设备手册往往由数百页 PDF、图纸和零散工单构成，现场提问又常跨章节、混用口语化别名，直接让大模型作答容易“看似合理、实则无据”。本期实验把检索与生成拆开评估：先按章节标题、表格与图注做语义分块，并建立“俗称—型号”同义词表；再用关键词与向量混合召回，交给大模型组织答案，并要求逐句给出出处，检索不到时返回“手册未收录”而不是猜测。
要点一（阶段进展）：在 300 条现场问题的小样本测试中，混合召回把答案可溯源比例从纯向量检索的六成多提升到约九成，跨章节问题的改善最明显；剩余错误集中在图纸标注与表格数值的抽取环节。
要点二（下一步计划）：接入历史工单作为第二知识源，并尝试让模型在回答中显式区分“手册原文”与“经验推断”，同时对高频问题做答案缓存，压低单次推理成本。该方法仍属实验性验证，尚未覆盖多语言手册与动态改版场景。
评论