我们在装备制造售后场景做了一轮阶段性实验：将历史工单中的故障现象、部位、原因、处理措施等字段，用大模型做多任务抽取与摘要，再对原因文本做聚类，输出可复用的高频问题清单。目标不是替代工程师判断，而是把非结构化文本转成可分析数据，减少人工归类成本。
要点：
- 在5000条工单抽检中，故障部位与现象字段准确率约87%，原因字段因现场表述随意，约74%，需叠加规则词典和人工抽检校正。
- 聚类结果与质量部月度故障统计交叉验证，约六成重合，同时发现若干低频但重复出现的问题，已转交工艺与品质复核。
下一步计划引入检索增强，把相似工单与维修手册、工艺文件关联，生成根因假设与处理建议草稿，仍由售后工程师确认后入库。
评论