收益：
- 能够区分人工智能在维护工作流程中节省时间的地方（文档扫描、趋势图、草稿），以及根据风险级别由授权人员做出适航和签名决定的地方
- 能够应用四步规则，将每个人工智能输出连接到源，通过确认、物理验证和授权签名过滤步骤来验证当前版本。
- 能够理解，由于航空业的安全性至关重要，人工智能输出不能替代有能力的专家批准和 CRS 签名。
想象一下一天早上一架窄体飞机在停机坪上等待。飞行员在飞行后报告了故障：“左发动机EGT（废气温度 - 指示离开发动机燃烧区域的气体温度的关键参数）指示器在爬升过程中接近红色区域。”距离起飞还有两个小时，飞机上已经装满了，一方面是五百页的AMM（飞机维护手册，制造商描述维护步骤的官方文件），一方面是最近二十个航班的传感器数据，另一方面是一张尚未填写的工单。这就是人工智能（AI——可以从历史数据中学习模式并生成文本、代码、分类和预测的软件）为您节省扫描文档、读取数据趋势和起草工单的时间的地方。但这个模块的第一句也是不变的一句话是：AI是助手；经授权和持有执照的维护人员对飞机适航做出最终决定并签字。
在本单元中，我们将重点关注纪律，而不是车辆。我们将了解人工智能在飞机维护和航空电子工作流程中的哪些地方可以节省实时时间，哪些地方存在危险，如何验证每个输出，以及为什么“安全关键”一词在这一领域占据主导地位。如果不奠定这个基础，后续的装置就会留在空中——因为在航空领域，未经验证的输出不仅可能是错误的答案，而且会导致承载数百人生命的系统失败。我们将在整个模块中介绍的每个工具和每个提示都使用第一个单元作为背景。
为什么航空业是“安全关键”领域？
安全关键系统是指其故障可直接导致人命、严重伤害或重大财产损失的系统。飞机维修是这个定义的教科书例子。软件错误会惹恼网站上的用户；在飞机系统中，它可能是事故链中的第一个环节。这就是为什么航空业建立在分层安全文化的基础上：每项工作都有参考文件，每个零件都有可追溯记录，每次维修都有授权签名，每架飞机都具有适航性——飞机通过设计和维护安全飞行的能力。
这种文化的实际名称是冗余和独立控制原则。完成一项关键任务后，第二名授权人员将独立监督工作；这称为重复检查。这对于飞行控制系统等重要连接是强制性的。当人工智能进入这个链条时，它不会删除任何层级；最多，它加速了层的准备阶段。 AI永远无法签发CRS（发布服务证书，由授权人员签署的文件，证明维护工作已完成并且飞机已准备好飞行）。只有第 66 部分持证人（EASA 第 66 部分 — 该许可证定义了维护人员在飞机上独立操作和释放的权限；例如 B1 机械/发动机、B2 航空电子设备、C 线路/基地管理类别）才会在其管辖范围内签署此协议。
注意：在航空领域，“人工智能是这么说的”并不是一个理由。如果零件号不正确、遗漏 AD（适航指令，当局强制执行的纠正措施）或错误解释的故障代码，则责任由在未验证的情况下执行和签署打印输出的人员承担。 “系统建议”这句话并不能保护你的权限控制。
人工智能在工作流程中的哪些地方可以派上用场？
让我们将维护任务分为两组。第一组：大量、重复性、可消除模式的任务。在数百页的 AMM 中查找正确的程序，列出与故障代码相关的可能原因，标记传感器数据中的趋势和异常，将飞行员报告（PIREP - 飞行员报告，飞行员报告的故障记录）转换为结构化数据，起草工作订单文本，服务公告摘要（SB - 制造商建议或强制的改进/更改说明），找出两个手册版本之间的差异，将技术文章从英语翻译为可理解的土耳其语。在这里，人工智能将时间缩短为几分钟，而且不会感到疲倦——它不会错过人眼在第 400 页上错过的内容。
第二组：决定适航和生命安全的决策。故障的实际根本原因、维修是否符合 AMM、零件是否真正经过认证和可追溯、飞机是否可以根据 MEL（最低设备清单，指定在什么条件下飞机可以在哪些设备有故障的情况下飞行）飞行，最后是发布签名。这些需要专业知识、法律责任和体检。在这里，人工智能会增加选项，生成草稿——但最终的签名是你的。
让我们用一句话来澄清区别：人工智能在“这个文档/数据的突出之处以及第一稿是什么样子”的问题上很强大；当谈到“这架飞机可以安全飞行吗？我可以在这个上签字吗？”这个问题时，决定取决于个人。内化这种区别的技术人员不会将人工智能视为威胁，而是将其视为力量倍增器，使他能够将注意力集中在主要决策上。
验证纪律：四个步骤
AI 流畅、自信地生产；这并不意味着这是真的。人工智能偶尔会产生幻觉——也就是说，它呈现出真实的不存在的程序编号、虚构的扭矩值、不存在的零件编号或错误的手动参考。对于维修行业来说，这是灾难性的。对每个输出应用四步反射：
- 将图像链接到来源。 AI 的每项声明必须基于 AMM、IPC（图解零件目录）、FIM（故障隔离手册）或 SB 等批准文件中的具体部分（任务编号、ATA 章节 - 根据 ATA 100 标准对系统进行编号的部分，例如 21 空调、32 起落架、34 导航）。 “在哪个AMM任务中，在哪个版本中这个扭矩值是？”并亲自查看原始文档。
- 确认当前版本。手册和指令不断更新。训练人工智能所依据的信息可能已经过时。始终从库/门户验证当前版本。
- 物理/测量确认。将故障预测与实际检查、BITE（内置测试设备）输出或校准仪表进行比较。
- 授权和签名过滤器。你有资格完成这项工作并发布它吗？如果你不是，就停下来。最终的过滤器是人的判断和权威。
提示：像检查清单一样记住这四个步骤：来源→修订→物理→签名。人工智能说得越有说服力，你就越严格地遵守这些步骤。自信的语气并不代表准确性。
三个迷你箱子
案例 1 — 文档扫描节省了时间。一名技术人员正在 AMM 寻找针对空调系统故障的正确隔离步骤。 AI辅助搜索在40秒内指出正确的ATA 21任务和相应的FIM步骤；技术人员缩短了通常持续 15 至 20 分钟的通话时间。不过，在官方门户上确认了任务编号和修改后，他就开始了工作。回报：大约 18 分钟，风险增加为零。
案例2——验证发现了幻觉。有专家向YZ询问螺栓的扭矩值。 YZ说“35纳米”。当专家查看AMM时，该值为“22 Nm”；人工智能锻造了类似紧固件的价值。大约 59% 的过度拧紧可能会导致螺栓应力开裂以及后续飞行中的疲劳断裂。焊接步骤防止了任何可能的结构损坏。
案例 3 — 错误修改的风险。规划者询问AI是否实施了AD； AI 从旧版本中做出响应，并将该指令显示为“已关闭”。高级工程师对照当局当前的清单进行了检查：该指令的新修订版（例如 AD 2025-xx-xx R1）要求在 6 个月内做出反应。目前的修订确认填补了一个空白，如果没有被发现，将导致在检查中发现和适航违规。
四个可复制模板
以下模板将人工智能置于正确的框架中：分配角色，施加资源要求，并要求其传达不确定性。
角色：您是一名助理，协助经验丰富的飞机维修技术人员。任务：阅读下面的故障描述并按概率顺序列出可能的原因假设。规则：- 对于每个假设，请指出我应该检查哪个 ATA 部分和哪个手册（AMM/FIM）。- 如有疑问，请写下“必须验证”；扭矩/零件号/任务无配件。- 假设我有最终决定和签名。故障描述：[粘贴 PIREP 文本]
角色：技术文档扫描助理。任务：总结我将在下面粘贴的 AMM/FIM 文本中[问题]的步骤。规则：- 仅依赖我粘贴的文本；添加来自外部的信息。 - 在每个表达式旁边写下部分/步骤编号。 - 不要产生任何文本中没有的值或数字；否则说“不在文本中”。文本：[粘贴 AMM 部分]
角色：数据趋势解读助手。任务：标记最近20个航班的[参数]值是否存在异常趋势或跳变。规则：- 只需描述模式即可；做出明确的故障诊断。 - 如果明显超出阈值，请注明您乘坐的航班。 - 说明这是预选，决定权在于工程师。数据：[粘贴表格/CSV]
角色：工单草稿助理。任务：根据以下发现准备好草稿工单描述。规则：- 参考 ATA 部分和任务编号，清楚地写出已完成/待完成的工作。- 在我确认之前，使用 [VERIFY] 标签将任务留空。- 请勿将所用零件的零件号填入；输入 [从 IPC 验证]。查找：[粘贴查找文本]
弱提示/强提示
弱者：“EGT高了，怎么办？”
该提示与上下文无关；人工智能不知道飞机类型、发动机类型、相位信息，很可能会给出一个自信但笼统甚至是虚构的答案。
Strong：“你是维护技术员的助理。[飞机类型]，[发动机类型]。PIREP：1号发动机EGT在爬升时短暂接近红色，在巡航时恢复正常。按概率顺序列出可能的原因假设；指出每个要检查的ATA部分和手册；扭矩/零件号/任务不适合，如果不确定，则标记“必须验证”。决定和签名是我的。”
这个提示包括角色、上下文、输出格式和安全边界；输出变得可验证且安全。
表：两个业务集群和人工智能的作用
尺寸
第 1 组：准备工作
集群 2：决策任务
例子
AMM 扫描、趋势标记、草稿撰写
根本原因、合规性、CRS 签名
人工智能的贡献
速度、覆盖范围、疲劳度
选项倍增，草案——而不是决定
风险来源
幻觉，旧版本
误用输出，跳过 AD
强制检查
链接到来源，修订确认
体检+授权签字
最后一句话
人类正确
男人决定和标志
常见错误
- 将 AI 输出误认为来源。人工智能不是一种资源，而是一种资源。这是通向源头的路标。请参阅原始文档中的每个值。
- 跳过修订。如果用错误的修订来实现正确的任务，它仍然是一个错误。始终确认当前版本。
- 没有上下文就问。如果提出的问题没有详细说明飞机类型、发动机类型、阶段和症状，则会产生笼统且具有误导性的答案。
- 忘记了权力的界限。 AI可以告诉你B2业务；但如果您是 B1，则无法签署该工作。该工具提供信息，而不是权威。
- 将机密/专有数据粘贴到不受控制的车辆中。客户、注册（尾号）和注册制造商数据不应在公司政策之外共享（我们将在第 11 单元中深化这一点）。
- 过度自信（自动化偏差）。陷入人工智能的流动性并跳过四个步骤是最常见和最危险的错误。
总之
飞机维护和航空电子设备是安全关键领域；在这里，人工智能是一个有价值的助手，但绝不是决策者。人工智能将准备工作（文档扫描、趋势标记、草稿撰写）时间缩短至几分钟；在适航性和签名决策中，它产生选项，但不做出决策。通过四个步骤过滤每个输出：链接到源、确认修订、物理验证、通过授权和签名过滤器。该规则是构建模块其余部分的基础。
应用任务
从您自己的工作区中选择真实的（但不是敏感数据）故障描述。使用上面的第一个模板向 AI 询问可能的原因假设。然后以书面形式遵循四个验证步骤：(1) 在原始文档中查找每个假设基于哪个手册/ATA 部分，(2) 记下修订，(3) 写下需要进行哪些物理检查，(4) 表明您是否有权签署这项工作。向同事展示这个半页纸条并获取反馈。
清单
- [ ] 我将人工智能定位为助手，将我自己定位为决策者。
- [ ] 我确定了该工作属于哪个集群（准备或决定）。
- [ ] 我在提示中添加了角色、飞机/发动机类型、阶段和症状上下文。
- [ ] 我遵循了四个验证步骤：来源、修订、物理、签名。
- [ ] 我没有在未经验证的情况下接受任何扭矩/零件号/任务号。
- [ ] 我已根据公司政策处理敏感/专有数据。
- [ ] 本人确认最终决定权及签字权属于授权人。