二、項目概況及介紹
隨著(zhù)汽車(chē)智能化、電動(dòng)化、網(wǎng)聯(lián)化發(fā)展，車(chē)輛電子系統復雜度顯著(zhù)提升，故障診斷難度加大。如技術(shù)門(mén)檻高，現代汽車(chē)維修需要掌握復雜的電子和軟件知識，傳統技師難以快速適應；存在數據孤島情況，車(chē)輛制造商、維修企業(yè)和第三方服務(wù)商之間的數據共享不足，導致診斷效率低下；維修資源分布不均，高端維修設備和專(zhuān)業(yè)技師多集中在一線(xiàn)城 市，中小城市地區維修資源匱乏；故障診斷準確性不足，傳統方法依賴(lài)經(jīng)驗判斷，容易誤診或漏診，導致維修效果不理想。傳統燃油車(chē)向新能源汽車(chē)轉型過(guò)程中，動(dòng)力系統（如電池、電機、電控）及智能駕駛模塊的 故障類(lèi)型多樣，對診斷效率和精準性提出更高要求。
本次AI汽車(chē)售后智能診斷系統項目需要具備如下功能，以實(shí)現維修效率提升，降低維修成本，提升用戶(hù)體驗，應對技術(shù)復雜性。
1、? 知識圖譜構建，需保證最終決定圖譜構建效果的關(guān)鍵節點(diǎn)不可缺少，包括但不限于以下步驟：
1) 知識對齊：針對不同數據源的數據進(jìn)行數據對齊，且要求指令允許模型在不同的任務(wù)需求上進(jìn)行微調。本項目需要包括但不限于零部件對齊（如同一個(gè)零件的不同名稱(chēng)等）和故障描述對齊（同一種故障問(wèn)題的不同描述方式等）；要求必須構建車(chē)輛專(zhuān)有名詞庫，名詞庫內專(zhuān)業(yè)名詞可直接進(jìn)行語(yǔ)義消歧分析轉換，支持通過(guò)語(yǔ)義向量模型（或本體模型）對新的專(zhuān)有名詞進(jìn)行解析，并融合進(jìn)專(zhuān)業(yè)名詞庫，以支持新詞識別和詞庫擴展；
2) 知識關(guān)聯(lián)：必須要建立實(shí)體間的語(yǔ)義聯(lián)系，形成可解釋的推理路徑，不同的數據源需要通過(guò)此節點(diǎn)進(jìn)行關(guān)聯(lián)；如果相同的數據，表示不同的意思，可以給節點(diǎn)賦能不同的標簽進(jìn)行區分；模型需要可以對不同描述的同一種故障進(jìn)行語(yǔ)義相似度計算，把相似度大于一定閾值的故障描述，作為相同的節點(diǎn)進(jìn)行關(guān)聯(lián)，打通故障描述的節點(diǎn)；
3) 知識存儲：需要采用已被驗證其有效性的圖數據庫（JanusGraph、Neo4j、OrientDB、HugeGraph等）存儲知識，構建知識圖譜。優(yōu)先選擇阿里云提供的圖數據庫（Graph Database,?簡(jiǎn)稱(chēng)GDB）。
4) 知識圖譜生成：需要通過(guò)輸入配件與維修手冊的零部件目錄進(jìn)行語(yǔ)義匹配及規則匹配進(jìn)行知識對齊，維修手冊?xún)炔康牟鹧b步驟及診斷步驟在內部進(jìn)行知識對齊，結合工單數據及手冊數據提取關(guān)鍵實(shí)體、關(guān)系及標簽等，自動(dòng)構建故障知識圖譜。依托故障知識圖譜，用戶(hù)在和機器問(wèn)答過(guò)程中，機器根據故障知識圖譜中的關(guān)聯(lián)關(guān)系，實(shí)現引導式診斷，引導用戶(hù)逐步排查解決。同時(shí)要求支持增量知識更新維護。
2、? 數據向量化，需保證其中關(guān)鍵節點(diǎn)不可缺少，包括但不限于以下步驟：
1) 語(yǔ)義向量模型：需采用已被驗證其有效性的語(yǔ)義向量模型（如：BEG、mGTE等）將用戶(hù)輸入的查詢(xún)信息轉為語(yǔ)義向量，能夠讓模型在向量空間進(jìn)行語(yǔ)義相似度的計算。
2) 向量數據庫：需采用已被驗證其有效性的向量數據庫（如Milvus/faiss/Pinecone/Chroma/ES等，優(yōu)先考慮阿里云提供的向量數據庫AnalyticDB）。
3) 向量化實(shí)現：需采用語(yǔ)義向量模型將將故障現象映射到模型對應的高維的高斯空間，將每種故障現象細分為多維度的信息，針對同一種故障現象的不同表述方式，進(jìn)行向量相似度匹配，實(shí)現語(yǔ)義理解；同時(shí)跟故障現象向量數據與歷史維修資料內向量數據進(jìn)行相似度匹配計算，實(shí)現引導式解決方案精準推送。
3、? 大模型相關(guān)需求? ?
具體模型不做限制，但要求參數量不得小于320億，推薦700億參數量。同時(shí)根據實(shí)際情況需要考慮是否使用LM Studio或vLLM框架加載模型，并通過(guò)AWQ量化降低顯存占用？。是否需配置CUDA 12.6及匹配的PyTorch版本以支持混合精度計算等部署方案，同時(shí)需要合理配置資源和參數，權衡成本與性能需求，杜絕資源或算力浪費。并需要達到以下要求：
1) 要求有使用已被市場(chǎng)驗證有效的優(yōu)化技術(shù)（包括但不限于CoT、多輪對話(huà)情景微調、多輪動(dòng)態(tài)規劃、假設驅動(dòng)推理、多模態(tài)推理鏈、漸進(jìn)式引導等）提升大模型在復雜推理任務(wù)中的表現；
2) 要求對大模型進(jìn)行結構化輸出約束訓練，引導大模型生成符合預定義格式的響應，提升輸出的準確性與可控性。
3) 要求本地部署的大模型進(jìn)行全量微調，使其適應售后維修診斷場(chǎng)景的任務(wù)。、
4) 要求有已通過(guò)市場(chǎng)驗證有效性的解碼與后處理優(yōu)化方法，如設計結構化提示詞；應用約束解碼技術(shù)（Constrained Decoding），動(dòng)態(tài)過(guò)濾非法token以規避格式錯誤？；開(kāi)發(fā)自動(dòng)化后處理算法，基于語(yǔ)義相似度、編輯距離等指標檢測并修正事實(shí)性錯誤？；結合規則引擎（如正則表達式、業(yè)務(wù)邏輯庫）強制校驗輸出合規性？等。
5) 要求有已通過(guò)市場(chǎng)驗證有效性的動(dòng)態(tài)反饋與迭代方法，如建立閉環(huán)系統收集用戶(hù)糾錯反饋，持續迭代模型參數與訓練數據？；通過(guò)A/B測試對比不同策略效果；部署異常檢測模塊，識別高錯誤率問(wèn)題類(lèi)型（如數值計算、時(shí)間敏感內容）并觸發(fā)專(zhuān)項優(yōu)化？等。
6) 要求有已通過(guò)市場(chǎng)驗證有效性的避免“幻覺(jué)”的方法，識別和糾正AI生成內容中的事實(shí)性錯誤、邏輯矛盾或虛構信息，通過(guò)多維度特征分析確保輸出內容的真實(shí)性與可靠性。如幻覺(jué)檢測模塊在內容生成過(guò)程中進(jìn)行實(shí)時(shí)攔截與修正，避免錯誤傳播？，搭配知識一致性評估，覆蓋事實(shí)準確性、邏輯自洽性、知識遷移保真度等多維度驗。
7) 大模型輸出需要有推理過(guò)程、思考過(guò)程，包含隱含假設與知識調用，需通過(guò)？邏輯路徑可視化？與？關(guān)鍵節點(diǎn)驗證？揭示中間結論的生成依據，同時(shí)展示外部知識（如知識庫、知識圖譜）與內部推理的匹配度。
8) ？要求最終效果需要達到業(yè)務(wù)驗收標準。1、準確率≥90%；2、深度思考的響應應時(shí)間≤5s，快思考那種響應時(shí)間≤2s。
三、供應商報名要求
1、取得合法經(jīng)營(yíng)的法人或其他組織，提供有效營(yíng)業(yè)執照或授權文書(shū)，原件備查；
2、未被“信用中國”列入失信被執行人名單；報名方在“信用中國”（網(wǎng)址******）近一個(gè)月內的信用中國完整報告。
2、供應商屬于非“三無(wú)”供應商（“三無(wú)”供應商是指無(wú)實(shí)繳注冊資本、無(wú)參保人員、無(wú)生產(chǎn)經(jīng)營(yíng)場(chǎng)所等無(wú)生產(chǎn)加工能力的“空殼”供應商），提供完整的國家企業(yè)信用信息公示系統查詢(xún)報告，網(wǎng)址：******/corp-query-homepage.html。若******銀行入賬回單（轉賬記錄備注投資或實(shí)繳）加蓋公章；針對參保人員信息請提供社保局出具的社保證明加蓋公章。
4、業(yè)績(jì)要求：至少提供一份汽車(chē)行業(yè)制造業(yè)務(wù)、售后服務(wù)業(yè)務(wù)的軟件開(kāi)發(fā)實(shí)施的合同，同時(shí)至少提供一份大模型相關(guān)落地實(shí)施的項目合同，提供合同復印件，原件備查。
四、報名時(shí)間：
供應商報名時(shí)間：尋源公告發(fā)布之日起至2025年5月6日23:59截止。
五、報名聯(lián)系人：
******有限公司
聯(lián)系人：劉女士
電話(huà)：023-******
郵箱：******
六、報名方式：
1、將報名所需資料，發(fā)送至郵箱地址：******
2、郵件編寫(xiě)格式要求：
1）郵件標題：尋源公告報名（項目名稱(chēng)：長(cháng)安福特經(jīng)銷(xiāo)商診斷大師系統業(yè)務(wù)）
2）郵件附件：按照上述報名要求的相關(guān)資料提供掃描件。
?
