飞利浦 CT 研发 AI PoC 项目
本项目为飞利浦 CT 研发部门与阿里云联合开展的 AI PoC，目标是解决缺陷文档（IA Template）编写效率低、跨系统检索困难、人工分析一致性差等问题。围绕 ClearQuest、SSRS/SRS 需求文档、测试文档等数据源，构建基于 RAG 的 AI Agent 文档生成能力，实现缺陷信息自动抽取、关联需求检索、Impact 内容生成与结果导出，验证 AI 在 CT 研发文档场景的可落地性与业务收益。
技术实现：
1. 整体架构：基于阿里云资源（阿里百炼）搭建 Web + 服务端 + AI Agent 三层架构，采用 Java/Python 混合开发模式；Web 端支持登录控制、文件上传、结果导出，后端提供标准化接口与流程编排能力。
2. RAG 能力建设：完成知识库文档清洗、切分、向量化与检索服务建设，支持 SSRS ID 精确检索与语义相似度检索双通道，解决需求 ID 高相似导致的误召回问题。
3. Prompt 与流程编排：针对 Headline、Root Cause、Solution、Impact、Test Cases 等关键字段设计专项 Prompt，结合规则后处理，提升结构化抽取准确率与输出稳定性。
4. 工程化落地：打通从 Defect 输入到 IA Template 输出的全链路，支持批量任务处理、异常兜底、结果可追溯与可复核，满足 PoC 验证阶段的可演示与可评估要求。
项目成果：
1. 准确率结果（有 SSRS ID 场景）：Headline、Root Cause、Solution、SSRS ID、Impact Input/Output、Test Cases 均达到 100%（8/8）。
2. 处理效率：8 个 Defect 生成 13 行记录耗时约 2 分 15 秒；单个 Defect 生成耗时约 12 秒。
3. 业务收益：相较人工单缺陷约 10 分钟处理时长，AI 方案将处理时长降至约 12 秒；以 20 个缺陷为例，单篇文档可节省约 180 分钟，整体效率提升约 90%。
4. 业务价值：验证了 AI 在 CT 研发文档自动化场景的落地可行性，为后续扩展到 MR、超声等产品线提供了可复用技术路径。