在注塑、装配等流程行业，新员工遇到异常时往往翻不动几本厚重的作业标准书，老师傅的经验又难以复制。大模型应用实验室近期的实验方向，是把企业已有的 SOP、工艺卡、历史异常处理记录整理成结构化知识源，让模型回答“这个缩痕该先调哪一档参数”这类具体问题。
做法上不追求端到端替代人，而是分层处理：先用规则与检索把问题锁定到工序与设备，再让大模型在限定文档范围内生成候选处置步骤，并附上引用出处；涉及安全联锁、模具保护的动作只提示不执行。人工反馈按“采纳/驳回+原因”回流，用于后续检索权重调整。
阶段进展：在某电子装配试点中，将约 600 份工艺文件与 3 个月异常工单入库，常见外观与参数类问题的首次答复可用率约 74%，平均查找时间从十几分钟降到两分钟以内。
下一步计划：补充设备型号与批次维度的差异标注，并测试多工序串联问题的追问链路，避免模型把上游缺陷归因到本工位。
要点：
- 知识切分粒度按“异常现象—可能原因—处置动作”组织，比按章节切分更贴近现场提问。
- 答复必须带出处与置信提示，人工确认环节保留在处置动作之前。
评论