MaintPilot：设备检修 AI 诊断系统

MaintPilot 是一套面向设备检修现场的 B/S 作业辅助系统。检修员输入一句故障描述，或者拍一张现场照片，系统从维修手册、故障案例和一线经验里检索证据，由多个 Agent 分工推理，给出故障分析、检修步骤、安全提醒和工具备件清单。每条结论都标着出自哪份文档的哪一页。

项目从 2026 年 5 月开始，和同学两人合作。下面的截图来自线上的产品介绍页，系统本身需要登录才能使用。

它解决什么问题

设备手册放在架子上，排障经验留在老师傅脑子里。现场遇到故障时，翻手册慢，问人不一定问得到，查到的结论也说不清出处。MaintPilot 把手册、案例和数据库、网页里的文本统一入库，每次诊断都有据可查；诊断完的经验经过审核再入库，下一次诊断就能用上。

一次诊断怎么走

1. 检修员输入故障描述，可以附上现场照片或设备铭牌，OCR 和视觉理解的结果一起进入检索。
2. 检索同时走关键词（BM25）和向量（pgvector），再用 RRF 合并排序。故障码这类要精确匹配的信息，和说法不固定的现象描述，都能找到。
3. 多个 Agent 分工推理，每一步的思考、调用和结论都能在诊断轨迹里回看。
4. 输出故障分析、检修步骤、安全提醒和工具备件清单，每条结论挂着来源文档、章节和页码。
5. 结果可以一键生成分级作业指引，再转成检修工单，执行、复核、归档形成闭环。

主要能力

• 多 Agent 诊断链：故障描述进来后由多个 Agent 分工推理，过程可以回看。
• 证据可溯源：结论都带来源文档、章节和页码，点开就能核对原文。
• 多模态输入：现场照片、设备铭牌都能作为输入，图文一起判断。
• 知识图谱：设备、手册和故障案例之间的关联，点任意节点顺着往下查。
• 作业指引与工单闭环：研判结果生成分级作业指引，转成工单后执行、复核、归档。
• 知识沉淀与审核：一线经验提交后经过审核入库，切分成可检索的片段。

系统分检修员、审核员、管理员三种角色，各有自己的工作台。

架构

前端是 Vue 3 + TypeScript；Go（Gin）提供业务 API，负责鉴权、业务逻辑和文件管理；Python（FastAPI）负责文档解析、向量化和大模型调用；PostgreSQL + pgvector 同时存业务数据和向量；Redis 用来做健康探测和任务重放；Nginx 托管前端并转发 API。

后端整套部署在一台龙芯（LoongArch）服务器上。前端用的 Tailwind CSS v4 依赖 lightningcss，它没有 loong64 的预编译包，服务器上构建不了，所以前端在开发机上构建好再上传。

我做了什么

我主要负责前端，也写了一部分后端接口和部署脚本：

• 视觉设计系统：把前端整体重做成深色优先的「指挥舱」风格，建立共享组件层，重做应用外壳和品牌标志，再用共享组件统一所有业务页面；保留浅色皮肤，支持跟随系统、浅色、深色三种模式。
• 诊断工作台：AI 诊断页的诊断链卡片、进度条和自动折叠，以及诊断轨迹的业务化展示。
• 知识图谱和数据统计仪表盘：前端可视化（ECharts）和对应的接口。
• 使用体验：骨架屏、全局提示、分页跳转、图片预览、文档解析进度和预计耗时、使用指南。
• 产品介绍页：就是上面截图里的这一页，包括粒子连线、打字机、跑马灯和链路走查演示。
• 账号相关：登录页、找回密码、记住登录、个人资料。
• 部署：龙芯服务器的一键安装脚本，支持没有配置邮件服务时首次部署、离线重置管理员。