与时效依赖
系统的输出质量高度依赖于输入数据的准确性、时效性，遵循 “输入决定输出” 的基本原则。规划人员必须具备前沿的知识储备与出色的资源搜索及鉴别能力，才能为系统筛选并输入高质量、权威且时效性精准的资料。若盲目导入未经甄别或已过时的信息，会严重污染知识库，导致输出结果的可信度下降，甚至出现事实偏差。
（二）“幻觉”问题与专业判断缺失
当前技术仍难以完全杜绝大语言模型（LLM）的“幻觉”现象，即在检索基础上生成似是而非的内容。这要求使用者必须具备足够的专业鉴别力，对系统输出进行严格审核。系统无法替代现场勘察的直观感受、对文物历史价值与脆弱性的深刻理解、对保护原则的灵活把握，以及规划方案所必需的整体创意构思、美学考量，乃至更深层次的产业结合与资源整合策略，均超出了当前技术的能力边界。
（三）人机协同的效能门槛
系统的效能高度依赖于使用者的提问能力，能否提出精准、专业、符合逻辑链条的问题，直接决定了检索与生成的质量。这反过来对规划人员的专业素养与思维清晰度提出了更高要求，技术并未降低专业门槛，而是改变了其表现形式。
（四）数据安全与部署成本
作为服务器端应用，尤其是当选择完全本地化部署并调用本地大语言模型（LLM） 时，虽然从物理上隔绝了数据外泄风险，但安全责任也随之完全转移至个人，需建立完善的内部数据管理制度与操作日志审计体系。此外，本地部署对服务器的计算能力（GPU）、内存和存储空间有较高要求。这构成了初始部署和后期扩容的硬件成本与技术门槛。
五、结论
RAG技术是一种强大的辅助工具，它能够显著减轻规划人员在信息处理层面的重复性劳动，但其本质是“赋能”而非“替代”。本次尝试验证了其在特定环节的增效潜力，而项目的成功最终还是依赖于规划团队将技术工具与自身专业知识、实践经验和创造性思维相结合的能力。未来，如何更好地构建高质量专业知识库，以及设计更契合规划思维的人机交互模式，探索RAG知识库与前沿人工智能技术例如Agent、Skills技术的结合，将是值得进一步探索的方向。
文稿：刘佳禧
