学习工作赛道 +智翼维修保障助手

[u4425956303573628]

【标签】 学习工作

【标题】 学习工作赛道 +智翼维修保障助手
0. 先和大家打个招呼吧

• 你是谁： 我是一名研究所的AI应用开发工程师，负责为所内开发AI应用使用本地内网算力，供全所员工使用，用AI进行研发赋能/管理赋能；

• 你是怎么用 TRAE 把 Demo 做出来的： 我经常使用trae的语言转文字功能，将我的需求变成文字，然后进行软件自带的润色功能润色我的输入，然后调用头脑风暴技能（/​brainstorming​）和plan技能制定开发计划，确认计划后再让trae开始执行。

1. Demo 简介

• • 是什么：智翼维修保障助手是一款面向直升机外场维修保障场景的 B/S 架构 Web 系统（Vue3 + TDesign 前端 / Python FastAPI 后端 / WeKnora 知识库引擎），将飞行数据管理、故障信息流转、智能诊断问答、知识库与外场态势看板融合在同一平台，覆盖"数据采集 → 问题发现 → 智能诊断 → 处置闭环 → 经验沉淀"的完整链路，支持离线化部署，适配内网与现场环境。

  • 面向谁：核心用户为 外场维修工程师（快速录入故障、查询手册、获取处置建议）、技术支援专家（远程诊断、知识沉淀、趋势分析）与 质量管理人员（问题闭环跟踪、周报统计、战区态势研判），并服务于负责机群主数据与权限维护的系统管理员。

  • 主要功能：

    ① 智能问答（AI 故障诊断） —— 基于维修手册与历史故障知识库，工程师用自然语言提问即可获得结构化排查流程、可能原因与历史相似故障引用，并标注知识来源，支持快捷问题与多轮对话。

    

    ② 飞行日志/故障信息录入 —— 结构化录入故障和飞行日志（密级/机型/战区/故障系统/描述/可能原因），内置「AI 润色」一键补全结构化字段（发生时段、影响评估、复现性），支持草稿/提交状态与处理中/已完成流转跟踪。

    

    ③ 外场信息面板（趋势看板 + 一键周报） —— 飞行时间趋势折线图与战区问题分布柱状图可视化，一键生成智能周报（飞行统计、问题统计、本周工作、下周计划），支持导出 Word 文档。

    

    此外系统还包含飞行日志管理（架次记录建档与筛选）与机群管理（出厂/用户编号 1:1 主数据维护）两个基础模块，为上述核心功能提供数据底座。

2. Demo 创作思路

• 灵感来源：直升机外场维修保障长期依赖"手册 + 经验"的传统模式。一线工程师面临手册厚重难检索、故障经验靠口口相传、问题流转靠纸质表单的困境；技术专家的知识又难以沉淀复用，每次相似故障都要"重新排查一遍"。我们观察到，维修保障的痛点不在缺数据，而在 数据散落各处、知识无法流动、经验难以复用，这正是 AI 与知识库技术可以切入的缝隙。

• 想解决的问题：用户真实存在的痛点包括 —— 查找慢（故障发生后需翻阅多本手册、对照历史记录，平均排查耗时长）；流转乱（故障信息散落在微信群、Excel、纸质单据中，状态无法跟踪、易遗漏）；经验断层（老师傅的处置经验随人员调动流失，新人重复踩坑）；统计难（周报与趋势分析靠人工汇总，耗时且易错，难以支撑管理决策）。

• 为什么做这个方向：一是 真实刚需，航空维修对安全与效率要求极高，任何缩短故障恢复时间的工具都有直接价值；二是 AI 落地适配，维修场景天然存在大量结构化手册与历史故障记录，是知识库 + 大模型 RAG 的理想落地土壤；三是 可闭环验证，从录入到诊断到统计形成完整数据闭环，效果可量化、可演进；四是 工程取舍，选择 Web 系统而非 App（外场终端多样、内网部署要求高，B/S 架构最易落地升级），选择"知识库 + 智能问答"而非"全自动诊断"（维修决策责任重大，AI 辅助而非替代人更符合行业接受度）。

3. Demo 体验地址

• 本次采用 交互式可体验的 HTML 格式文件，使用 Zip 格式打包上传：

  智翼维修保障助手-交互体验Demo.zip (21.6 KB)

• 使用方法：解压后用浏览器（推荐 Chrome / Edge）直接打开 index.html 即可体验，无需安装任何环境、无需联网。

• 体验账号：已预填（账号 admin / 密码 admin123），点击登录即可。

• 说明：所有数据为预置示例数据，交互在浏览器内存中完成，刷新页面后重置。真实系统中数据由 FastAPI 后端持久化、智能问答由 知识库 + 大模型 知识图谱/RAG 实时生成。

4. TRAE 实践过程

• 本项目基于 TRAE 完成从需求拆解、架构设计、前后端编码、调试修复到部署打包的完整开发闭环：

  1. 需求与架构：在 TRAE 中描述维修保障场景需求，由 TRAE 协助拆解模块、设计前后端分离架构与数据模型；

  2. 前端开发：TRAE 基于 Vue3 + TDesign 生成首页、飞行日志、故障录入、外场面板、机群管理等业务页面与深色侧栏主题样式；

  3. 后端开发：TRAE 生成 FastAPI 接口、SQLAlchemy 模型、Alembic 迁移与权限校验逻辑；

  4. 知识库集成：TRAE 协助将知识库引擎接入智能问答，实现 RAG 检索增强；

  5. 调试修复：通过 TRAE 多轮对话定位并修复登录跳转、字段兼容等实际 Bug；

  6. 体验文件制作：TRAE 将核心功能浓缩为单文件自包含 HTML 交互体验 Demo。

• 附开发关键步骤截图；

• 

• 

• 

• 附关键任务对话的 Session ID（不少于 3 个）如下：

1.优化登陆页面布局

.4425956303573628:3410d986c2fc3e3a5fb6d1b0a36aa462_6a4df96ef574eaeada4847ee.6a4dfaf3f574eaeada484865.6a4dfaf313b4061a5d00580f:Trae CN.T(2026/7/8 15:23:31)

2.分析知识库未调用

.4425956303573628:83b49e7cb05103ebc0b15f8a073d32b6_6a4f3bfcf574eaeada487443.6a4f3f0cf574eaeada487445.6a4f3f0c13b4061a5d005825:Trae CN.T(2026/7/9 15:27:22)

3.知识库问答准确率对比

.4425956303573628:03f030b5e6806a6e2c1726318d391585_6a4efa21f574eaeada486618.6a4f06c4f574eaeada486645.6a4f06c413b4061a5d005819:Trae CN.T(2026/7/9 10:26:12)

4.新增手册翻译功能
.4425956303573628:5ded958ecf19aac8e5d600b6cb9558f5_6a4ef8b7f574eaeada4865b3.6a4f08b8f574eaeada4866d0.6a4f08b813b4061a5d00581c:Trae CN.T(2026/7/9 10:34:32)

5. 对应的报名审核通过的帖子链接

**报名审核通过的帖子链接为：** 直升机维修保障智能辅助系统 — 针对外场排故依赖经验、手册检索慢、案例难沉淀、业务数据不联动的痛点，源于外场保障一线调研与内网 AI 应用实践。