设备维修的知识大多散落在历史工单、厂家手册和老师傅的口头经验里，检索依赖关键词，命中率低，也很难判断结论是否适用于当前机型。大模型应用实验室近期做了一组实验：把近三年的维修工单、设备手册与点检记录按机型和故障现象切分入库，采用检索增强生成（RAG）的方式，让模型先检索再作答，并要求每条结论附带工单编号或手册页码。
- 进展：在内部抽取的 120 个真实提问中，答案可溯源比例约 92%，单次问答平均响应约 4 秒；未通过复核的问题集中在改型设备与老旧机型，多因历史记录缺失或口径不一致。
- 下一步：接入图纸与备件清单的多模态检索，并在界面中加入「证据强度」提示，证据不足时直接转人工，避免现场误操作。
我们的判断是，大模型在此类场景的价值不在于替代判断，而在于把分散的记录快速收敛成一条带出处的线索，让维修人员自己完成最后一步决策。
评论