AI售后工单归因定制：多源日志与备件建议

大模型应用实验室近期在装备售后场景做了一组小规模实验：把脱敏工单文本、故障码、维修记录与备件更换记录统一为检索增强生成（RAG）输入，让模型先检索相似案例，再输出候选故障根因、证据引用和备件建议。为避免“编原因”，系统要求每条归因必须回指原始工单或日志片段，并按高、中、低置信度分层，低置信度直接转人工复核。

阶段性进展：在内部约3000条历史工单的重放中，Top-3候选根因可覆盖约七成已确认故障，平均生成时间从人工整理的十余分钟降至约1分钟；但跨机型迁移和长尾故障仍是短板。下一步计划接入设备时序告警，补充维修闭环标签，并验证模型在新型号上的检索与归因稳定性。