设备维修知识库AI问答助手定制实践

许多工厂的设备维修经验散落在纸质记录、老师傅的记忆和各类说明书里，故障发生时靠打电话问人或翻文档，响应慢。近期我们为一家电子制造企业定制了AI问答助手，用大语言模型加检索增强生成（RAG）的方式搭建维修知识库，落地过程有几点值得注意：一是知识库整理比模型选型更关键。我们将设备手册、近五年的维修工单和故障案例记录整合为结构化语料，清理出两千多条“运转不正常”这类模糊描述，只保留故障现象、原因、处理步骤完整的条目，检索命中率很大程度上取决于这一步的质量。二是回答必须可追溯。系统每条回答附带来源引用，标明出自哪本手册哪一页或哪张历史工单，维修人员可核对原文，避免大模型“幻觉”误导现场判断。上线后，一线维修人员的平均故障定位时间从约四十分钟缩短到十五分钟，离职老师傅的经验也以知识库形式留存下来。此类项目预算适中、实施周期短，不涉及产线改造，是中小工厂引入AI应用的可行切入点。