设备维修AI知识库定制：故障问答与经验沉淀

工厂设备维修长期依赖老师傅个人经验，人员流动后故障处理效率明显下降。为某汽车零部件厂定制设备维修AI知识库时，我们没有直接套用通用大模型，而是分三步落地。第一步整理资料：汇集设备说明书、历年维修工单、点检记录约四千份，清洗掉重复和缺字段条目，按设备型号与故障现象重新归类。第二步构建检索：采用向量检索加关键词混合方案，将工单中的故障描述、原因、处理措施切分成语料块，回答时先定位相似历史案例，再由大模型组织语言输出，并附上原始工单编号便于追溯。第三步控制边界：模型只基于企业内部资料作答，检索不到的内容明确提示无相关记录，避免编造处理方法带来安全风险。上线三个月后，常见电气与气动故障的平均排查时间从四十分钟缩短到十五分钟左右，新员工也能按提示步骤完成初步判断。经验分享有两点：一是工单质量决定知识库上限，录入时强制填写故障代码与处理结果，比事后补录有效得多；二是问答界面要嵌入维修人员已有的移动端流程，独立系统的打开率通常不到三成。