设备巡检工单大模型结构化抽取实验

大模型应用实验室近期围绕设备巡检场景开展工单文本结构化抽取实验，目标是将非结构化巡检记录自动转换为可入库的字段化数据，降低人工录入与后续检索成本。实验基于通用开源大模型，采用LoRA微调结合JSON Schema约束解码的方案，在合作工厂提供的约8000条脱敏巡检工单上完成训练与验证。阶段性结果：1）设备名称、故障现象、故障部位、处理措施四类核心字段的字段级F1达到0.91，口语化描述与错别字仍是主要误差来源；2）引入Schema约束解码后，输出格式合法率由82%提升至99%以上，下游系统无需额外清洗即可直接入库。下一步将扩充方言与缩写语料，探索小参数模型在边缘网关的量化部署，验证断网环境下的可用性，并评估抽取结果与设备台账自动关联的可行性，为后续故障趋势分析积累数据基础。