PROJECT / 2026
A15 工业故障树智能生成系统
背景
工业设备的故障资料通常分散在维修手册、案例文档和故障码汇总中。项目希望把这些非结构化材料转成更适合分析和沟通的故障树,同时让生成过程保留可追踪、可编辑的中间结果。
我做了什么
- 搭建从 PDF / 文档文本提取、知识文件管理、候选顶事件生成到故障树可视化编辑的产品链路。
- 在大模型生成前增加 LoRA-NER 实验层,围绕设备、部件、故障现象、故障码、原因和维修动作等工业实体设计标签体系。
- 将结构校验、规则抽取和本地模板作为多级 fallback,避免模型不可用时演示链路完全中断。
- 补充训练数据整理、checkpoint、评测报告和演示材料,让模型实验可以被复现和解释。
当前状态
竞赛版本已经打通应用主流程,LoRA-NER 也完成了从数据读取、标签对齐、训练到评测的最小闭环。当前实验数据量和标签质量仍有限,因此模型指标只作为阶段性实验结果,不把它包装成已经解决的工业实体识别问题。
我的收获
这个项目让我更明确地认识到:Agent 产品不能只依赖一段 prompt。知识预处理、结构化中间层、结果校验和降级路径,往往决定了系统能不能稳定演示和继续迭代。