资产管理壳（AAS）是工业4.0和数字产品护照的核心，提供工业资产的标准化数字表示。制造商已有大量技术产品文档，但从异构的 PDF 数据手册中生成 AAS 实例仍需大量人工，因为文档结构多样且常包含公司专有的术语和格式。\ \ 本文提出 AAS-RAIL，一种检索增强的信息抽取方法，利用大语言模型（LLM）自动从 PDF 数据手册生成 AAS。不同于传统的固定 few‑shot 示例，RAIL 在上下文学习时会检索与当前文档相似的已有 AAS 实例，作为 LLM 的抽取辅助。这种实例特定的检索‑增强上下文学习（RAIL）使模型能够在不进行微调的前提下，适配公司特有的命名约定和排版风格。\ \ 核心贡献在于为每份数据手册动态选择公司专属的 AAS 示例，取代静态提示，形成一个结合语义检索与结构化抽取的自适应流水线。我们在多个工业产品数据手册上使用开源和闭源 LLM 进行评估，实验显示 RAIL 相比传统 few‑shot 提示提升了 30.4%~52.4% 的抽取质量，验证了该方法在公司特定 AAS 生成上的有效性。\ \ 点评：本方法通过检索增强的上下文学习显著提升了特定公司 AAS 生成的准确性和鲁棒性，为工业文档自动化提供了实用路径。