IBM Condition Insight：证据怎样进入维护建议，评分又怎样核对证据

设备计数器重置后，数值会突然下降。若把它当成设备行为的负增长，再请模型写诊断，流畅的解释只会放大前面的误读。IBM Research 与 Imperial College 的 Condition Insight 将这段责任拆开：先按指标含义构造证据，模型再组织状态与建议，确定性规则负责核对关键分类。

它比“接入工单与传感器再做问答”更具体：论文公开了证据结构、指标处理、固定输出，以及评价输出时使用的 Prompt 与评分规则。读者可以据此判断哪些部分需要普通程序，哪些部分需要语言理解，哪些结果还应由维护人员接受。论文v1，§4与附录B–E

输入是聚合指标与维修记录，不是让模型直接读全部传感曲线

系统从企业维护管理系统取得资产资料、工单、指标、告警及故障知识。指标通常已经是上游系统按周期聚合或累积的结果；本框架不直接处理原始高频遥测。

先确定数值含义，再选摘要方式：

前两类不能套同一套“异常值”解释。累计量变小首先提示重置，而不是运行负增长；一段平线对瞬时量和累计量的意义也不同。阈值仍需由指标语义和本地条件决定，论文的公式不能代替真实设备验收。§4.2、附录B

故障知识匹配采用不平衡最优传输，即在共同向量空间中关联工单描述与故障机制分布。这里得到的是供解释使用的受限假设空间，不是“相似文本已经证明某故障发生”。底层系统的命名和映射仍可能不完整，证据组织要允许资料缺失。

asset_facts让模型知道能依据什么

整理结果组成 asset_facts。论文 Listing1 的简化结构包括：

• 资产编号、站点、优先级、状态、运行与年龄等资产资料；
• 工单计数、分布，以及预防性和纠正性工单；
• 指标摘要、告警、故障部件／机制／动作；
• 健康评分的数值、范围与含义。

这不是一份完整可直接调用的生产 JSON Schema，原文保留了省略项。它已经足以说明合同的重点：事实、统计结果与工程知识由上游整理，模型不能靠语言补出缺失数据。附录B还明确，提供的是行为摘要而非原始时间序列值。§4.1、附录B.3/C.1、Listing1

与直接把长工单和读数堆进窗口相比，前置处理增加了统计、映射和维护成本；换来的是可以追问每条解释依据哪一段输入，而不是把模型的全部输出看成一个不可拆的判断。

生成Prompt约束解释，规则独立核对状态

运行时 Prompt 放入证据包，并限定模型只在证据与允许的故障机制内推断。输出固定为总体状态、状态解释、关键洞察、建议、总体信心及理由；还规定数字、术语和问题代码的表达方式，以及洞察按部件组织、排序和数量限制。可选反馈块用于后续修订。论文描述了这些职责，没有给出部署版全部系统 Prompt。附录C.1

关键状态包括正常、需要关注和资料不足。开放或逾期工单、紧急干预、告警及指标异常等判据，同时实现为并行的确定性分类。系统比较模型和规则结果，用不一致定位推理错误并修订指令。它不是再请几个模型投票，决定哪段诊断更像真话。

分类一致也不自动证明解释全部成立。规则可以核对总体状态，文本中的部件、原因和建议仍需要逐条对证据；资料不足本身应是一种有效结果，而不是必须被文稿补齐的空缺。§4.3

另一个模型评审时，也不能把待评指令当自己的指令

论文公开了简单基线 Prompt，以及 Judge 的系统与用户 Prompt。基线仅保留输出结构，去掉领域与事实约束；Judge 则接收三种材料：生成的维护摘要、原证据包、被评价Agent的规则。

评审系统指令明确，Agent规则只是需要核对的合同，不是要求评分器照着生成新建议。评分器只能评价已有内容，不能补充诊断；每条洞察或建议按事实支持、连贯、相关、重复程度、具体性给1至3分并解释依据，总体状态另作布尔核验。附录C.2–C.3、Listings2–4

这些分数还有明确聚合方式。无依据陈述率 UCR 统计事实性评分为1的语句占全部语句的比例；具体性评分为3的占比形成 HSR；状态与确定规则相符的资产比例形成 CAR。三者分母不同，不能合成一个“诊断准确率”。

完整性指标更需小心：公开评分按生成条目数与预期数量比较，不能据此确认设备判断所需的信息已经完整。源Prompt同时要求内容必须由证据支持；迁移时应检查条数目标会不会鼓励凑建议，而不是把多写几项当成更好的维护判断。附录D/E

两个实验因素，不是换了模型就全面变好

作者分别改变证据范围与Prompt约束，两个配置中的确定性核验都保留，以免把多个变化混成同一个作用。完整证据比只有工单与资产资料多出指标抽象和故障知识；约束版则明确分类和故障语义要求。

表1以GPT-OSS生成、Claude-4评审的结果显示，完整证据下加入约束，分类与规则一致性由0.70升至0.91；无依据陈述率却由0.003升至0.008。前者是确定性分类信号，后者来自模型评审。它支持“规则遵守改善，同时继续检查解释”，不支持一句“约束解决幻觉”。§6、表1

部署披露包括企业维护系统中的早期访问辅助能力，以及约1,500项资产、16类别、14站点的研究。建议仍由维护人员使用，没有自动触发干预。作者比较了人工跨系统分析与系统生成所需时间，但生成结束尚不等于人工接受、安排维修或完成处理；公开数据不足以直接证明停机与维修成本改善。§5

把一条建议追到输入、规则与实际接续

迁移检查可以从获准使用的历史资产记录开始，保留资产和数据时间、上游指标含义、证据摘要、模型分类、规则分类、每条建议依据和人工接受结果。重置、稀疏资料与冲突工单应单列，不用平均文本分数盖过。

若总体状态一致而某建议缺依据，修的是建议生成与评审；若输入把重置解释错了，应回到确定性证据层；若建议正确却无人接续，应先修维护流程。把证据准备、生成、复核与返工分别计时，才知道这套辅助在减少判断负担，还是把取证成本移到了更隐蔽的位置。