针对传统故障诊断方法通常涉及复杂的数据处理及模式定义、诊断分析时间长、可解释性差、不适用于实时生产控制等问题，提出一种基于蒙特卡洛树搜索和大语言模型的设备运行故障诊断方法。将设备运行故障问题建模为一个搜索空间，将设备可能的运行状态以及故障的不同原因表示为状态，将操作行为和决策行为定义为状态的转移，进而使用蒙特卡洛树搜索来模拟设备在特定状态下的运行逻辑树，从而模拟设备的运行、故障检测和执行操作。利用大语言模型中的先验知识以及推理能力模拟设备在当前状态下的运行，同时生成模拟运行的结果，包括可能的故障和其他关键信息，最后对模拟的结果进行评估，为每个状态分配一个适当的分数，表示其在解决问题中的价值。结合语言模型的生产能力输出自然语言的诊断解释和建议，有效提升了诊断方法的可解释性以及实时性，并提高了检查效率和检测准确度。将所提方法应用于大型煤矿设备运行故障诊断上，与传统蒙特卡洛树搜索方法、微调Llama2语言模型推理方法和Llama2直接推理方法相比准确率分别提升了5.9%、12.2%和23.3%，任务成功率分别提升了9.3%、21%和28%。