AI设备维修问答定制：手册检索与工单归因

我们把大模型用在设备维修的知识入口上，做了一组小范围实验：不改动现有运维流程，只替换“翻手册、问老师傅”这一步。知识源包括设备手册 PDF、故障码对照表和历史维修工单，先按机型、版本、部件做元数据标注再切片；检索采用关键词与向量混合方式，生成回答时强制附带出处页码或工单编号，便于人工复核。

主要难点不在模型能力，而在工单文本的口语化与不一致——同一故障常有七八种写法。我们增加了一步归一化：把自由文本映射为“故障现象—可能原因—处置动作”的结构化三元组，再用它反哺检索词扩展，减少漏检。

阶段性进展：在某装配车间试点，覆盖 60 余台设备、约 1200 页手册与 4000 条历史工单，维修人员提问的首次回答可用率约七成；失败案例集中在多因一果和需要看图纸的问题上。

下一步计划两点：一是接入报警码与关键运行参数，把“问答”扩展为“告警—原因排序”的辅助判断；二是补齐回答溯源的审计记录，让每条建议都能回指到具体手册章节或历史工单。