关于在内网环境下本地部署人工智能模型辅助装备维修文书工作的可行性分析报告
关于在内网环境下本地部署人工智能模型辅助装备维修文书工作的可行性分析报告
一、问题的提出
（一）装备维修文书工作现状
装备维修保障工作中，文书材料体量大、格式要求严、填写环节多，是长期困扰基层的突出问题。据初步统计，我单位维修人员每年需各类文书材料约1200余份，包括维修方案、修理日志、故障分析报告、器材消耗统计、技术总结、装备履历更新等。一名维修技师平均每周需花费6-8小时用于文书材料的撰写和整理，约占其工作总时间的25%-35%。
（二）具体困难表现
一是方案计划类材料繁多。维修方案、保障计划、应急预案等各类文书格式各异，每次撰写均需查阅模板、核对要素，耗时耗力。仅一份维修方案即包含任务来源、装备现状分析、维修内容确定、器材保障计划、质量控制措施、安全注意事项等十余个必填要素，任何一项遗漏均需返工。撰写一份完整的维修方案通常需要2-3小时，其中约60%的时间花在查阅模板和核对格式上。
二是表格填写重复性高。装备履历卡、维修记录表、器材消耗登记表等表格字段固定，但需逐条手工录入，数据散落在纸质台账中，汇总统计困难。同一数据（如装备编号、维修日期、操作人员）往往需要在多份表格中重复填写，既浪费时间又容易出现前后不一致的问题。一次二级保养即需填写5-7份表格，一次中修则涉及10余份。
三是文字材料记录要求严格。修理日志、故障分析报告、技术总结等材料对用语规范、逻辑结构有明确要求，撰写门槛较高，反复修改占用大量精力。部分年轻同志因文字功底不足，一篇800字的修理日志需反复修改3-4遍方能通过审核，耗时40-60分钟。而经验丰富的老技师虽然写得快，但往往不愿写、嫌麻烦，存在"重维修、轻记录"的倾向。
四是历史资料检索不便。历年维修档案以纸质为主，我单位现存纸质维修档案逾200册，查阅特定型号、特定故障的历史记录需逐本翻阅，查找一条具体记录平均耗时15-30分钟。遇到跨年度、跨型号的综合性查询（如"近三年所有液压系统故障的统计"），几乎无法完成。
五是经验传承依赖个人。老技师多年积累的故障判断经验、维修技巧往往停留在脑中，缺乏系统化的文字沉淀。人员调动或退役后，这些宝贵经验随之流失，新同志只能从零摸索。
（三）AI技术带来的机遇
当前，人工智能技术已在文字生成、知识检索、数据整理等方面展现出显著的效率提升能力。在民用领域，AI辅助写作、智能客服、知识管理等应用已广泛落地，平均可提升文书处理效率40%以上。若能将这些技术引入装备维修文书工作，将有效缓解上述困难。
（四）保密约束下的核心矛盾
然而，商用AI服务（如各类在线大模型）必须联网使用，数据需上传至外部服务器，不符合部队保密规定。根据《涉密信息系统安全保密管理规定》，涉密计算机和信息系统不得连接互联网，涉密数据不得在非涉密设备上处理和存储。这意味着市面上所有在线AI服务在军事环境中完全不可用。
由此产生核心矛盾：AI技术确实能提升效率，但保密要求封堵了常规使用路径。因此，探索在完全断网的内网环境下本地部署AI模型，使其在不触碰互联网的前提下辅助文书工作，具有重要的现实意义和迫切的实际需求。
二、方案概述
（一）基本思路
本方案的核心思路是：在一台不联网的办公电脑上，安装一套"本地AI助手"，让它能够阅读我们上传的维修资料、条令条例、历史档案，然后根据提问生成回答、辅助撰写材料。整个过程不需要连接互联网，所有数据不出本机。
（二）系统组成
通俗地讲，这套系统由三个部分组成：
第一部分是"大脑"，即本地AI大模型。它相当于一个读过大量资料的"文字参谋"，能够理解问题、组织语言、生成文本。我们选用的是国产开源模型（深度求索、通义千问系列），经过压缩处理后（专业术语叫"量化"，相当于把一本厚书浓缩为精华笔记），普通办公电脑即可运行，无需专用服务器或显卡。打个比方：原本需要一台大型服务器才能运行的AI，经过压缩优化后，一台普通办公电脑就能带动，只是"思考速度"慢一些。
第二部分是"记忆库"，即知识库系统。我们将维修手册、条令条例、历史档案等文档上传到系统中，AI会自动学习这些内容（将文字转化为数学向量并建立索引）。之后提问时，它会先从这些真实资料中找到最相关的段落，再基于这些资料来组织回答，而不是凭空编造。这确保了回答有据可查、有源可溯。
第三部分是"操作界面"，即网页版问答平台。使用者打开浏览器，像聊天一样输入问题或需求，系统即可返回结果。界面简洁直观，无需任何技术背景即可上手。支持多人同时使用，可分发访问地址给各岗位。
（三）工作流程
使用者的实际操作流程非常简单：打开浏览器→输入问题或需求→等待十几秒到一分钟→获得回答→审核修改→使用。与使用搜索引擎的体验类似，但回答质量远高于搜索引擎——因为它不是给你一堆链接让你自己翻，而是直接给你一篇组织好的回答或初稿。
（四）数据安全
整套系统完全运行在本机内部，不需要连接互联网，所有数据（包括上传的文档和生成的回答）均存储在本机硬盘上，不向外部传输任何信息。即使拔掉网线、关闭无线网卡，系统依然正常运行，因为它本来就不需要网络。
三、保密合规性分析
保密是部队信息化建设的首要前提，也是本方案设计的第一优先级。以下从五个维度逐一分析：
（一）完全离线运行
系统从安装到使用全程不需要互联网连接。AI模型文件通过光盘或U盘一次性拷入，安装完成后即可断网使用。系统运行期间不产生任何外发数据流量——没有DNS查询、没有HTTP外联、没有遥测上报、没有自动更新检查。不存在数据外泄通道，因为根本没有"外"可去。
验证方法：部署完成后可通过抓包工具（tcpdump）监控所有网络接口，确认无任何外发数据包。也可在BIOS中直接禁用网卡，系统仍正常运行。
（二）数据本地存储
所有上传的文档、生成的回答、用户操作记录均存储在本机硬盘中，不经过任何云端服务器、不经过任何中转节点。数据的完整生命周期（创建→使用→存储→销毁）均在本机物理边界内完成。即使设备报废，数据仍受物理管控（硬盘销毁即数据销毁），不存在"云端残留"风险。
（三）无外部通信接口
系统仅在本机内部各组件之间通信（相当于同一台电脑上的不同程序互相调用），不开放任何对外网络端口。可根据需要进一步关闭所有网络接口，仅保留本机回环通信（127.0.0.1），此时即使有人将网线插入该电脑，也无法从外部访问系统。
（四）开源可审计
所用组件（Ollama推理引擎、MaxKB知识库平台）均为开源软件，源代码公开托管于代码仓库，全球开发者均可查阅。不存在隐蔽的数据回传机制、不存在"后门"。如有需要，可组织技术人员对源代码进行安全审查，逐行确认无外联逻辑。Ollama以MIT许可证发布，MaxKB以GPLv3许可证发布，均为业界主流的开源协议。
（五）硬件自主可控
本方案已在国产飞腾处理器（D2000，ARM64架构）+银河麒麟操作系统（V10）上验证通过，全链路使用国产软硬件，不依赖境外技术组件。处理器为飞腾信息（中国电子）产品，操作系统为麒麟软件（中国电子）产品，AI模型为深度求索（国产）和通义千问（阿里巴巴）产品。从芯片到系统到软件到模型，均为国产自主。
（六）综合评估
综上，本方案在数据流转的每个环节均满足"数据不出机、通信不联网、组件可审计、硬件自主化"的保密要求。与使用U盘拷贝文档、使用本地Office软件撰写材料相比，本方案的数据安全风险并未增加——它本质上就是"一台不联网的电脑上多装了几个软件"。
四、技术可行性验证
为验证方案的实际可行性，我单位于2026年7月在现有装备条件下完成了完整的部署测试。以下如实报告测试过程和结果。
（一）测试环境
| 项目 | 配置 | 说明 |
|---|---|---|
| 处理器 | 飞腾D2000（国产ARM64，8核，2.3GHz） | 现有办公电脑标配 |
| 操作系统 | 银河麒麟V10（arm64版） | 现有系统，未做修改 |
| 内存 | 16GB DDR4 | 现有配置 |
| 硬盘 | 512GB SATA固态硬盘 | 现有配置 |
| 网络 | 完全断开（纯离线） | 拔掉网线测试 |
| 显卡 | 无独立显卡 | 纯CPU运算，无GPU加速 |
| 新增硬件 | 无 | 未采购任何新设备 |
特别说明：本方案未新增任何硬件采购，完全利用现有办公电脑即可运行。
（二）部署过程
全部安装工作由一名具备基本电脑操作能力的技术人员完成，总耗时约半天（含一次因光盘刻录问题导致的返工）。主要步骤为：
1.在能上网的电脑上下载好所有安装包和AI模型文件（共约15GB），通过U盘拷入飞腾电脑。
2.运行一键安装脚本，自动完成AI推理引擎的安装和配置（约5分钟）。
3.运行模型导入脚本，将5个AI模型逐一导入系统（约20分钟）。
4.安装知识库平台（自带所有依赖，无需联网，约15分钟）。
5.打开浏览器配置模型连接、上传测试文档、验证问答功能（约20分钟）。
整个过程无需联网，无需额外采购硬件，无需修改操作系统配置。
（三）运行效果
部署完成后，成功实现了以下功能：
一是智能问答。上传维修手册和条令条例后，用自然语言提问（如"某型装备液压系统常见故障有哪些""二级保养的必检项目有哪些"），系统可在10-20秒内基于文档内容给出结构化回答，并标注答案来源（具体到哪份文档的哪个段落）。
二是辅助撰写。输入要点和格式要求（如"3号车，二级保养，液压转向器渗油，更换密封圈，试车正常"），系统可在1-2分钟内生成一篇格式规范、用语标准的修理日志初稿，人工审核修改后即可使用。
三是资料检索。对历年维修档案进行电子化录入后，可通过自然语言快速定位历史记录（如"去年所有更换过活塞的发动机记录"），秒级返回结果，替代逐本翻阅。
四是格式校验。将写好的材料输入系统，可检查是否存在格式缺项、用语不规范等问题，辅助质量把关。
（四）性能数据
| 模型 | 响应速度 | 生成800字耗时 | 适用场景 |
|---|---|---|---|
| 深度求索1.5B（轻量版） | 每秒约10-14个字 | 约60秒 | 日常问答、简单文书 |
| 通义千问4B（标准版） | 每秒约6-10个字 | 约90秒 | 复杂分析、长文撰写 |
效率对比（以撰写一篇800字修理日志为例）：
| 方式 | 总耗时 | 说明 |
|---|---|---|
| 纯手工撰写 | 40-60分钟 | 含构思、撰写、修改、调格式 |
| AI辅助（标准版） | 8-14分钟 | 含等待生成、审核修改 |
| AI辅助（轻量版） | 11-19分钟 | 速度更快但质量略低 |
效率提升约3-5倍。主要节省的是"从零写起"的时间，AI把"写"变成了"审"。
（五）稳定性
系统连续运行72小时（3天3夜），期间进行了约200次问答、上传了12份文档、切换了3次模型，未出现任何崩溃、卡死或异常。开机自启动，断电重启后自动恢复，无需人工干预。
五、解决的痛点与需求
结合本次实测，本方案可切实解决以下工作中的痛点：
（一）文书撰写耗时长
各类方案、报告、总结格式要求严格，从零撰写费时费力。AI可基于模板和历史范例快速生成初稿，将"写"的工作变为"审"的工作，大幅缩短成文时间。实测中，修理日志从40-60分钟缩短至8-14分钟，维修方案从2-3小时缩短至20-30分钟（含审核）。
（二）表格填写重复枯燥
装备履历、维修记录等表格字段固定但数量大。AI可辅助提取关键信息、自动填充表格字段，减少手工逐条录入的重复劳动。对于"同一信息填多张表"的情况，只需告诉AI一次，即可生成所有表格的对应内容。
（三）格式规范难以统一
不同时期、不同人员撰写的材料格式参差不齐，审核时经常因格式问题退回返工。AI可严格按照预设模板生成，确保格式统一、要素完整，从源头上减少返工。新同志无需反复学习格式规范，AI自动遵循。
（四）历史资料查找困难
纸质档案检索效率低，200余册档案中找一条记录需15-30分钟。将历史资料电子化导入知识库后，支持自然语言检索（如"去年某型发动机更换活塞的记录"），秒级定位，效率提升百倍以上。且支持跨年度、跨型号的综合查询，这是纸质档案无法实现的。
（五）经验传承依赖个人
老技师的维修经验往往停留在脑中，人走经验断。通过知识库沉淀，将个人经验转化为可检索、可传承的组织资产。年轻同志遇到问题时，相当于随时可以"请教"一位永不退休的老技师。
（六）年轻同志上手慢
新分配的维修人员需要较长时间熟悉文书规范和装备知识。AI知识库可作为"电子教员"，随时解答"这个表怎么填""这个故障以前怎么处理的""这个规程怎么规定的"等问题，加速人才培养。
六、应用前景与推广建议
（一）近期可落地的应用方向
一是维修文书智能辅助。覆盖修理日志、故障报告、维修方案、技术总结等高频文书的初稿生成和格式校验。这是最成熟、见效最快的方向，本次实测已充分验证。
二是装备知识库建设。将维修手册、操作规程、故障案例、条令条例等录入系统，形成可检索、可问答的"电子教员"，辅助年轻同志快速上手，缓解"师傅带徒弟"的人力压力。
三是数据统计辅助。对维修记录中的故障类型、频次、器材消耗等进行自动汇总和趋势分析（如"今年哪类故障最多""某型器材消耗趋势"），为决策提供数据支撑。
四是档案电子化。结合OCR（光学字符识别）技术，将历年纸质档案批量电子化后导入知识库，实现历史数据的"活化"利用。
（二）推广条件
本方案推广门槛极低：
硬件方面：一台16GB内存的国产电脑（飞腾/鲲鹏+麒麟系统）即可运行，无需专用服务器、无需显卡、无需联网。现有办公电脑即可满足，无需新增采购。
软件方面：全部为开源免费组件，无采购费用、无年度授权费、无使用人数限制。
部署方面：一键脚本安装，半天完成，一名技术人员即可操作。
维护方面：部署一次后长期可用，日常维护仅需定期更新模型文件（通过U盘拷入，约30分钟）和备份数据。
（三）注意事项
一是AI生成内容必须经人工审核。AI是"辅助工具"而非"替代者"，生成的文书初稿需由责任人审核确认后方可使用，确保内容准确、表述规范。建议建立"AI起草→人工审核→签字确认"的标准流程。
二是知识库内容需定期更新。新下发的条令条例、新列装装备的技术资料应及时录入，保证AI参考资料的时效性。建议指定专人负责，每季度至少更新一次。
三是做好数据备份。本机存储的知识库和文档应定期备份（建议每周一次），防止硬盘故障导致数据丢失。备份介质按涉密载体管理。
四是做好使用培训。虽然系统使用无门槛（打开浏览器即可），但仍需组织一次简短的操作培训（约30分钟），让使用者了解"怎么问效果好""哪些事AI能做、哪些不能"。
七、现有局限与不足
在肯定方案可行性的同时，必须如实说明当前条件下存在的局限，以便全面评估、合理预期。
（一）回答速度偏慢
飞腾D2000属于桌面级处理器，没有专用AI加速芯片（显卡），AI"思考"完全靠CPU逐字计算。实测中，轻量模型每秒生成约10-14个字，标准模型约6-10个字。打个比方：问一个简单问题，等回答大约需要10-20秒；让它写一篇800字的材料，需要等待1-2分钟。这与手机上用在线AI"秒回"的体验有明显差距（在线AI通常每秒50-100字），使用者需要有一定耐心。但考虑到文书工作本身不是"秒级响应"的场景（写一份材料本来就要几十分钟），等1-2分钟获得一篇初稿，总体效率仍然是大幅提升的。
（二）"聪明程度"有限
受硬件算力制约，目前只能运行小型模型（相当于"初级参谋"水平）。它能完成格式化的文书生成、资料检索、信息整理等规范性工作，但在需要深度推理、复杂分析、创造性思考的场景下，回答质量与商用在线AI存在明显差距。通俗地说：写个修理日志、查个数据、套个模板没问题，但让它做复杂的故障原因分析或写高质量的研究论文，还力不从心。它更像一个"听话的文书员"，而非"资深工程师"。
（三）不适合多人同时高频使用
一台电脑同时只能"想一件事"。如果多人同时提问，需要排队等待。日常3-5人低频使用（每人每10分钟问1-2次）没有问题，但不适合十几人同时密集交互的场景。如果未来使用人数增多，可考虑增配一台电脑分担负载。
（四）首次部署有一定技术门槛
虽然安装过程已封装为一键脚本，但初始环境准备（拷贝文件、校验完整性、排查问题）仍需具备基本计算机操作能力的人员完成。后续日常使用则无门槛，打开浏览器即可。建议每个单位指定一名"系统管理员"负责初始部署和日常维护。
（五）模型能力不会自动进步
离线部署的模型是"固定版本"，不会像在线服务那样持续升级变强。如需更强的能力，需要等待新版本模型发布后，通过U盘手动更新（约30分钟）。好消息是，开源AI模型更新迭代很快（几乎每月都有新版本），且新模型往往"更小更聪明"，更新后体验会逐步改善。
（六）客观看待
上述局限的本质原因是：我们在用一台普通办公电脑，做原本需要大型服务器集群才能做好的事。这是在"保密约束"和"硬件条件"双重限制下的务实选择——不追求最强效果，而是在合规前提下解决"有没有"的问题。随着国产AI芯片（如华为昇腾、寒武纪等）逐步成熟，未来若配备专用加速卡，速度和质量将有数倍乃至数十倍的提升空间。当前的部署架构无需推倒重来，只需加装一块加速卡即可大幅升级。
八、结论与建议
（一）主要结论
本次实测证明：在完全断网的部队内网环境下，使用国产硬件（飞腾D2000+麒麟V10）本地部署AI大模型和知识库系统，技术上完全可行，保密上完全合规，操作上简便易行。
该系统能够有效减轻装备维修工作中方案撰写、表格填写、文字记录、资料检索等方面的负担，将重复性文书工作的耗时压缩至原来的三分之一至五分之一，使技术人员将更多精力投入到实际维修保障中。
全部利用现有设备，未新增任何硬件采购，软件全部开源免费，无经费支出。
（二）建议
一是建议在本单位先行试用1-2个月，由维修岗位人员实际使用并反馈效果，积累第一手经验。
二是试用期间建立"AI辅助+人工审核"的工作规范，明确AI生成内容的审核责任和流程。
三是试用期满后评估效果，若确认有效，视情向兄弟单位推广。推广成本极低（一台现有电脑+一个U盘+半天时间）。
四是关注国产AI芯片发展，条件成熟时可申请配备AI加速卡，进一步提升使用体验。
报告人：（签名）
日期：2026年7月28日
