AquaMind AI 售后技术助手

Context

在设备售后现场，排障通常依赖资深工程师的记忆与即时判断。重复问题反复咨询，专家持续被打断，新人的成长也被经验壁垒拖慢。

Problem

问题并不是企业没有文档，而是知识无法在正确时间、以正确顺序被调用。

“知识存在，不等于知识能被用起来。”

1. 01客户报故障
2. 02一线人员判断
3. 03电话 / 微信找专家
4. 04反复追问
5. 05逐步排查

Product reframing

最初的“用户问题 → RAG → LLM → 答案”只是高级 FAQ。真正的工程师会提出一个检查、等待结果，再根据结果决定下一步。

1. 01描述问题
2. 02识别设备 / 故障
3. 03判断当前诊断状态
4. 04给出检查动作
5. 05获得结果 → 下一步 / 转人工

AI control

由 Rules、Diagnostic State、RAG、LLM 与 Human 共同构成控制面。规则约束风险与强制步骤；模型理解语言并组织表达；低置信度和复杂现场交给人。

“产品不是让 AI 替代专家，而是让专家只处理真正需要专家的问题。”

Knowledge loop

无法解决的问题由人工处理，形成方案后经过审核沉淀回知识库，成为 AI 下次诊断时能调用的新知识。

1. 01已有知识
2. 02AI 诊断
3. 03人工处理
4. 04形成解决方案
5. 05审核 → 沉淀知识库