5.4 案例分析与行业应用

某制造企业的设备手册检索，把平均排障时间砍半

在优化层的收尾，我们用一个真实行业案例把全册方法串起来：轻量神经架构如何在一个具体场景里落地、度量、见效。

背景是一家大型装备制造商。现场工程师用手机查设备手册，但手册散在多个系统、术语专业、网络时断时续。纯关键词搜索召回差，上云大模型又违反数据不出厂的规定。

操作上，他们按本册主线走：用 LEANN 把手册离线嵌入建本地索引（满足数据不出厂），常驻一个轻量重排头做语义精排（满足端侧低延迟），并用混合检索补专业术语召回（详见第4章）。配置全部进配置中心，监控打 P95 延迟与租户隔离。

结果用一组指标说话：

解读有三点。第一，准确率提升主要来自重排头对「语义相近但用词不同」的条款做了纠正。第二，耗时减半来自检索+重排的端到端低延迟，工程师不必在多系统间跳转。第三，合规不是附加项，而是架构选型的第一约束——轻量神经架构恰好让「数据不出厂」与「智能检索」同时成立。

下面给出该场景上线前的一段验收脚本，把关键指标自动化核对。

def acceptance(before, after, rules):
    report = []
    for name, fn in rules.items():
        ok = fn(before, after)
        report.append(f'{name}: {"达标" if ok else "未达标"}')
    return report

rules = {
    '准确率提升': lambda b, a: a['acc'] - b['acc'] >= 0.2,
    '耗时下降':   lambda b, a: a['time'] <= b['time'] * 0.7,
    '数据不出厂': lambda b, a: a['on_prem'] is True,
}
print(acceptance(
    {'acc':0.58,'time':22,'on_prem':False},
    {'acc':0.86,'time':11,'on_prem':True}, rules))
​

变式：若扩展到多工厂，可把索引按工厂分片，重排头共享一套，既隔离又省训练成本。这个案例也说明，轻量神经架构的价值不在「最先进」，而在「约束下最合适」。

案例从一到多：其他行业怎么复用

制造业设备手册只是样板，同一套打法换皮即可迁移。

• 医疗场景：断网手术室助手，把读片报告与器械手册建索引，重排头本地精排，禁忌组合命中率 91%，无网络依赖。
• 零售场景：门店导购离线知识库，商品参数与售后政策混合检索，精确型号走稀疏路、语义问题走稠密路，升级后准确率从 78% 提到 92%。
• 金融场景：合规问答部署在分公司内网，文档不出域，P95 延迟 150ms，合规审查通过后才允许上线。

三个场景的共性是知识长尾、可检索、有合规或网络约束——正是 1.4 两轴判定尺上的强适配区。换行业只是换语料，架构主线不变。

落地方法论：试点、度量、推广

• 试点：选一个知识密集、痛点明确的部门先跑，别一上来全量推广。
• 度量：上线前后各取两周数据，只比三个指标：命中率、耗时、用户使用率。
• 推广：试点达标后再横向复制，索引按业务分片，重排头共享一套。

这套三步法的关键是「用数据说话」：试点阶段的数字就是你向老板要资源、向其他部门要配合的依据。

指标要定义到可执行

案例表格里的「准确率」「耗时」如果不说清口径，验收时就会扯皮。三个口径先定死：首条命中准确率指人工标注两百条真实问题的首条正确率；平均排障耗时指工单系统里「提问到关闭」的时长；数据不出厂指镜像扫描确认无外发流量。口径写进验收文档，评审会上的争论会少一大半。

失败案例：指标没对齐的教训

某团队上线后汇报「准确率 90%」，业务方质疑「还是搜不到」，一查发现：技术口径是候选池包含正确答案，业务口径是首条就是正确答案，两者差着十万八千里。教训只有一条：指标口径必须由业务方确认，而不是技术团队自己定义。验收脚本（前面的 acceptance）里的每一项都要写下可复核的来源。

从案例到你的项目：迁移清单

把案例里的动作变成清单，逐项对着打勾：

• 语料盘点：手册在哪些系统、什么格式、谁负责更新。
• 切片策略：按章节还是按条款切，切片长度是否适合检索粒度。
• 合规确认：数据能否出网、能否进云端、需要谁签字。
• 端侧预算：目标设备的内存、CPU、延迟上限写下来。
• 评测集：两百条真实问题加正确片段，业务方参与标注。
• 验收口径：上述三个指标的业务方确认版。

清单打完勾，项目的技术选型基本定型，剩下的是执行。

上线后的持续运营

案例的收益不是一次性拿到的，需要持续运营：每周看命中率趋势，季度回顾索引里过期文档的清理，每次设备软件升级后重跑验收脚本。运营节奏可以用一张轮值表：数据更新由内容团队负责，检索质量由算法团队负责，双方各有季度指标。把运营写进岗位职责，收益才不会随时间蒸发。

成本账也要一起算

案例里的收益指标很好看，但决策者还关心成本：离线嵌入需要一次性的机器时间，索引维护每周占用一定人力，重排头训练需要标注成本。建议汇报时把「一次性成本、日常维护成本、人力成本」三行写清楚，让收益和成本同页对比。很多项目上不了，不是技术不行，是成本账没算平。

从案例提炼的三个普适结论

• 准确率提升主要来自重排头纠正「语义相近但用词不同」的条款，这是轻量网络的专属价值。
• 耗时减半来自端到端低延迟，用户不必在多系统间跳转，体验收益是结构性的。
• 合规不是附加项而是第一约束，轻量神经架构恰好让「数据不出厂」与「智能检索」同时成立。

汇报案例的叙事结构

把案例讲给决策者时，建议按「约束-选择-结果」三段走：先讲清楚硬约束（数据不能出厂、网络不稳、内存有限），再讲基于约束的选择（本地索引、轻量重排、混合检索），最后给数字（准确率 58% 到 86%、耗时 22 分钟到 11 分钟）。这个结构的价值在于让听众先接受「没有其他路」，你的架构选择就成了必然解，而不是可选项。

本节可考核点：能用一套指标说明 LEANN 在行业场景里的收益，并指出合规如何成为架构选型的第一约束。