用于车辆错误模式规则自动化的多智能体因果推理系统

现代车辆产生大量诊断故障码（DTC），制造商利用其布尔组合（错误模式）表征系统故障。针对人工制定规则成本高且易错的问题，本文提出 CAREP，一种多智能体系统，旨在从高位 DTC 事件序列中自动生成错误模式规则。该系统整合了识别潜在关系的因果发现智能体、融合元数据的上下文智能体及合成候选规则与可解释推理轨迹的编排智能体。在大规模汽车数据集上的评估表明，CAREP 能准确发现未知规则，优于纯 LLM 基线，并提供透明的因果解释，推动了全自动故障诊断的发展。