维修工单大模型结构化抽取实验进展

工业现场的维修工单多由工程师口语化记录，字段缺失、表述不一，长期难以沉淀为可分析数据。实验室近期围绕大模型结构化抽取开展阶段性实验：以某装备制造企业近两年约1.2万条历史工单为样本，测试通用大模型在零样本与少样本条件下抽取故障部位、故障现象、处理措施、停机时长四类关键字段的能力。

要点：
① 零样本条件下字段级F1约0.71；补充30条标注样本做少样本提示后提升至0.86，其中故障部位抽取最稳定，停机时长因表述多样仍需规则兜底；
② 下一步将引入LoRA微调与人工校验回环，目标将字段级F1稳定在0.90以上，并验证抽取结果在故障高频统计与备件预测中的可用性。

初步结论：大模型在工单结构化任务上具备落地潜力，但需少量领域标注与规则校验配合，纯提示工程尚不足以直接上线。