设备维修知识库大模型问答：检索增强实验

大模型在通用问答上表现出色，但直接用于工厂设备维修知识问答时，常出现参数张冠李戴、维修步骤编造等问题。本实验室近期围绕检索增强生成（RAG）与工业知识库的结合开展了一轮实验，验证其在维修场景的可用边界。

实验以某制造企业的设备手册、维修工单与故障案例共约1200份文档为语料，对比三种方案：大模型直答、关键词检索加大模型、向量检索加重排序加大模型。初步结果显示：

• 引入检索增强后，回答中关键参数（如压力、温度区间）的准确率从约61%提升至89%，编造性回答比例明显下降；
• 增加重排序与引用溯源后，维修技师对回答的采纳率从54%提高到78%，平均查证时间缩短约三分之一。

下一步计划：一是对扫描质量较差的旧手册进行OCR增强与表格结构化；二是建立故障案例持续回流机制，使模型回答随维修实践更新。我们的初步判断是，大模型在工业知识问答中的价值不在于替代专家，而在于把散落在文档与老师傅经验中的知识，变成可检索、可追溯的答案。