二、项目概况及介绍
随着汽车智能化、电动化、网联化发展，车辆电子系统复杂度显著提升，故障诊断难度加大。如技术门槛高，现代汽车维修需要掌握复杂的电子和软件知识，传统技师难以快速适应；存在数据孤岛情况，车辆制造商、维修企业和第三方服务商之间的数据共享不足，导致诊断效率低下；维修资源分布不均，高端维修设备和专业技师多集中在一线城 市，中小城市地区维修资源匮乏；故障诊断准确性不足，传统方法依赖经验判断，容易误诊或漏诊，导致维修效果不理想。传统燃油车向新能源汽车转型过程中，动力系统（如电池、电机、电控）及智能驾驶模块的 故障类型多样，对诊断效率和精准性提出更高要求。
本次AI汽车售后智能诊断系统项目需要具备如下功能，以实现维修效率提升，降低维修成本，提升用户体验，应对技术复杂性。
1、 知识图谱构建，需保证最终决定图谱构建效果的关键节点不可缺少，包括但不限于以下步骤：
1) 知识对齐：针对不同数据源的数据进行数据对齐，且要求指令允许模型在不同的任务需求上进行微调。本项目需要包括但不限于零部件对齐（如同一个零件的不同名称等）和故障描述对齐（同一种故障问题的不同描述方式等）；要求必须构建车辆专有名词库，名词库内专业名词可直接进行语义消歧分析转换，支持通过语义向量模型（或本体模型）对新的专有名词进行解析，并融合进专业名词库，以支持新词识别和词库扩展；
2) 知识关联：必须要建立实体间的语义联系，形成可解释的推理路径，不同的数据源需要通过此节点进行关联；如果相同的数据，表示不同的意思，可以给节点赋能不同的标签进行区分；模型需要可以对不同描述的同一种故障进行语义相似度计算，把相似度大于一定阈值的故障描述，作为相同的节点进行关联，打通故障描述的节点；
3) 知识存储：需要采用已被验证其有效性的图数据库（JanusGraph、Neo4j、OrientDB、HugeGraph等）存储知识，构建知识图谱。优先选择阿里云提供的图数据库（Graph Database, 简称GDB）。
4) 知识图谱生成：需要通过输入配件与维修手册的零部件目录进行语义匹配及规则匹配进行知识对齐，维修手册内部的拆装步骤及诊断步骤在内部进行知识对齐，结合工单数据及手册数据提取关键实体、关系及标签等，自动构建故障知识图谱。依托故障知识图谱，用户在和机器问答过程中，机器根据故障知识图谱中的关联关系，实现引导式诊断，引导用户逐步排查解决。同时要求支持增量知识更新维护。
2、 数据向量化，需保证其中关键节点不可缺少，包括但不限于以下步骤：
1) 语义向量模型：需采用已被验证其有效性的语义向量模型（如：BEG、mGTE等）将用户输入的查询信息转为语义向量，能够让模型在向量空间进行语义相似度的计算。
2) 向量数据库：需采用已被验证其有效性的向量数据库（如Milvus/faiss/Pinecone/Chroma/ES等，优先考虑阿里云提供的向量数据库AnalyticDB）。
3) 向量化实现：需采用语义向量模型将将故障现象映射到模型对应的高维的高斯空间，将每种故障现象细分为多维度的信息，针对同一种故障现象的不同表述方式，进行向量相似度匹配，实现语义理解；同时跟故障现象向量数据与历史维修资料内向量数据进行相似度匹配计算，实现引导式解决方案精准推送。
3、 大模型相关需求
具体模型不做限制，但要求参数量不得小于320亿，推荐700亿参数量。同时根据实际情况需要考虑是否使用LM Studio或vLLM框架加载模型，并通过AWQ量化降低显存占用？。是否需配置CUDA 12.6及匹配的PyTorch版本以支持混合精度计算等部署方案，同时需要合理配置资源和参数，权衡成本与性能需求，杜绝资源或算力浪费。并需要达到以下要求：
1) 要求有使用已被市场验证有效的优化技术（包括但不限于CoT、多轮对话情景微调、多轮动态规划、假设驱动推理、多模态推理链、渐进式引导等）提升大模型在复杂推理任务中的表现；
2) 要求对大模型进行结构化输出约束训练，引导大模型生成符合预定义格式的响应，提升输出的准确性与可控性。
3) 要求本地部署的大模型进行全量微调，使其适应售后维修诊断场景的任务。、
4) 要求有已通过市场验证有效性的解码与后处理优化方法，如设计结构化提示词；应用约束解码技术（Constrained Decoding），动态过滤非法token以规避格式错误？；开发自动化后处理算法，基于语义相似度、编辑距离等指标检测并修正事实性错误？；结合规则引擎（如正则表达式、业务逻辑库）强制校验输出合规性？等。
5) 要求有已通过市场验证有效性的动态反馈与迭代方法，如建立闭环系统收集用户纠错反馈，持续迭代模型参数与训练数据？；通过A/B测试对比不同策略效果；部署异常检测模块，识别高错误率问题类型（如数值计算、时间敏感内容）并触发专项优化？等。
6) 要求有已通过市场验证有效性的避免“幻觉”的方法，识别和纠正AI生成内容中的事实性错误、逻辑矛盾或虚构信息，通过多维度特征分析确保输出内容的真实性与可靠性。如幻觉检测模块在内容生成过程中进行实时拦截与修正，避免错误传播？，搭配知识一致性评估，覆盖事实准确性、逻辑自洽性、知识迁移保真度等多维度验。
7) 大模型输出需要有推理过程、思考过程，包含隐含假设与知识调用，需通过？逻辑路径可视化？与？关键节点验证？揭示中间结论的生成依据，同时展示外部知识（如知识库、知识图谱）与内部推理的匹配度。
8) ？要求最终效果需要达到业务验收标准。1、准确率≥90%；2、深度思考的响应应时间≤5s，快思考那种响应时间≤2s。
三、供应商报名要求
1、取得合法经营的法人或其他组织，提供有效营业执照或授权文书，原件备查；
2、未被“信用中国”列入失信被执行人名单；报名方在“信用中国”（网址******）近一个月内的信用中国完整报告。
2、供应商属于非“三无”供应商（“三无”供应商是指无实缴注册资本、无参保人员、无生产经营场所等无生产加工能力的“空壳”供应商），提供完整的国家企业信用信息公示系统查询报告，网址：******/corp-query-homepage.html。若******银行入账回单（转账记录备注投资或实缴）加盖公章；针对参保人员信息请提供社保局出具的社保证明加盖公章。
4、业绩要求：至少提供一份汽车行业制造业务、售后服务业务的软件开发实施的合同，同时至少提供一份大模型相关落地实施的项目合同，提供合同复印件，原件备查。
四、报名时间：
供应商报名时间：寻源公告发布之日起至2025年5月6日23:59截止。
五、报名联系人：
******有限公司
联系人：刘女士
电话：023-******
邮箱：******
六、报名方式：
1、将报名所需资料，发送至邮箱地址：******
2、邮件编写格式要求：
1）邮件标题：寻源公告报名（项目名称：长安福特经销商诊断大师系统业务）
2）邮件附件：按照上述报名要求的相关资料提供扫描件。
