调试一台现场设备，工程师要在数百页PDF手册里找寄存器地址、波特率、站地址、功能码和PDO映射，再手工抄进 SCADA 或 DCS。论文给出的量级是：每个调试周期可能消耗数百工程小时，在新建项目中可占项目成本的三成；抄错一个寄存器地址或波特率，轻则传感器失声，重则执行器误动作。CLARITY 尝试把这条链路自动化，但它没有让大模型“直接写配置”，而是把检索、弃权、校验、部署拆成六段，任何一段不放心就停下来。
本体加权的混合检索
手册按512个token切块、重叠64个token，用 BGE-M3 生成1024维向量存入 Qdrant，同时建 BM25 索引以匹配寄存器号和零件号这类精确标识。另有一条本体图：从 ECLASS、资产管理壳（AAS）和 SOSA/SSN 的标签构建，检索时若块中出现本体标签就加0.1分。稠密与稀疏各取前20，用 RRF（k=60）融合，再经交叉编码器重排取前5段交给模型。
评测中混合检索的 HitRate@10 为0.964，高于任一单路的0.929；重排把 MRR@10 从0.557提到0.625，nDCG@10 从0.634提到0.679。检索本身很便宜：嵌入59毫秒、搜索不到1毫秒、20个候选重排321毫秒（CPU）。
先弃权，再生成，最后 SHACL 校验
生成用本地 llama3.1:8b（温度0.1），按协议模板填 JSON-LD。模型输出先过四步修复（去JS注释、去尾逗号、规范Python字面量、统一引号），15次基准运行中有11次至少触发一步。真正决定能不能写入的是两道弃权门：生成前要求重排分数的 sigmoid 最大值≥0.72，且检索上下文引用的本体IRI解析比例≥0.80；生成后再扫描JSON块之外的文字，出现“未说明”“未知”等不确定表述就拦下。
通过者才做 SHACL 校验——例如 Modbus 寄存器必须落在1–65534，功能码限定在合法集合。四个协议适配器（Modbus RTU、OPC-UA、Profibus DP、CANopen）在任何网络I/O之前执行硬约束，写入后逐值回读。
从五台设备到一台 UR5e
在28条字段级查询加5条语料外查询的金标准上，文档内查询的重排分数全部≥0.526，语料外全部≤0.061，形成8.6倍间隔，因此0.061–0.526之间的任意阈值都能取得完美的弃权精确率与召回率；生产阈值0.72更保守，在困难查询上误弃权一次，方向是安全的。生成器字段级F1为0.87，12次运行中9次完全匹配；端到端每台设备2.6–6.6秒，五台设备的基准上没有一次不安全写入，也没有一次静默失败。
组件级评测还定位到唯一系统性失败在 OPC-UA 的 JSON-LD 生成——只看端到端指标是发现不了的。更接近真实的一幕是：系统直接从一台 UR5e 协作机器人未改动的厂商文档（254页用户手册加8页寄存器表，共496个块）完成配置，三次运行字段级F1均为1.0，并用回读与关节一致性检查确认。
这套流水线的价值不在于“8B模型有多强”，而在于把不确定性显式化：检索分数不够就弃权，IRI 覆盖率不够就弃权，SHACL 不过就不部署。对工业知识工程而言，这是一种可复制的模式——本体不是装饰，而是检索加权、生成约束和验证形状的共同骨架。
资料来源：RAG-Based Auto-Configuration for Industrial Fieldbus Devices — arXiv（2026-08-09）。本文为技术要点整理/编译，非原文全文。