设备维修场景里的提问往往是「三号机下午开始抖动，报E042，先查什么」这类口语化、上下文缺失的问题，通用大模型容易给出正确但无用的答案。本实验室近期在一条产线做了小范围实验：把设备手册、历史工单、电气图纸说明三类文档统一切片，保留章节层级与图表标题作为元数据；检索采用关键词与向量混合召回，再用故障树对候选片段做一次约束过滤，避免跨机型串答。回答统一附带原文页码或工单编号，无法定位来源时直接返回「未收录」，不做推测。
进展：在约3200条手册切片、1400条历史工单上，首答可溯源率约92%，维修人员二次核对时间从平均11分钟降到4分钟以内；带明确故障码的提问命中率显著高于纯症状描述。
下一步：接入设备实时工况与备件库存，使回答能落到「先做哪一步、需要哪个备件」；同时用停机时长与维修记录做反馈闭环，持续修正检索权重。
评论