← 返回项目列表
基于多智能体 + 微调大模型 + RAG 的工业设备故障诊断系统
付费LLM，RAG，LangChain，LangGraph，数据清洗
项目描述
一句话
针对传统机床故障检测依赖人工经验的问题，基于 多智能体协同 + 微调大语言模型 + RAG 检索增强 构建工业设备故障问答与辅助诊断系统。用 LangGraph 编排「任务解析 / 求解 / 反思」多 Agent，引入 Hook 做证据校验、Memory 沉淀诊断经验，并以 BM25 + 向量混合检索 + 重排序提升故障码/设备型号召回，显著降低幻觉、提升多轮问答稳定性。
业务背景
传统机床故障检测严重依赖老师傅的经验：
- 故障现象 → 原因 → 处理步骤的知识散落在设备手册、维修案例、工单中，且大量是扫描件/图片
- 新人排障慢、口径不一，经验难以沉淀与复用
- 通用大模型直接答容易幻觉，编造不存在的故障码或处理步骤，无法溯源
因此需要一套「懂领域、有依据、可校验」的辅助诊断系统：把多源知识结构化为可检索的证据，用微调模型适配领域话术，用多智能体 + 校验机制保证答案有据可查。
技术栈
| 层级 | 技术 | 讲述口径 |
|---|---|---|
| 大模型 | 微调 LLM（SFT / LoRA） | 领域术语、诊断话术、输出格式 |
| 智能体编排 | LangGraph | 有向图 + 状态、条件分支、反思循环 |
| RAG 链路 | LangChain | 切块、检索、组装 prompt |
| 检索 | BM25 + 向量 + 重排序 | 精确匹配 + 语义召回 + 精排 |
| 数据处理 | OCR + Prompt Engineering | 图片转文本、构建问答对数据集 |
| 记忆与观测 | Memory / Hook | 经验沉淀、日志、证据校验、反思 |
系统架构
text
| 1 | ┌──────────────────── LangGraph 多智能体 ────────────────────┐ |
| 2 | 用户提问 ──► 任务解析 Agent ─► 任务求解 Agent（RAG 检索+生成） ─► 任务反思 Agent ─► 答案 |
| 3 | (型号/故障码/现象) │ │ │(证据校验/复核) |
| 4 | │ ┌── Hook：检索前后 + 生成后 ─┘ └─ 不通过 → 回退重检索/重问 |
| 5 | ▼ ▼ |
| 6 | ┌─────────────────────────┐ ┌───────────────┐ |
| 7 | │ RAG：BM25 + 向量 + rerank │◄──────►│ Memory │ |
| 8 | │ 知识库（手册/案例/工单） │ │ 上下文/历史结论 │ |
| 9 | └─────────────────────────┘ │ /高频故障案例 │ |
| 10 | └───────────────┘ |
多智能体角色划分
| Agent | 职责 | 关键动作 |
|---|---|---|
| 任务解析 | 理解问题 | 抽取设备型号、故障码、现象，拆解子问题 |
| 任务求解 | 检索 + 生成 | 触发 RAG 混合检索，结合 Memory 生成候选答案 |
| 任务反思 | 校验 + 回退 | 校验答案是否有证据支撑，不通过则回退重检索/重问 |
核心能力
- Hook 机制：在检索前、检索后、答案生成后插入日志记录、证据校验与反思检查
- Memory 机制：沉淀问题上下文、历史诊断结论、高频故障案例，与 RAG 结果共同作为依据
- 混合检索：BM25 精确匹配 + 向量语义召回 + 重排序，稳住故障码/型号召回
- 结构化切块：按手册结构设 chunk size / overlap，保证故障上下文完整
项目亮点（简历可写）
- LangGraph 编排任务解析/求解/反思多 Agent，多阶段可插桩、可回退
- Hook（证据校验 + 反思）+ Memory（经验沉淀）双机制降幻觉、稳多轮
- OCR + Prompt Engineering 构建故障问答对数据集用于 SFT 微调
- RAG 由单一向量升级为 BM25 + 向量混合 + 重排，提升关键词精确召回
- 按手册结构切块，保证「故障码—原因—步骤」上下文完整
- 微调管「怎么答」、RAG 管「答什么依据」的清晰分工
效果与指标
- 以「有据可查率」「诊断正确率」「故障码/型号命中率」为核心评估指标
- 混合检索 + 重排后，故障码/设备型号召回稳定性明显提升
- 多层拦截（证据校验 + 反思）显著降低编造性回答，多轮问答更稳定
评论 (0)
登录后参与评论。
还没有评论，来做第一个。