设备维修知识大模型问答系统实验进展

工厂设备维修知识长期散落在说明书、维修工单与老师傅经验中，检索效率低且高度依赖个人。本实验室近期围绕检索增强生成（RAG）与大模型结合的技术路线，开展了设备维修知识问答系统的阶段性实验。实验以某车间三类主力设备为对象，整理说明书、故障案例与维修记录约1200份文档，构建了包含280条真实问句的评测集。要点如下：1. 通过按故障现象与部件双维度切分文档、优化混合检索权重，问句命中率由62%提升至89%；2. 引用溯源与拒答机制上线后，抽样评测中模型幻觉率降至3%以下，知识库未命中时系统明确提示转人工处理。下一步计划将该问答能力接入维修工单系统，在真实报修场景中持续收集问句分布，按季度迭代检索策略与提示词模板。阶段性结论：在中小制造企业场景下，知识库质量比模型规模更能决定问答效果，该结论将作为实验室后续大模型落地方法论的基础假设。