面向大模型的道路照明数据分类检索系统设计与实践

通用大模型均基于公开数据进行训练，对道路照明这种细分行业，基于本地数据库实时数据的检索、分析效果并不理想。本研究聚焦于利用大模型技术提升道路照明数据检索能力，针对通用大模型在道路照明行业私有数据检索中的局限性，提出基于数据时效性分类的解决方案。本研究将照明数据分为非时效性数据（如行业标准）和时效性数据（如实时报警记录）两类，并分别设计知识库检索、定时任务预处理、API模板及SQL双重验证等方法，通过时效性数据分类与检索增强生成（RAG）技术结合，使数据检索的准确性提升20%以上。本研究旨在为智慧照明管理系统设计及类似行业的大模型应用提供设计思路和参考。