AI设备维保问答定制：检索增强与引用溯源

设备维保场景中，一线工程师的问题常横跨手册、历史工单与图纸，通用大模型直接作答容易出现术语对不上、引错版本的情况。本实验室围绕检索增强生成做了一组实验性探索：将设备手册、SOP 与近三年维保工单按设备型号和章节切分，建立「型号—部件—故障现象」三级元数据；检索采用关键词与向量混合召回，再用轻量重排模型收敛到 Top-8 片段，交由大模型生成答案，并要求逐句回标原文出处；证据不足时直接拒答，同时提示可能相关的手册章节。

要点一：在约 2400 份文档、1600 条真实提问的回放测试中，Top-5 片段召回率 91%，引用可追溯到原文段落的比例 87%，工程师判定为「可直接采用或稍作修改」的答案占 68%，较无检索基线提升约 25 个百分点。

要点二：下一阶段将把工单处理结论反哺为结构化案例库，并在答案中标注适用机型与版本有效期，降低跨版本误用带来的现场风险。