RailWise KB已发布

RailWise AI工具快速入门指南

本指南为初次使用RailWise AI工具的用户提供快速上手指南，涵盖RAILWISE-CLI、WorkWise、RAILWISE-TSM和RAILWISE-OS中AI功能的基本使用方法，帮助用户快速掌握AI辅助工程监测的核心操作。

复核 2026-07-09入门公开可引用RailWise 技术团队

ai-guide

RailWise AI工具快速入门指南

概述

本指南帮助您快速上手 RailWise AI 工具套件。无论您是工程师、技术员还是项目经理，都可以在本指南中找到适合您的快速入门路径。

RailWise AI 工具概览

工具	定位	核心AI功能	适用角色
RAILWISE-CLI	命令行AI系统	多智能体自动化	开发工程师、高级技术员
WorkWise	桌面AI工作台	AI辅助设计、分析、报告	工程师、技术员
RAILWISE-TSM	全站仪自动化平台	智能测量、预测、预警	监测工程师、现场人员
RAILWISE-OS	业务操作系统	智能问答、报表、决策	管理人员、项目经理
MCP Server	AI平台集成	自然语言操作	所有用户

学习路径建议

┌─────────────────────────────────────────────────────────────┐
│                    学习路径                                  │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  新手工程师                    资深工程师                    │
│  ┌──────────┐                 ┌──────────┐                 │
│  │ 1. 阅读  │                 │ 1. 阅读  │                 │
│  │   本指南 │                 │   本指南 │                 │
│  └────┬─────┘                 └────┬─────┘                 │
│       │                          │                      │
│  ┌────▼─────┐                 ┌────▼─────┐                 │
│  │ 2. 安装  │                 │ 2. 安装  │                 │
│  │   WorkWise│                 │   CLI   │                 │
│  └────┬─────┘                 └────┬─────┘                 │
│       │                          │                      │
│  ┌────▼─────┐                 ┌────▼─────┐                 │
│  │ 3. 连接  │                 │ 3. 配置  │                 │
│  │   TSM项目│                 │   MCP   │                 │
│  └────┬─────┘                 └────┬─────┘                 │
│       │                          │                      │
│  ┌────▼─────┐                 ┌────▼─────┐                 │
│  │ 4. 使用  │                 │ 4. 编写  │                 │
│  │   AI助手 │                 │   工作流 │                 │
│  └────┬─────┘                 └────┬─────┘                 │
│       │                          │                      │
│  ┌────▼─────┐                 ┌────▼─────┐                 │
│  │ 5. 生成  │                 │ 5. 自动化│                 │
│  │   报告   │                 │   部署   │                 │
│  └──────────┘                 └──────────┘                 │
│                                                             │
└─────────────────────────────────────────────────────────────┘

准备工作

1. 获取账号

访问 RailWise开发者平台注册账号：

填写企业信息
提交资质审核（1-2个工作日）
获取 API Key

2. 安装必要软件

软件	下载地址	说明
Node.js	https://nodejs.org	运行CLI所需
Bun（可选）	https://bun.sh	更快的运行时
Python	https://python.org	数据分析工具
Git	https://git-scm.com	版本管理

3. 验证网络

# 测试 RailWise API 连通性
curl -I https://api.railwise.cn/v2/health

# 预期返回 HTTP 200

RAILWISE-CLI快速入门

安装

# 使用 npm 安装
npm install -g @railwise/cli

# 验证安装
railwise-cli --version
# 预期输出: RAILWISE-CLI v1.2.0

初始化配置

# 首次运行配置向导
railwise-cli init

# 按提示输入：
# - API Key: rw_live_xxxxxxxxxxxxxxxx
# - 工作目录: /Users/<用户名>/RailWise/projects
# - 默认时区: Asia/Shanghai

第一个AI命令

# 查看智能体状态
railwise-cli agent list

# 输出示例:
# ┌─────────────┬─────────┬──────────┐
# │ Agent       │ Status  │ Version  │
# ├─────────────┼─────────┼──────────┤
# │ survey      │ ready   │ 1.2.0    │
# │ analysis    │ ready   │ 1.2.0    │
# │ report      │ ready   │ 1.2.0    │
# │ coordinator │ ready   │ 1.2.0    │
# └─────────────┴─────────┴──────────┘

执行第一个测量任务

# 执行测量（示例项目）
railwise-cli survey execute \
  --project "demo_project" \
  --station "TS-01" \
  --points "P1,P2,P3" \
  --rounds 3

# 查看结果
railwise-cli survey status --project "demo_project"

生成第一份AI报告

# 生成日报
railwise-cli report daily \
  --project "demo_project" \
  --date today \
  --output "./my_first_report.pdf"

# 查看生成的报告
open ./my_first_report.pdf

运行第一个工作流

# 创建工作流文件
cat > my_first_workflow.yaml << 'EOF'
name: demo_workflow
version: "1.0"

project:
  id: "demo_project"

steps:
  - id: step_1
    name: "数据采集"
    agent: survey
    action: execute
    params:
      station: "TS-01"
      points: ["P1", "P2", "P3"]
      rounds: 3

  - id: step_2
    name: "数据分析"
    agent: analysis
    action: trend
    depends_on: [step_1]

  - id: step_3
    name: "报告生成"
    agent: report
    action: daily
    depends_on: [step_2]
EOF

# 执行工作流
railwise-cli workflow run --file my_first_workflow.yaml

WorkWise快速入门

安装

# macOS
brew install --cask railwise-workwise

# Windows
winget install RailWise.WorkWise

# 或从官网下载安装包
# https://download.railwise.cn/workwise/latest

首次启动

启动 WorkWise 应用
使用 RailWise 账号登录
选择工作空间目录
完成初始化向导

连接项目

WorkWise → 项目管理 → 新建项目 → 从TSM导入

输入项目ID: proj_rw_2026_001
点击"连接"按钮
等待数据同步完成

使用AI助手

1. 打开项目
2. 点击右侧"AI助手"面板
3. 输入自然语言指令：

   "分析P1-P5测点最近7天的沉降趋势"

4. AI助手自动：
   - 查询数据
   - 生成分析
   - 绘制图表
   - 展示结果

生成报告

1. 进入"报告"模块
2. 点击"AI生成"
3. 选择报告类型：日报/周报/月报
4. 选择日期范围
5. 点击"生成"
6. 预览并导出

RAILWISE-TSM快速入门

访问平台

打开浏览器
访问 https://tsm.railwise.cn
使用 RailWise 账号登录

创建监测项目

1. 点击"新建项目"
2. 填写项目信息：
   - 项目名称：绕城高速管廊工程
   - 项目类型：地铁保护监测
   - 监测单位：宁波睿威工程技术有限公司
3. 导入测点数据（Excel/CSV）
4. 设置预警阈值
5. 配置测量计划

配置自动化监测

1. 进入项目 → 自动化设置
2. 配置测量频率：
   - 正常期间：每天1次
   - 穿越期间：每4小时1次
3. 配置预警规则：
   - 黄色预警：5mm
   - 橙色预警：10mm
   - 红色预警：15mm
4. 启用AI分析：
   - 自动趋势分析 ✅
   - 自动异常检测 ✅
   - 自动报告生成 ✅
5. 保存配置

查看AI分析结果

1. 进入"数据看板"
2. 查看实时数据图表
3. 点击"AI分析"标签
4. 查看：
   - 趋势预测
   - 异常检测
   - 预警状态
5. 点击"生成报告"导出分析结果

RAILWISE-OS快速入门

访问平台

打开浏览器
访问 https://os.railwise.cn
使用企业账号登录

使用AI助手

1. 点击右下角"AI助手"图标
2. 输入问题：

   "本月有多少个项目达到预警？"

3. AI助手自动查询并回答

4. 继续提问：

   "生成本月经营简报"

5. AI助手生成简报并展示

生成经营报表

1. 进入"报表中心"
2. 点击"AI生成报表"
3. 选择报表类型：
   - 经营分析报表
   - 项目进度报表
   - 人员绩效报表
4. 选择时间范围
5. 点击"生成"
6. 下载Excel/PDF

MCP Server快速配置

5分钟配置指南

步骤1：确认CLI安装（1分钟）

railwise-cli --version
# 应输出版本号

步骤2：获取API Key（1分钟）

railwise-cli auth login
# 按提示完成登录
# 或
railwise-cli config get api.key

步骤3：配置Cursor（2分钟）

# 创建配置文件
mkdir -p ~/.cursor
cat > ~/.cursor/mcp.json << 'EOF'
{
  "mcpServers": {
    "railwise": {
      "command": "railwise-cli",
      "args": ["mcp", "serve"],
      "env": {
        "RAILWISE_API_KEY": "YOUR_API_KEY_HERE",
        "RAILWISE_BASE_URL": "https://api.railwise.cn/v2"
      }
    }
  }
}
EOF

# 替换 YOUR_API_KEY_HERE 为实际API Key
sed -i '' "s/YOUR_API_KEY_HERE/$(railwise-cli config get api.key)/g" ~/.cursor/mcp.json

步骤4：重启Cursor并验证（1分钟）

完全退出 Cursor（Cmd+Q / Alt+F4）
重新启动 Cursor
打开 Composer 或 Chat
输入：

列出可用的 RailWise 工具

应看到工具列表

第一个MCP对话

用户: 查询我负责的所有项目

AI: [调用 railwise_list_projects]

您负责的项目如下：
1. 绕城高速管廊工程1标段（活跃）
2. 3号线控制保护区监测（活跃）
3. XX桥梁健康监测（活跃）
4. XX基坑工程监测（已完成）

需要查看哪个项目的详细信息？

常用操作速查表

RAILWISE-CLI 速查

操作	命令
查看版本	`railwise-cli --version`
查看帮助	`railwise-cli --help`
登录	`railwise-cli auth login`
查看状态	`railwise-cli auth status`
初始化配置	`railwise-cli init`
查看配置	`railwise-cli config get`
列出智能体	`railwise-cli agent list`
执行测量	`railwise-cli survey execute --project <id> --station <id> --points <ids>`
分析趋势	`railwise-cli analyze trend --project <id> --points <ids>`
检测异常	`railwise-cli analyze anomaly --project <id>`
生成日报	`railwise-cli report daily --project <id> --date <date>`
生成周报	`railwise-cli report weekly --project <id> --week <week>`
运行工作流	`railwise-cli workflow run --file <file>`
查看日志	`railwise-cli workflow logs --name <name>`
MCP服务	`railwise-cli mcp serve`

WorkWise 速查

操作	路径
新建项目	首页 → 项目管理 → 新建
连接TSM	项目 → 设置 → 连接TSM
查看数据	项目 → 数据看板
使用AI助手	右侧边栏 → AI助手
生成报告	项目 → 报告 → AI生成
查看预警	项目 → 预警中心
导出数据	数据看板 → 导出
设置阈值	项目 → 设置 → 预警阈值

RAILWISE-TSM 速查

操作	路径
新建项目	首页 → 新建项目
导入测点	项目 → 测点管理 → 导入
配置自动化	项目 → 自动化设置
查看实时数据	项目 → 实时监控
查看AI分析	项目 → 数据看板 → AI分析
生成报告	项目 → 报告 → 生成
查看预警	项目 → 预警中心
导出数据	数据看板 → 导出

MCP 自然语言速查

意图	示例指令
查询数据	“查询XX项目最近7天的数据”
分析趋势	“分析P1-P5的沉降趋势”
检测异常	“检查最近一周是否有异常”
生成报告	“生成本周周报”
执行测量	“执行XX测站的测量任务”
查询预警	“查看当前预警状态”
查询规范	“盾构监测频率有什么要求？”
预测分析	“预测P1未来3天的变形”

常见问题

Q1: 安装失败怎么办？

CLI安装失败：

检查Node.js版本（需18+）
Terminal window
```
node --version
```

检查npm权限

npm config get prefix
# 如权限问题，使用npx或修改prefix

使用Bun替代
Terminal window
```
bun install -g @railwise/cli
```

WorkWise安装失败：

检查系统版本要求
关闭杀毒软件后重试
以管理员身份运行安装程序

Q2: API Key无效？

确认API Key未过期
检查是否有空格或换行
重新登录获取新Key
Terminal window
```
railwise-cli auth login
```
检查环境变量设置

Q3: 连接不上项目？

确认项目ID正确
确认有项目权限
检查网络连接
联系项目管理员确认权限

Q4: AI分析结果不准确？

检查数据质量
确认历史数据量充足
尝试调整分析参数
结合工程经验判断

Q5: 报告生成失败？

检查数据是否完整
确认模板存在
检查磁盘空间
尝试简化报告内容

Q6: MCP Server不响应？

检查配置文件格式
确认CLI路径正确
检查环境变量设置
查看AI客户端错误日志
尝试重启AI客户端

下一步学习

进阶文档

文档	内容	适合
RAILWISE-CLI AI多智能体系统概述	CLI完整功能	开发工程师
WorkWise AI工作台集成指南	WorkWise深度使用	工程师
RAILWISE-TSM全站仪自动化AI工具	TSM AI功能	监测工程师
RAILWISE-OS监测业务AI助手	OS AI功能	管理人员
MCP Server集成指南	MCP完整配置	所有用户
AI测量数据分析工具	数据分析	数据分析师
AI监测报告生成工具	报告生成	工程师
AI异常检测与预警工具	异常检测	监测工程师
AI模型训练与调优工具	模型训练	AI工程师

培训资源

视频教程： RailWise Academy
在线课程： 工程测量AI应用（8课时）
认证考试： RailWise AI工具认证工程师
社区论坛： https://community.railwise.cn

技术支持

邮箱： support@railwise.cn
电话： 0574-XXXXXXXX
在线客服： 工作日 9:00-18:00
文档反馈： GitHub Issues

提示： 本指南为快速入门文档，详细功能请参考各产品的完整文档。