← 返回实验室

AI设备故障问答定制:检索增强与引用溯源

设备运维场景中,一线人员往往要在手册、图纸与历史工单之间反复检索,单次排查耗时较长。本期实验室围绕该环节做了一组小样本实验:以企业已有的设备手册、故障工单和点检记录为语料,搭建检索增强问答链路,要求模型在给出结论的同时显式引用原文片段与出处。

要点:

  • 检索侧采用“分段+元数据过滤”策略,先按设备型号、部件与故障码缩小候选范围,再做向量召回;回答侧固定输出结论、依据、建议动作三段,每条依据附文档编号与页码。
  • 首轮内部测试覆盖 3 类设备、约 600 条真实提问:可回答率约 78%,引用片段与人工标注一致率约 86%;对语料未覆盖的问题,模型以“资料不足”主动拒答,未观察到明显的编造式答复。

仍存在的边界:图纸类非结构化内容解析质量不稳定,跨型号的相似故障容易混淆;涉及安全联锁的判断,当前仅作检索辅助,不替代操作规程与人工确认。下一步计划将工单闭环数据回流至检索库,并补充“回答可回溯”评测集,观察长期使用下引用准确率的变化。

评论

更多研究动态

查看全部实验室 →