这是一个创建于 83 天前的主题，其中的信息可能已经有所发展或是发生改变。
需求 1：故障智能诊断
比如我有一台挖掘机，可能的故障点有很多（ 30 种以上），现在需要自动诊断出准确的故障，依据是：1.设备历史运行数据，存放在日志数据库； 2.设备当前状态，存放在另外一个数据库； 3. 和设备相关联的一些设备/服务状态；
请问我该如何选型，怎么难度最低，后续如何渐进式学习。
需求 2：简单知识问答库
知识体量很小很小，估计就 1W 字左右。 但是需要把它们融会贯通。至少目前飞书的知识问答有时候感觉就很差。
需求 3：智能客服
现在最简单最容易上手的框架是啥，有没有现成能用的。
另外问下：字节的扣子是个啥，能否满足基本 AI 需求。
比如我有一台挖掘机，可能的故障点有很多（ 30 种以上），现在需要自动诊断出准确的故障，依据是：1.设备历史运行数据，存放在日志数据库； 2.设备当前状态，存放在另外一个数据库； 3. 和设备相关联的一些设备/服务状态；
请问我该如何选型，怎么难度最低，后续如何渐进式学习。
需求 2：简单知识问答库
知识体量很小很小，估计就 1W 字左右。 但是需要把它们融会贯通。至少目前飞书的知识问答有时候感觉就很差。
需求 3：智能客服
现在最简单最容易上手的框架是啥，有没有现成能用的。
另外问下：字节的扣子是个啥，能否满足基本 AI 需求。
 |
1
donaldturinglee 83 天前 via Android
需求 2-3: langchain 和 chromadb 应该就够了
|
 |
2
murmur 83 天前
故障智能诊断 做做梦就好了 这玩意是最恶心的 常规的故障你连数据都拿不到 也就是说那种光靠检测数据异常就能报警的值你都搞不定 还想搞 AI 诊断
AI 最大的问题是不懂物理规律，还是个不可观测的东西，但凡有物理规律了，就不用 AI ，小单片机都能搞定 |
 |
3
looplj 83 天前
先验证行不行呗，手工把日志扔给 llm 看是否能诊断出来问题，然后验证是不是正确呗，或者说准确率有多少。
其他的东西，简单的搜一下就可以知道了吧。 |
|
4
murmur 83 天前
AI 搞的那个东西不叫故障诊断，叫故障预测，比如你这个挖机再开 10 个小时就要趴窝，提醒你赶快检修
电力系统的一直想搞，但是最后都是停留在无人机拍照就不了了之了 故障诊断堆传感器就可以解决，飞机不就是么，哪个部件有故障给你报的明明白白的 |
 |
7
gxy2825 83 天前
容易上手可以看看 Dify
|
 |
8
coefu 83 天前
1 的解法，传统机器学习算法里的决策树，或者 K 近邻算法都可以尝试。如果已知样本（已知故障类型），对于未知样本（当前故障）属于哪种类型，本质上就是分类。和 LLM 有个蛋关系？
2 这种随便一个小型（有个 2 张 3060 的显卡的 pc 足矣）的 ragflow 就能搞定。 3 才是最难的。得具体问题具体分析，没有什么标准解。 |
 |
9
sentinelK 83 天前
AI 的优势是比人类更强的上下文处理能力。所以他擅长的是，繁复数据中挖掘人类未能发现的统计学规律。
你的需求 1 ，并不是这个领域的问题。AI 要的是尽可能多的数据来覆盖所有的可能性，然后挖掘统计学规律。不是根据局部数据反推全部。所以你目前人不能判断，AI 还是不能判断。因为故障点判断困难的本质原因是信息缺失。 需求 2 和 3 确实可以，但是需要精度不高的场景。精度高的场景是不能容忍幻觉的。现阶段还不能保证大语言模型不产生幻觉。 至于扣子，其实就是针对目前大语言模型的能力有限（上下文容量、hops 数量），从而提出的中间态解决方案。业界叫 agent 。 既由人来编写脚本，通过脚本链条串联一个或以上的大模型能力，从而达到单次大模型交互达不到的效果。 比如，“今天天气怎么样？” -> 大模型语义理解 -> 调用 windy.com 的 API -> 处理返回值 -> 提示词处理 -> 喂给大模型做口语化 -> 输出。 |
 |
10
chairuosen 83 天前
1. 不了解，大概你需要把所有故障文字化，然后提示词里给它足够的异常 case
2. 不用知识库，1w 字很少直接喂进系统提示词都够 3. 扣子最容易上手 |
 |
11
clemente 83 天前
你需要的是 找个做过数学建模的大学生 帮你做 系统建模. 而不是 ai 特别是 llm
|
|
12
clemente 83 天前
除非你的日志里面已经写好哪些情况是故障问题, 然后你已知哪些故障特征组合 是某些问题, 那么这样 LLM 是可以用的. 如果是一堆数字 那还是机器学习或者数学建模把
大模型不是万能的 但些机器学习脚本 dashboard 这些还是好用的 |
 |
13
cBlank 83 天前
最近我们公司也是想接 AI 能力，但是我觉的很费劲呀，特别是对接现有业务数据和固有数据（公司的商品，员工，仓库）让大模型理解不胡说八道很麻烦，或者我对相关的知识储备不足导致那么费力。
我现在是用 Dify 在弄相关的流程。 关键领导要的最终效果特别理想化，例如：想根据聊天内容，分析出来都干了下，做记录总结，最好能做到智能回复。 唉，最近被这玩意折腾的有点累 |
 |
14
sampeng 83 天前
1 你就别拿 AI 来算了。。误报率得气死你。属于薛定谔的故障。故障预测是有很多模型的，你让 AI 协助你做这样的系统都比直接用他来强
|
 |
15
lingex 83 天前
增加一个 AI 按钮，点击后提示：功能开发中，敬请期待。
(实际永远不要上线) |
 |
16
winv87 83 天前
故障诊断是在机器学习领域一个常见的业务范畴，AI 大模型并不适合。
你需要对你的数据打好标签，使用机器学习算法做训练。 |
 |
17
bianYuX 83 天前
我最近在弄 aiops （智能化运维），现在是做到了故障告警这一块。
我说下我们现在告警的流程： 1. 采集监控数据 2. 多指标融合检测 3. 检测出故障之后，结合日志进行根因分析 到根因分析这一步才用到 ai 大模型，检测阶段更多的是机器学习。 这个流程是需要很多前置条件，监控采集就需要打通很多环节 |
 |
18
woscaizi 83 天前
首先，不少人说使用 llm 来做这事不现实，我不这么认为。llm 能不能判断好，其实和人的先验知识关系很大，比如人是如何判断的，那么可以通过提示词让 llm 也如此判断。这需要了解业务。
其次，现阶段，llm 能不能发挥大作用，工程化很重要，比如数据对接、这一块可能大多数的编排平台没有现成的，需要配合业务平台开发才行。 |
 |
19
beyondstars 83 天前  1
你就多招几个大学生帮你做，也算是人工的智能了。
|
 |
20
SuperShuYe 82 天前
直接用 coze 吧，api 接口也丰富，支持工作流加插件加数据库加发布，你看半天就可以上手
|
 |
21
unt OP 谢谢各位，受益匪浅
|
Select Language