企业客户支持中的故障排查代理需要从相似的历史案例中检索可操作的指导。传统的检索增强生成（RAG）系统把支持案例视为静态文档，忽略了案例的多阶段、状态化特性。RAFT（Retrieval‑Augmented Framework for Troubleshooting Agents）通过将每个已关闭的历史案例抽象为一条有向时间线链，在条目层面进行检索，能够找出其中间状态与当前案例匹配的案例，并返回匹配状态所在的父案例轨迹；可选的案例层级图使用可配置的相似度表示将案例相互链接。我们直接评估该检索层，避免了完整代理系统的上线成本。由于公开的多阶段故障排查数据极其稀缺，我们构建了一个合成基准，基于 Microsoft Learn Windows Server 文档生成多阶段案例，并结合真实的 Apache Jira 问题（带有人为标注的重复标签）进行验证。实验表明，RAFT 在每个案例进展阶段的 Case Hit 指标上均优于 vanilla RAG 与 GraphRAG 基线，并在最强基线上实现了统计显著的提升；Jira 实验提供了该优势在真实案例历史中可迁移的方向性证据。我们已开源基准、实现代码以及 Apache Jira 评估集。
点评