制造业有个普遍的隐忧：设备越来越复杂，懂设备的人却越来越少。老师傅的维修经验是工厂最脆弱的核心资产——它不留档、不复制、说没就没。经验数字化沉淀这件事，越早做成本越低。
一、经验到底存在哪
先盘清楚经验的分布：维修单上记着"已处理"三个字的流水账；微信群里的照片和语音；厂家手册里的故障代码表；还有老师傅脑子里的"听声辨位"。数字化的任务不是发明新知识，而是把这些散落的经验结构化地收拢到一个地方。
二、采集：用模板降低门槛
经验采集最大的敌人是"麻烦"。让老师傅写文档，肯定推不动。有效的做法是给他一个极简模板，五分钟一条：
- 故障现象：设备怎么了（支持语音描述、拍照）；
- 排查路径：先查什么、再查什么，排除了哪些可能；
- 最终原因与措施：换了什么件、调了什么参数；
- 复发判断：这个故障还会不会再犯，预防办法是什么。
另外安排几次结构化访谈：让经验丰富的维修工对着历史维修单逐条回忆"当时是怎么想的"，专人整理。一次访谈能产出几十条高质量案例。
三、激励：让贡献经验成为正循环
知识库死于"只索取不反馈"。两个机制很管用：一是署名与认可，案例被引用时显示贡献者，纳入绩效加分；二是即时回报，录入的经验马上能被检索、被系统推荐，录入者自己下次修同类故障也受益。让一线真切感到"存进去的经验会帮我干活"。
四、让经验活起来：从仓库到助手
静态知识库的价值有限——查得到才用得上。大模型让沉淀方式升级：AI 设备运维智能体在设备报警时，自动结合实时数据与知识库做故障推理，把相关案例和排查建议推给维修工；维修完成后，处理过程回填知识库。经验不再是躺在库里的文档，而是每次故障处理中都在场的"数字老师傅"。
更重要的是，这套能力随现场运行持续迭代增强：系统用一年，就沉淀了一年的本厂实战经验，新员工培训周期大幅缩短。
乾力智能的 AI 设备运维智能体提供可自主维护的知识库框架，现场技术人员无需 IT 背景即可持续沉淀本厂经验。如果你想先做一个小范围试点，欢迎联系我们。
