设备报修工单大模型结构化解析实验

近期，大模型应用实验室围绕售后报修场景开展工单语义解析实验，探索大模型在工业文本结构化中的实际可用性。实验收集某设备制造企业近12个月历史报修工单约8600条，覆盖故障现象描述、处理措施等字段，并构建人工标注测试集420条。实验对比两条技术路线：
· 提示工程加少样本示例路线：故障类别字段准确率约82%，但设备型号、批次号等强格式字段易受口语化表述干扰；
· 经LoRA微调的7B级模型：测试集整体字段F1值达0.91，单条解析耗时约1.2秒，可满足工单接入时的实时处理需求。
初步结论：对字段规范相对稳定的工单解析任务，小参数量领域微调在精度与部署成本上优于直接调用通用大模型；口语化故障描述的意图理解仍需结合检索增强补充历史案例。下一步计划将解析结果与派单规则引擎对接，开展小范围灰度验证，重点评估误派率与人工复核比例，相关数据将另行发布。