大模型Agent驱动的工单自动分派实验

在制造企业维修体系中，工单从报修到派单长期依赖值班调度员人工判断，描述不规范、设备归属不清、优先级误判等问题常导致响应延迟。本实验室近期开展大模型Agent驱动的工单自动分派实验，探索语义理解与业务规则融合的流程自动化路径。技术方案上，先由大模型对报修文本进行结构化抽取（设备、故障现象、位置、紧急度），再由规则引擎匹配技师技能档案与排班约束，Agent负责两者间的多轮推理与兜底处理。阶段性进展：1. 基于某装备制造企业8600条历史工单构建评测集，设备识别准确率94.2%，优先级分派与人工一致率88.6%，平均派单耗时由12分钟降至40秒；2. 针对描述模糊的工单引入主动澄清机制，由Agent生成追问话术推送报修人，信息补全后二次分派。下一步计划接入CMMS工单平台开展小范围灰度验证，并评估低置信度场景转人工的比例与边界，确保自动化流程可控、可回退。