本發明涉及ai大模型智能問數,具體是涉及了一種基于ai大模型結合流程編排的問數結果構造方法。
背景技術:
1、雖然大型語言模型llm在理解和處理復雜自然語言方面取得了顯著進展,但在應對復雜業務場景時,單純依賴提示詞和大型語言模型llm的交互仍然存在諸多問題。復雜業務通常包含多層次的任務、條件判斷和跨模塊協作,這使得簡單的自然語言輸入難以涵蓋整個流程。當前大型語言模型llm的能力限制,尤其是上下文長度的限制和模型參數規模的影響,進一步導致其在處理復雜任務鏈時力不從心。
技術實現思路
1、本發明為了解決上述問題,提供了一種基于ai大模型結合流程編排的問數結果構造方法,將復雜的業務問題進行抽象和拆分,轉化為多個獨立的節點和子流程,有效簡化了業務處理的復雜性。
2、本發明采用的技術方案是,提供了一種基于ai大模型結合流程編排的問數結果構造方法,包括采用大語言模型對用戶問題進行分析和總結后輸出問題結果,還包括,基于大語言模型分別構建問答模型和多個問數模型,每個問數模型分別包含不同領域的數據庫,在此基礎上,所述問數結果構造方法包括,
3、在用戶問題輸入后進行邏輯判斷,判斷用戶問題屬于問答類型或問數類型;
4、當判斷結果是問答模型時,問答模型接收到用戶問題,并在進行分析和總結后,輸出問題結果;
5、當判斷結果是問數模型時,則再次判斷用戶問題的所屬領域,選擇相應領域的問數模型進行分析和總結后,輸出問題結果。
6、所述問答模型是基于大語言模型進行訓練后得到的,所述問數模型是基于大語言模型,采用不同領域的數據集進行分別訓練后,得到多個不同領域的問數模型。
7、所述問數模型是根據行業領域進行劃分的。
8、邏輯判斷的方法包括,
9、提取問答模型和多個領域的問數模型的模型關鍵詞和模型關鍵字,在此基礎上,判斷用戶問題中是否包含與模型關鍵字相同的關鍵字,若是,則根據模型關鍵字選擇問答模型或問數模型,若否,則再次判斷用戶問題中是否以與模型關鍵詞相同的關鍵詞作為開頭或結尾,若是,則根據模型關鍵詞選擇問答模型或問數模型,若否,則再次判斷用戶問題中是否包含與模型關鍵詞相似的關鍵詞,若是,則根據相似的模型關鍵詞選擇問答模型或問數模型。
10、所述問數模型進行分析和總結,具體包括,
11、a、問數模型接收到用戶問題后,采用提示詞工程對用戶問題進行提示詞提取;
12、b、根據提示詞配置與用戶問題相關的多組表、列、關系,并采用相似度算法進行篩選后得到sql查詢語句;
13、c、根據sql查詢語句在數據庫進行查詢,得到問題結果。
14、還包括構建流程編排編輯器,并與邏輯判斷、問答模型、問數模型進行關聯映射的。
15、在流程編排編輯器中,邏輯判斷、問答模型、問數模型均以包含文字的圖形作為節點進行可視化顯示并分別進行關聯映射。
16、本發明的有益效果是,提供了一種基于ai大模型結合流程編排的問數結果構造方法,ai大模型結合工作流編排進行結合。通過將復雜任務拆解成功能單一、相互獨立的任務包,工作流編排不僅能夠分解復雜性,還可以實現任務的模塊化和可復用性。這種拆解方式確保每個任務包都能被單獨優化和執行,減少了在復雜條件下的出錯幾率。并且能夠提供靈活的節點定制與維護功能,可以根據業務需求定制符合業務場景的流程節點。以擴充流程流的多樣性與靈活性。
1.一種基于ai大模型結合流程編排的問數結果構造方法,包括采用大語言模型對用戶問題進行分析和總結后輸出問題結果,其特征在于:還包括,基于大語言模型分別構建問答模型和多個問數模型,每個問數模型分別包含不同領域的數據庫,在此基礎上,所述問數結果構造方法包括,
2.根據權利要求1所述的一種基于ai大模型結合流程編排的問數結果構造方法,其特征在于:所述問答模型是基于大語言模型進行訓練后得到的,所述問數模型是基于大語言模型,采用不同領域的數據集進行分別訓練后,得到多個不同領域的問數模型。
3.根據權利要求2所述的一種基于ai大模型結合流程編排的問數結果構造方法,其特征在于:所述問數模型是根據行業領域進行劃分的。
4.根據權利要求1所述的一種基于ai大模型結合流程編排的問數結果構造方法,其特征在于:邏輯判斷的方法包括,
5.根據權利要求1所述的一種基于ai大模型結合流程編排的問數結果構造方法,其特征在于:所述問數模型進行分析和總結,具體包括,
6.根據權利要求1所述的一種基于ai大模型結合流程編排的問數結果構造方法,其特征在于:還包括構建流程編排編輯器,并與邏輯判斷、問答模型、問數模型進行關聯映射的。
7.根據權利要求6所述的一種基于ai大模型結合流程編排的問數結果構造方法,其特征在于:在流程編排編輯器中,邏輯判斷、問答模型、問數模型均以包含文字的圖形作為節點進行可視化顯示并分別進行關聯映射。