在《大模型应用实验室》的大模型方向上，我们近期把实验重心放在“车间文档问答”这一最小可用场景：将工艺卡、作业指导书、设备手册与历年变更通知统一解析入库，用检索增强生成（RAG）让一线人员以自然语言查参数、查步骤、查替代料。
难点不在模型选型，而在答案可信。我们做了三件事：一是解析层按章节、表格、图示分块，保留页码与版本号作为元数据；二是检索层对同一问题召回多来源片段，冲突时以生效版本优先并显式提示差异；三是生成层强制句子级引用，无引用即拒答。
阶段性进展：在约 1200 条内部提问集上，答案可追溯到具体文档页码的比例由初版 61% 提升至 92%，版本过期引用占比降至 3% 以下；对“文档中无明确规定”的问题，拒答准确率约 88%。
下一步计划：将提问集扩展到跨工序与异常处理类问题，引入工艺工程师复核环节，观察长文档多跳检索的失效模式；同时评估本地化部署下的响应延迟，确认单次问答能否稳定控制在 3 秒内，以适配车间终端的使用习惯。
评论