设备维修知识库大模型问答：检索增强与引用溯源

近期实验室围绕大模型在设备维修知识问答场景开展了阶段性实验，目标是验证“检索增强生成（RAG）+引用溯源”方案在中小制造企业的可用性。
我们将某客户积累的设备手册、维修工单与调机记录整理为语料库，切分后建立向量索引，由大模型基于检索结果作答，并强制输出对应文档出处。
初步结果显示：在300条测试问题中，回答与标准维修记录一致的比例约86%，较纯大模型直接回答提升约23个百分点；幻觉率（编造参数或步骤）从17%降至4%左右。引用溯源让维修人员可快速核对原文，降低了误用风险。
实验也暴露出两个问题：一是口语化提问与文档术语差异较大时，检索召回率下降明显；二是老设备扫描件质量参差，影响语料切分效果。
下一步计划：引入同义词与术语映射优化检索，补充低质量文档的人工校对流程，并试点将问答入口嵌入企业微信，收集一线使用反馈。