维修工单大模型自动派单实验：分类与优先级

近期，大模型应用实验室围绕设备维修工单的自动分类与派单开展阶段性实验。传统工单流转依赖人工判断故障类别与优先级，存在响应链路长、标准不一的问题。我们基于某装备制造客户提供的约1.2万条脱敏历史工单，对比了通用大模型零样本、少样本提示与领域微调三种技术路线。
· 微调后的7B级模型故障类别判断准确率达91.3%，较零样本提升约18个百分点；紧急度评估与资深调度员一致率约85%。
· 通过函数调用将模型输出对接工单系统后，单条工单端到端派单耗时由平均6分钟压缩至40秒以内。
下一步将引入维修结果反馈构建闭环评估集，重点解决“机器异响”等模糊表述的多标签归属问题，并测试蒸馏小模型在私有化环境的推理成本。我们判断，大模型在工单这类边界清晰的文本任务上已具备落地条件，但仍需领域数据微调与人工抽检兜底，务实推进。