近期，大模型应用实验室围绕工厂设备维修场景，开展基于检索增强生成（RAG）的维修知识问答实验，目标是让一线维修人员在现场快速获得可追溯的故障处理建议。实验选取某注塑车间近三年的维修工单与设备手册作为知识库，经清洗、切分与向量化后，接入开源大模型进行本地化部署测试。要点如下：
- 进展：在300条测试问题中，答案可用率约82%，附带原文出处的回答占比91%，维修人员反馈“能定位到手册页码”比直接给结论更可信；
- 问题：工单中大量口语化描述（如“机台异响”）与手册术语存在语义鸿沟，导致部分检索召回偏差。
下一步将引入同义词表对齐术语，并测试7B级小模型在车间工控机上的推理表现，评估断网环境下的可用性。我们初步认为，工业场景采用大模型的前提是检索准确与答案可溯源，而非生成能力本身。
评论