W1 · 知识点01：AI产品体验与能力认知
学习目标：以"设备维修养护系统"为场景，深度体验3款以上AI产品，建立大模型能力边界的直觉判断。
一、为什么要先体验产品
在动手开发设备维修养护系统之前，你需要先搞清楚：AI能帮你做什么、做不好什么。比如让AI根据设备故障描述判断问题原因——有的产品答得头头是道，有的会"一本正经地胡说八道"。只有亲自试过，才能在后续架构设计中做出正确的取舍。
二、推荐体验的产品清单
| 产品 | 厂商 | 特点 | 设备维修场景体验重点 |
|---|---|---|---|
| ChatGPT | OpenAI | 生态最成熟 | 故障诊断推理、维修方案生成 |
| Claude | Anthropic | 长文本处理强 | 分析长篇设备手册、维修记录 |
| Gemini | 多模态能力 | 识别设备照片中的故障 | |
| 通义千问 | 阿里 | 中文优化好 | 中文维修工单理解和生成 |
| DeepSeek | 深度求索 | 推理能力强 | 复杂故障的因果推理 |
| Kimi | 月之暗面 | 超长上下文 | 一次性分析大量历史维修数据 |
三、设备维修场景下的四象限测试
简单任务 复杂任务 知识类 [空压机常见故障有哪些] [分析这份维修日志，找出设备老化的趋势] 推理类 [电机不转是什么原因] [根据这5个传感器数据，预测设备何时需要保养]四、动手练习
练习1：产品对比测评（设备维修场景）
用同一组设备维修相关的问题测试3款产品，打分（1-5分）：
| 评估维度 | ChatGPT | Claude | 通义千问 | 备注 | |----------|---------|--------|----------|------| | 故障诊断准确性 | | | | "空压机排气温度过高，可能的原因？" | | 维修方案可行性 | | | | "给一份水泵轴承更换的步骤" | | 理解维修工单 | | | | 给一段口语化的维修记录让它结构化 | | 专业术语使用 | | | | 是否正确使用"定子""转子""轴承游隙"等 | | 多轮诊断对话 | | | | 像医生问诊一样逐步缩小故障范围 | | 安全规范意识 | | | | 是否会提醒断电、挂牌上锁等安全操作 |练习2：发现"幻觉"——设备维修版
故意问一些容易引发幻觉的设备维修问题：
- 问一个不存在的设备型号的技术参数（如"XX-9900型离心机的最大扭矩"）
- 问一个编造的故障代码含义（如"西门子PLC报故障代码F9999"）
- 问一个不存在的国家标准（如"GB/T 99999-2024设备维护标准"）
观察：哪些产品会编造参数？哪些会承认不知道？
练习3：记录"哇塞时刻"和"翻车现场"
哇塞时刻（AI表现超出预期）: 1. 根据我描述的几个症状，准确判断出是轴承磨损 2. ___ 3. ___ 翻车现场（AI给出错误信息）: 1. 给出了错误的扭矩参数（可能导致螺栓断裂） 2. ___ 3. ___五、本知识点检验标准
- 完成至少3款AI产品在设备维修场景下的对比测评
- 能说出每款产品在设备维修领域的优势和局限
- 积累至少5个"AI能帮上忙"和5个"AI会搞砸"的设备维修场景
六、延伸阅读
- Chatbot Arena — 匿名对比不同模型
- The AI Index Report (Stanford HAI) — AI行业宏观趋势
