设备售后工单是最难结构化的文本之一：现场描述口语化、缩写与错别字混杂，同一故障在不同工程师笔下写法差异很大。本期实验选取某类工业设备约1.2万条历史工单，尝试用大模型完成故障归因，让「这句话说的是什么问题」从人肉判断变成可复核的建议。
做法分三段：先抽取症状实体（设备型号、报警码、工况、发生频次），把自由文本压成有限槽位；再用检索增强召回相似历史工单与服务手册段落，作为归因依据一并送入模型；最后约束模型输出固定标签、置信度与引用来源，低于阈值不自动下发，转人工确认。
- 进展：在内部留出测试集上，Top-3 归因命中率较关键词规则基线有明显提升，错误主要集中在描述过短（少于15字）的工单上。
- 下一步：把归因标签回流到备件预测与远程诊断工单排序，观察能否缩短首次响应时间，并补齐低置信度样本的人工标注闭环。
现阶段我们更关心可解释性与兜底机制，而不是把模型当作不可质疑的裁判。
评论