RAFT：按案例状态检索的故障排查框架

企业客户支持中的有效故障排查智能体，需要从类似历史案例中检索可操作指导，但现有RAG把案例视为静态文档，忽略了多阶段、具有状态的性质。我们提出RAFT（故障排查智能体的检索增强框架），将每个已关闭历史案例抽象为时间线条目组成的有向链，在条目级检索，找出中间状态与当前案例匹配的历史案例，并返回以匹配状态为锚点的完整所属案例轨迹；可选的案例级图通过可配置相似性表示连接案例。我们直接评估检索层，与评估完整智能体系统不同，这不需要生产部署。由于公开的多阶段排障数据极少，我们将基于Microsoft Learn Windows Server文档构建的合成基准，与带有人工作出的重复标签的真实Apache Jira问题配对使用。RAFT在案例进展的每个阶段都比普通RAG和GraphRAG基线提高Case Hit，并显著优于最强基线；Jira结果为优势可迁移到真实案例历史提供了方向性证据。我们公开基准、实现和Apache Jira评估集。