基于两阶段检索增强生成框架的可持续产品设计指南创新研究

本研究针对大型语言模型(LLM)在可持续产品设计中存在响应模糊、通用性强的问题，提出创新的两阶段检索增强生成(RAG)框架。研究人员通过整合系统设计原则和可持续设计策略两大知识库，构建了可生成组件级可持续设计指南的方法体系。案例验证表明，该方法覆盖的设计规范主题是非RAG方法的2.7倍，显著提升产品"合意性(Desirability)"和"使用阶段"考量。该研究为在概念设计阶段嵌入可持续考量提供了高效工具。

　　

在全球面临气候变化、空气污染和生物多样性丧失三重危机的背景下，传统"获取-制造-使用-处置"的线性经济模式正被强调资源优化的循环经济所取代。然而，将可持续理念融入产品设计面临严峻挑战——现有工具如生命周期评估(LCA)需要详尽的产品数据，通常只能在开发后期应用；而质量功能展开(QFD)等方法又要求大量专业知识和信息输入。更棘手的是，虽然ChatGPT等大型语言模型(LLM)展现出强大的知识检索和生成能力，但其在可持续设计领域常产生模糊笼统的建议，难以指导具体实践。

英国埃克塞特大学(University of Exeter)INDEX研究中心的Pingfei Jiang团队在《Sustainable Futures》发表创新研究，提出两阶段检索增强生成(RAG)框架破解这一难题。该研究通过分离设计知识和可持续策略两大知识库，构建了能生成组件级设计指南的智能系统。专家评估显示，该方法生成的设计建议在覆盖广度和专业深度上均取得突破性进展。

研究采用三大关键技术：1)基于Sentence BERT的语义编码实现知识检索；2)DBSCAN算法进行主题聚类；3)结合IDEO的DVF框架(Desirability-Viability-Feasibility)评估设计质量。研究选取儿童汽车座椅、电动自行车等10类消费品进行验证，通过五名设计专家采用5级Likert量表进行双盲评估。

研究结果显示：在完整性方面，两阶段RAG方法平均覆盖9.4个设计规范主题，是非RAG方法(3.4个)的2.7倍。DVF评估中，新方法在合意性(4.56 vs 2.44)、可行性(4.50 vs 2.42)和生存力(4.20 vs 2.28)均显著提升(p<0.001)。产品生命周期阶段考量尤为突出，使用阶段得分达4.68(非RAG仅2.32)，报废阶段4.62(非RAG仅2.22)。

机制分析表明，第一阶段通过产品架构分解(如将办公椅解构为倾斜机构、靠背等子系统)，解决了可持续干预措施需要组件级适配的难题。第二阶段则通过14类可持续策略(如模块化、可修复性)的精准匹配，确保建议兼具技术可行性和环保价值。最终的响应合成阶段采用BART-large-cnn模型提炼关键信息，形成三级设计指南体系。

该研究的突破性在于：首次将RAG技术系统应用于可持续设计领域，其模块化架构支持知识库灵活替换；相比LCA等传统工具，能在设计早期提供 actionable建议；专家评估证实其显著降低对专业知识的依赖。研究同时指出当前局限：知识库覆盖面不足，LLM生成内容缺乏工程细节，响应组织形式有待优化。

这些发现为加速循环经济转型提供了新范式——通过将可持续性考量前置到概念设计阶段，以较低成本实现产品全生命周期环境影响的大幅降低。未来研究可聚焦多模态RAG系统开发，以及建立行业共享的可持续设计知识库，进一步释放人工智能在绿色创新中的潜力。