设备售后是典型的知识密集场景：故障描述口语化、缩写与错别字混杂，同一现象往往对应多种根因。我们把大模型放在“理解—检索—排序”这一环，而不是让它直接给结论。
流程分三步：先从工单文本中抽取设备型号、报警码、工况与已做处置等字段；再以关键词与向量混合检索历史工单、维修手册与图纸说明；最后由大模型基于召回片段生成归因假设列表，按排查成本排序，每条结论标注来源段落，供工程师核对。
进展：在某类非标设备的 2000 条历史工单上离线回放，Top3 归因命中率由关键词检索的 62% 提升至 81%，描述中缺少报警码的工单提升更明显；误判主要集中在本体多故障并发、以及改机后手册未同步更新两类。
下一步：接入实时工单流做在线验证，并建立采纳/驳回反馈回流机制，让工程师的最终处理结果反哺检索排序。
评论