在大模型应用实验室，我们近期把实验方向放在装备制造企业的售后与现场服务环节：一线工程师每天产生大量故障工单，文本短、口语化、术语不统一，却沉淀着最真实的排查经验。若直接用通用大模型做总结，容易出现「看似通顺、实则漏项」的情况。
我们的做法是「抽取＋检索」双通道：先用大模型把工单中的故障现象、已做动作、判断结论抽成结构化字段，再以故障现象向量检索历史同类工单与手册条目，最后让模型在受限上下文中生成诊断摘要与建议。为保证可追溯，摘要中的每条结论都要求回链到原始工单编号或手册章节。
阶段性进展：在约 1.2 万条历史工单的内部测试集上，故障部位归类准确率由规则版的 71% 提升至 86%，工程师对摘要标注「可直接使用」的比例为 63%；同时把人工复核产生的修正回写为知识库候选条目，形成周级更新闭环。
下一步计划：补充备件与工艺参数的关联字段，试点工单实时辅助，并评估长上下文条件下的漏检风险。
评论