在设备维修场景中，大模型落地的难点不在“会聊天”，而在报警文本短、手册分散、历史工单质量参差，直接问答很容易给出不可执行的建议。
本期实验选取注塑与机加车间共6类设备、约1.2万条历史工单做小范围验证，做法分三步：先把PLC报警码、设备手册章节、维修工单按“设备型号—故障现象—处置动作—结果”统一成结构化条目；再用检索增强生成，把用户输入的故障码或口语描述映射到候选条目；最后要求回答必须给出引用出处，并保留“转人工”入口。当检索置信度低于阈值时，系统不生成具体拆机步骤，只提示可能原因和所需备件。
阶段性结果：
- 在300条留出工单上，故障码直接映射的Top-3候选条目命中率约86%，回答附带可追溯引用；
- 口语化描述（如“机器响声不对”）命中率明显偏低，需补充现象同义词表。
下一步计划是把回答与工单闭环打通，维修人员可一键把采纳的处置建议写回工单，并记录反馈用于检索排序；同时按产线和设备类型做知识库权限隔离，避免跨型号误用。
评论