大模型调度方法、存储介质及计算机设备与流程

摘要: 本技术涉及人工智能,尤其涉及一种大模型调度方法、存储介质及计算机设备。背景技术:1、当前,大模型智能编排调度技术已成为人工智能领域的重要研究方向,现有主流方案普...
大模型调度方法、存储介质及计算机设备与流程

本技术涉及人工智能,尤其涉及一种大模型调度方法、存储介质及计算机设备。

背景技术:

1、当前,大模型智能编排调度技术已成为人工智能领域的重要研究方向,现有主流方案普遍采用大模型全流程主导的生成式调度架构。该架构的核心在于利用大模型自身的自然语言理解与逻辑生成能力,对用户输入的开放式自然语言指令进行端到端处理,从意图解析、功能规划到调用路径生成均由模型自主完成,无需依赖预定义的固定任务模板。凭借这一技术特性,此类架构能够灵活适配全新、非标准化及探索性的功能调度需求,在应对未知场景时展现出良好的泛化能力与可扩展性,是目前实现开放式任务自动化编排的通用技术路径。

2、然而,在工业级实时调度、无人值守自动化运行及高可靠业务场景中,现有的纯大模型生成式调度架构暴露出多项固有缺陷,难以满足规模化商用的落地要求。具体而言,目前存在的问题包括:其一,现有架构完全依赖大模型的自主推理生成,缺乏对功能边界和调用路径的硬性约束,模型固有的知识幻觉导致其容易虚构出系统内未注册的软件功能或生成违背业务时序与依赖规范的错误执行路径,这在无人干预场景下极易引发不可逆的业务中断与系统故障,容错能力严重缺失。其二,现有方案对每一次调度请求均需执行从意图解析到路径生成的全链路推理计算,缺乏对历史成熟调度路径的有效复用机制,在高频重复任务场景下导致大量算力冗余与不可预测的响应时延,执行效率低下。其三,由于未对开放式的用户意图设置指向系统合法能力集的强制收敛机制,大模型可能随意组合或杜撰功能,导致越权调用、无效接口请求等风险,系统的安全性与可控性难以保障。此外,现有技术普遍不具备调度路径的持续积累与自主迭代优化能力,面对相似的非标场景时适配僵化,无法实现“越用越精准”的进化式提升,长期运行的精度和效率无法得到持续优化,工程落地实用性不足。

技术实现思路

1、本技术主要提供一种大模型调度方法、存储介质及计算机设备,旨在解决现有的大模型调度方法因大模型自主生成调用路径而存在的功能幻觉与路径幻觉风险高、调度可靠性差的技术问题。

2、为解决上述技术问题,本技术采用的技术方案是:提供一种大模型调度方法。该大模型调度方法包括:接收调度请求,通过大模型对所述调度请求进行意图提取与分类,得到任务功能集合;所述大模型仅执行意图提取与分类操作;所述任务功能集合包含核心功能子集;通过功能描述库和函数入口地址动态库对所述任务功能集合进行合法性校验,剔除非法功能和失效功能,得到校验后的任务功能集合;所述功能描述库用于定义系统合法调度功能的标准化语义边界;所述函数入口地址动态库用于定义系统合法调度功能的动态路由信息;所述功能描述库与所述函数入口地址动态库通过功能标识建立一一对应关系;以所述校验后的任务功能集合的所述核心功能子集为检索条件,在实例库中进行实例匹配,得到匹配结果;所述实例库存储历史调度成功且可复用的标准化实例路径;根据所述匹配结果,基于软件功能拓扑知识图谱进行路径重构,得到目标调度路径;其中,所述软件功能拓扑知识图谱用于定义系统合法调度功能之间的依赖关系和执行时序规则;当所述匹配结果为无匹配实例时,基于所述校验后的任务功能集合,通过所述软件功能拓扑知识图谱生成所述目标调度路径,当所述匹配结果为最优实例路径时,对所述最优实例路径进行剪枝得到剪枝主路径,并计算所述校验后的任务功能集合相对于所述剪枝主路径的功能集合的差集;若所述差集为空则直接复用所述剪枝主路径作为所述目标调度路径,若所述差集非空则基于所述差集通过所述软件功能拓扑知识图谱获取补全子路径,将所述剪枝主路径与所述补全子路径进行拓扑融合得到所述目标调度路径;对所述目标调度路径进行标准化封装,得到标准化可执行链路;通过调度引擎执行所述标准化可执行链路,得到调度执行结果。

3、在一些实施例中,所述通过功能描述库和函数入口地址动态库对所述任务功能集合进行合法性校验,剔除非法功能和失效功能,得到校验后的任务功能集合,包括:通过所述功能描述库对所述任务功能集合进行语义合法性校验,剔除所述非法功能;通过所述函数入口地址动态库对语义合法性校验后剩余的功能进行路由可用性校验,剔除所述失效功能;剔除所述非法功能和所述失效功能后更新所述任务功能集合,重新校验所述核心功能子集完整性;若所述核心功能子集非空则继续所述实例匹配,若所述核心功能子集清空则确定所述匹配结果为无匹配实例。

4、在一些实施例中,所述以所述校验后的任务功能集合的所述核心功能子集为检索条件,在实例库中进行实例匹配,得到匹配结果,包括:以所述校验后的任务功能集合的所述核心功能子集为检索条件,遍历所述实例库,筛选出所述核心功能子集被完整覆盖的候选实例集合;若所述候选实例集合为空则确定所述匹配结果为无匹配实例;若所述候选实例集合非空,则针对所述候选实例集合中的每一候选实例,将所述候选实例包含的全部功能组成的全量功能集合与所述校验后的任务功能集合执行集合交运算,以交集功能节点数量最大值为择优标准,从所述候选实例集合中选取所述最优实例路径。

5、在一些实施例中,所述通过大模型对所述调度请求进行意图提取与分类,得到任务功能集合,包括:对所述调度请求进行文本预处理,清洗无效修饰词汇并归一化业务名词;向所述大模型注入固定约束提示词模板,使所述大模型仅抽取业务动作并输出结构化分类结果;所述大模型基于原生语义理解能力抽取全部业务动作,依据所述固定约束提示词模板内置的分类规则标注意图类型并输出结构化数据;由意图解析微服务结合所述功能描述库对所述结构化数据进行预校验,修正分类偏差,输出所述任务功能集合。

6、在一些实施例中,所述对所述最优实例路径进行剪枝得到剪枝主路径,包括:计算所述校验后的任务功能集合与所述最优实例路径的全量功能集合的交集和实例侧差集,将所述实例侧差集内的功能节点标记为待冗余节点;所述实例侧差集为所述最优实例路径的全量功能集合相对于所述交集的差集;所述全量功能集合为所述最优实例路径包含的全部功能组成的集合;查询所述软件功能拓扑知识图谱的依赖关系,保留所述待冗余节点中作为所述交集的功能节点的强制前置依赖的功能节点,将所述待冗余节点中的其余功能节点判定为冗余功能节点予以剔除;所述强制前置依赖为所述软件功能拓扑知识图谱中定义的功能节点执行前必须先完成的功能节点;针对每一被剔除的所述冗余功能节点,为所述冗余功能节点的前驱功能节点和后继功能节点新建直通有向时序边,删除所述最优实例路径中所述冗余功能节点对应的原始链路,得到所述剪枝主路径。

7、在一些实施例中,所述基于所述差集通过所述软件功能拓扑知识图谱获取补全子路径,包括:在所述软件功能拓扑知识图谱中,以所述差集中的功能为固定终点、所述剪枝主路径中的功能节点为检索起点,执行限定深度的定向深度优先检索;检索过程叠加互斥功能过滤、权限校验、时序冲突过滤约束条件,仅输出可与所述剪枝主路径融合的合法子路径;当所述差集中的每一功能检索返回多条合规候选子路径时,采用多层量化分层择优机制从节点层级深度、历史复用权重、可并行功能节点数量、参数模板匹配度多个维度选取最优子路径作为所述补全子路径。

8、在一些实施例中,所述将所述剪枝主路径与所述补全子路径进行拓扑融合得到所述目标调度路径,包括:识别所述剪枝主路径与所述补全子路径之间的冲突,所述冲突包括互斥冲突和时序冲突;对所述互斥冲突,依据所述功能描述库标记的功能类型设置取舍优先级,保留高优先级功能所在功能节点,删除低优先级冲突功能节点;若冲突双方均为核心功能,则判定融合失败;对所述时序冲突,以所述软件功能拓扑知识图谱预定义的标准依赖时序为判定基准统一修正所述剪枝主路径与所述补全子路径之间冲突的局部时序;若存在循环依赖约束,则判定融合失败;合并所述剪枝主路径与所述补全子路径的所有功能节点,基于所述软件功能拓扑知识图谱的依赖约束执行全局拓扑排序,生成统一全局调度时序作为所述目标调度路径;对所述合并后的路径执行闭环校验,全部通过则输出所述目标调度路径;任意校验项不通过则判定融合失败,执行两级降级处理;所述两级降级处理的第一级为删除所述冲突中涉及的冲突功能节点所在分支后重新检索候选子路径再次融合,所述两级降级处理的第二级为回退至所述匹配结果为无匹配实例,由所述软件功能拓扑知识图谱重新生成所述目标调度路径。

9、在一些实施例中,在所述通过调度引擎执行所述标准化可执行链路,得到调度执行结果之后,还包括:根据所述目标调度路径和所述调度执行结果对所述实例库进行差异化迭代更新;所述根据所述目标调度路径和所述调度执行结果对所述实例库进行差异化迭代更新,包括:判断所述目标调度路径是否为全新路径且满足沉淀条件;所述全新路径为所述匹配结果为无匹配实例或所述匹配结果为最优实例路径且所述差集非空时生成的所述目标调度路径;所述沉淀条件包括所述目标调度路径在所述实例库中无功能集合完全一致的存量实例、且所述目标调度路径的路径价值得分大于等于预设价值阈值;所述路径价值得分反映所述目标调度路径的核心功能数量、场景请求量覆盖程度和有效功能节点总数的综合价值;若所述目标调度路径为全新路径且满足所述沉淀条件,则将所述目标调度路径标准化封装后增量入库至所述实例库;若所述目标调度路径为所述实例库中的实例路径,则依据所述调度执行结果更新所述实例库中的实例路径的适配权重;所述适配权重反映所述实例库中的实例路径的累计调用频次、执行成功率、平均调度时延和入库时的路径价值得分的综合表现;周期性对所述实例库中的实例执行淘汰处理,清理适配权重低于预设权重阈值的实例和超过预设时长无调用的闲置实例。

10、为解决上述技术问题,本技术采用的另一个技术方案是:提供一种存储介质。该存储介质其上存储有程序数据,所述程序数据被处理器执行时实现如上述的大模型调度方法的步骤。

11、为解决上述技术问题,本技术采用的另一个技术方案是:提供一种计算机设备。该计算机设备包括相互连接的处理器和存储器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现如上述的大模型调度方法的步骤。

12、本技术的有益效果是:区别于现有技术的情况,本技术公开了一种大模型调度方法、存储介质及计算机设备。本技术通过将大模型的权限严格收束至仅执行意图提取与分类操作,剥离其路径生成与逻辑杜撰权限,并结合功能描述库与函数入口地址动态库构成的双层合法性校验体系对任务功能集合进行合法性校验,从源头抑制了功能幻觉;同时,通过引入存储历史成功实例的实例库,并基于核心功能子集进行实例匹配,在匹配到最优实例路径时通过剪枝、差集计算及结合软件功能拓扑知识图谱进行补全与拓扑融合来重构路径,在无匹配实例时则完全由知识图谱生成路径,这不仅实现了对成熟调度路径的高效复用,降低了算力开销与调度时延,更通过知识图谱对路径依赖关系和执行时序规则的严格定义,有效地规避大模型自主路径生成的幻觉问题,由此系统性地解决了现有技术中存在的调度可靠性差的问题,实现了低幻觉、高复用、高效率的工业级安全调度。