智慧赋能 | 这位“AI搭子”有多能干？|工作流|工程师|智慧赋能|维修|翻译

当飞机突发故障时，机组焦急等待，运控实时催促，技术维修支援工程师必须在高压下与时间赛跑——从海量厚重的技术手册中，在密密麻麻的英文表述和分散的故障数据里，精准锁定排故方案。稍有迟疑或方案出现偏差，就可能导致航班延误甚至取消。这种“时间紧、要求高、资料散”的一线飞机维修痛点，催生了民航业打造智能维修助手的迫切需求。

Ameco工程部顾祝平科研创新实验室IMM战队（以下简称“创新实验室”）直击核心痛点，打造了智能维修助手。该项目凭借全自主研发成果与契合实际的应用设计，在2025年中航集团人工智能创新应用大赛中夺得“创意畅想探索”二等奖。如今，智能维修助手已成为一线工程师的专属“智能搭子”，助力民航维修工程师在实际作业中实现效率与安全的双提升。

Ameco打造的飞机智能维修助手

“让手册自己说话”

2025年6月，创新实验室主任顾祝平牵头组建专项研发组，正式启动空客A320/A330排故智能体研发项目。这一平均年龄35岁的“技术后浪”以“让手册自己说话”的“脑洞”，誓要给一线工程师配备一位24小时在线、随叫随到的飞机维修“AI（人工智能）搭子”。

然而，开发之路并非一帆风顺。项目起步便直面双重考验：不仅缺乏专业IT（信息技术）开发人员、服务器资源不足且开发周期紧张，技术路线的抉择更直接决定项目的成败。主力开发工程师吴家驹回忆说：“在对比知识图谱和RAG（检索增强生成）技术时，我们发现知识图谱简直是个‘吃人力怪兽’——构建周期长不说，还很难精准匹配飞机维修的故障定位需求，外部供应商的方案更是‘水土不服’。但RAG技术就像给工程师配备了‘超级检索大脑’，能直接调用现成工具，快速定位技术文档，根本不用从头梳理零件关系。”

开发工程师顾宇昌补充说，考虑到维修场景容不得AI“瞎说话”，我们最终拍板采用“RAG+标准化工作流”架构，就是要让每个排故方案都可追溯，绝对不能让安全隐患有可乘之机。

这个由一线工程师组成的研发团队，在资源有限的情况下，始终以业务需求为导向，用AI技术为民航维修工程师打造出24小时在线的“AI搭子”，成为一线科研人员自主创新、赋能航空运维的生动实践。

“准、快、可追溯”覆盖四大核心环节

据介绍，智能维修助手是围绕民航维修场景研发的全链路智能排故体系，由数据底座、检索能力、工作流编排、结果输出四大核心环节构成，通过各环节技术协同，实现从故障查询到排故建议的一站式输出，且所有技术选型均紧扣“准、快、可追溯”这3个硬指标和一线需求。

数据底座是系统运行的基础，整合了两类核心维修知识数据。一方面，该底座包含故障信息、处理措施、机号机型等关键字段的16493份维修信息系统中的结构化故障记录。创新实验室通过定时增量同步机制，将其从传统关系型数据库同步至ES数据库（一个分布式、高扩展、高实时的搜索与数据分析引擎），实现数据清洗规范化，让结构化数据适配自然语言检索。另一方面，其涵盖TSM（排故手册）、工程文件等32597份空客A320/A330非结构化知识。创新实验室经多格式文档解析后，建立了7个专属知识库，为一线工作人员提供专业手册依据和工程经验。

检索能力是系统的核心竞争力。创新实验室在ES数据库原生混合检索的基础上，研发改进型混合检索策略，解决了“语义相似但故障主体不一致”的行业难题。该策略以“一次查询+应用层二次处理”为核心，先通过ES数据库同时实现关键词和语义相似检索，关键词检索锁定告警、部件等强约束词项，语义相似检索则适配口语化、非规范化查询，再在应用层通过重评分、百分位数过滤、覆盖率过滤三步处理，重新计算语义相似度和词条覆盖率，剔除无关记录，让检索结果既符合查询习惯，又精准匹配故障主体。

工作流编排则让多源检索结果实现有效联动。创新实验室基于Dify平台（开源大语言模型）打造包含故障历史检索、TSM手册检索、AI总结等6个节点的工作流，同时基于FastAPI（专属框架）打造标准化数据接口，打破数据壁垒。工程师输入故障问题后，系统可以同步调用多源检索能力，将结果汇聚至AI总结节点，由大模型完成整合分析，避免单一检索的信息片面性。结果输出则完全符合维修现场习惯，摒弃单纯记录罗列，按固定格式输出问题背景、处理措施统计、更换部件分析、技术建议四大内容，让工程师能够快速抓取核心信息。此外，系统搭载双语兼容的向量模型和大语言模型，能实现专业术语精准翻译、图文混排文档智能解析，消除了对英文手册、复杂流程图的理解痛点。

“懂业务才能做好AI”

智能维修助手投用后，可在几分钟内完成故障精准匹配，输出包含手册编号、流程图和中文翻译的排故方案，同时整合机队历史数据和部件更换统计，让工程师告别“翻手册、跨系统、拼信息”的传统模式。

以“ENG 2 FIRE LOOP B FAULT（发动机2环路B火警探测失效）”这一典型故障为例，传统检索易出现包含“LOOP B”但故障主体为机翼的无关记录，人工筛选耗时久。而智能维修助手通过改进型混合检索，能精准锁定发动机火警环路相关记录，同时输出历史处理措施统计、更换部件分析和技术建议，明确“优先查线而非换件”的核心原则，让排故决策更精准高效。

此外，智能维修助手还让不同层级工程师均实现了工作效率的提高。新入职工程师借助手册翻译、流程图生成功能，可快速理解排故流程，飞机维修学习门槛大幅降低；资深工程师能从烦琐的多源数据整合中解放出来，原本1小时~2小时才能完成的资料检索整理工作，系统几分钟即可完成，节省了80%以上的非核心工作时间，更聚焦故障分析与实际操作；技术支援团队在紧急排故场景中，依托系统快速响应能力缩短反馈周期，有效降低航班延误率和取消率，带来了实实在在的经济效益。

目前，智能维修助手已部署于实验室自主研发的技术状态与维修任务双轨智能管控系统（iFleeTS）中，应用于空客A320/ A330机队的智能维修保障工作。吴家驹表示，这场全自主研发的攻坚不仅验证了“懂业务才能做好AI”的核心逻辑，更证明了一线工程师在航空维修智能化升级中的核心价值。未来，创新实验室将继续打磨产品，让智能维修助手成为民航维修工程师的“标配工具”，以自主可控的AI技术为航空维修行业的智能化升级注入实干力量，让每一次飞行都因智能科技而更有保障。（中国民航报通讯员陈璐）