背景及目標
以公開的飛行事故數據（BEA、NTSB、FAA、EASA 等），建立一套可投入運作的生成式人工智能工具，用於飛機引擎的競爭情報，這超出了傳統 RAG 的能力範圍。
挑戰：龐大而零散的公開數據。
- 八類文件：事故報告、專利、競爭對手報告、新聞文章、安全指令、學術研究、型號合格證數據表及一般搜尋。
- 多元而嘈雜的數據：自由文本、多種語言、數量龐大。傳統 RAG 欠缺準確度及全面性。
- 高風險的需要：研發、審計及飛行安全團隊需要可靠且可追溯的答案。
成果
已在客戶的主權雲端投入運作：工程師可進行全面、可追溯並附引用來源的查詢，而數據接收管道會自動擴充知識庫。
我們的方法
一套結合知識圖譜及代理式搜尋的進階 RAG 架構：
- 與工程分類一致的知識圖譜：每份文件 88 個結構化標籤及超過 80 個欄位。
- 混合式數據接收管道：由 LLM 及傳統 NLP 自動、大規模地填充知識圖譜。
- 代理式搜尋：在圖譜上進行 SQL 級別的標籤查詢，產生附引用來源的完整清單。