面向企业场景的智能体与工作流双引擎协同方法及系统与流程
本发明涉及企业数字化与人工智能协同计算,尤其涉及一种面向企业场景的智能体与工作流双引擎协同方法及系统。
背景技术:
1、随着企业数字化转型的伸入,业务流程自动化已成为提升运营效率的关键手段。当前,企业级任务执行主要依赖两类技术路径:基于规则的工作流引擎与基于大模型的智能体(agent)。
2、传统工作流引擎(如activiti、camunda等)采用预定义的流程图与确定性规则,将企业业务流程拆解为一系列有序节点,由系统或人工按顺序执行。该技术路径的优势在于执行过程高度可控、状态可追溯、满足合规审计要求,适用于财务审批、采购申请、合同流转等标准化、重复性高的企业场景。然而,其局限性同样显著:无法处理流程中未预定义的异常情况,缺乏对非结构化信息(如邮件内容、对话记录)的理解能力,难以应对需要动态决策的复杂任务。
3、以大语言模型为核心的智能体技术,通过自主规划(planning)、工具调用(tooluse)和记忆(memory)机制,能够理解自然语言指令,动态拆解任务并调用外部api完成操作。该技术在处理不确定性高、需要语义理解与灵活应变的场景(如客服问答、邮件分类、异常归因)中表现出色。例如,已有专利提出了基于多智能体的任务处理方法,通过将任务解析为多个任务节点并动态调用对应智能体执行。然而,智能体在长周期、多角色、强合规的企业环境中存在明显短板:决策过程缺乏确定性保障,行为不可预测;状态管理松散,难以满足审计追溯要求;多个智能体并发执行时容易产生资源竞争与数据不一致。
4、近年来,部分研究者和企业尝试将工作流与智能体结合,形成了两类主流协同模式:
5、(1)工作流调用智能体模式:在工作流的某一节点嵌入智能体调用,将特定子任务交由智能体处理。例如,中国专利cn118691231b公开了一种基于多智能体和人机协同的工作流运行方法,将业务场景拆分为工作流任务并构建工作流模型,在工作流执行过程中由智能体节点进行人机协同和业务审核,并更新全局状态。该方案虽然使工作流获得了一定的灵活性,但智能体节点与工作流节点之间仍缺乏统一的状态管理机制,容易出现上下文丢失或状态漂移。
6、(2)智能体调用工作流模式:智能体在自主规划过程中将部分确定性步骤委托给工作流引擎执行。例如,中国专利cn122111588a公开了一种基于智能调度和工作流集成的多智能体ai交互方法及系统,通过建立前端和执行端的连接,支持多子智能体并行/顺序协作和循环迭代。该模式虽能发挥工作流的规范性优势,但智能体的规划结果往往不固定,导致工作流实例难以与智能体的动态决策路径精确对齐,增加了执行追踪与异常回溯的复杂度。
7、在状态管路方面,中国专利cn122044773a公开了一种基于循环子工作流绑定的工作流循环执行方法,针对智能体工作流在处理复杂迭代任务时存在的逻辑结构耦合度高、复用性差,以及循环执行过程中中间变量因缺乏物理隔离与动态同步机制而导致的数据状态污染与一致性失效问题,通过类型字段实现工作流异构定义,并结合子流标识建立指针式解耦绑定。然而,该方法主要解决单一智能体工作流内部的状态管理问题,未涉及工作流引擎与智能体引擎两种异构执行实体之间的协同与状态同步。
8、在自进化方面,中国专利cn122114043a公开了一种智能体自我进化学习的实现方法及系统,通过智能体的自我进化学习实现能力提升。该技术主要关注智能体自身的进化,而非智能体与工作流协同策略的优化。
9、综合分析上述现有技术,存在一下共性问题:
10、1、现有方案无法在同一个任务执行过程中动态平衡智能体的“柔性决策能力”与工作流的“刚性执行逻辑”。两者要么完全由智能体主导(导致行为不可控),要么完全由工作流硬编码(无法应对不确定性),缺乏一种能够根据任务特征自适应分配决策权重的机制。尽管已有方案尝试将二者结合,但均是“串行调用”式的简单组合,未能实现深度的结构融合与协同。
11、2、工作流引擎与智能体引擎拥有各自独立的状态机、上下文存储与执行语义。在两者切换执行时,现有技术缺乏标准化的状态传递与一致性保障协议。现有状态管理方案主要针对同质智能体工作流内部,无法解决异构引擎之间的交叉状态同步问题,导致数据竞态、状态丢失、重复执行等问题频发,严重影响企业级任务的可靠性。
12、3、现有方案中,工作流与智能体的协作方式(如哪个节点由谁执行、何时切换)是预先配置且固定不变的。系统无法根据历史执行效果自动优化协同策略。虽然存在智能体自我进化学习的技术,但其进化对象是智能体自身的能力参数,而非工作流与智能体之间节点归属的动态切换机制,导致高频出现的“伪智能决策”持续消耗计算资源,而某些本应智能化的固定节点却长期僵化执行。
13、因此,本发明旨在提供一种面向企业场景的智能体与工作流双引擎协同方法及系统,以解决现有技术中因无法有效协同智能体的柔性决策能力与工作流的确定性执行逻辑,所导致的任务执行可控性差、状态一致性低、协同策略无法自适应优化的问题,从而在企业级复杂任务执行过程中,同时实现高适应性、可追溯性与资源确定性调度。
技术实现思路
1、本发明所解决的技术问题是提供一种面向企业场景的智能体与工作流双引擎协同方法及系统。
2、本技术提供一种面向企业场景的智能体与工作流双引擎协同方法,包括以下步骤:
3、s1:通过双模任务解构器将企业任务输入解析为由固定工作流片段与智能体决策槽交替构成的混合执行拓扑图,其中每个决策槽与工作流片段之间通过语义锚点显式关联;
4、s2:基于令牌化状态互锁协议,使工作流引擎与智能体引擎在执行过程中通过交换执行锁令牌与决策锁令牌进行状态同步与冲突仲裁;
5、s3:在任务执行完成后,由回溯优化器根据执行路径价值分对混合执行拓扑图中的节点协同策略进行在线更新,将低价值决策槽降级为固定工作流片段,或将高价值固定工作流片段升级为智能体决策槽,并在企业预定义约束内生效。
6、本技术还提供一种面向企业场景的智能体与工作流双引擎协同系统,包括如下部分:
7、双模任务解构器,用于将企业任务输入解析为由固定工作流片段与智能体决策槽交替构成的混合执行拓扑图,其中每个决策槽与工作流片段之间通过语义锚点显式关联;
8、令牌化状态互锁层,连接工作流引擎与智能体引擎,用于通过交换执行锁令牌与决策锁令牌进行状态同步与冲突仲裁;
9、回溯优化器,用于根据执行路径价值分对混合执行拓扑图中的节点协同策略进行在线更新,将低价值决策槽降级为固定工作流片段,或将高价值固定工作流片段升级为智能体决策槽,并在企业预定义约束内生效。
10、与现有技术相比,本发明通过双模任务解构器将企业任务输入解析混合执行拓扑图,实现了“刚性骨架”与“柔性决策点”的形式化分离与有机融合——固定工作流片段确保企业核心合规路径的刚性执行,智能体决策槽提供对不确定性的自适应决策能力。两者在同一混合拓扑图中共存且通过语义锚点衔接,使得企业任务在执行过程中能够根据业务特征动态分配决策权重,同时满足高适应性与强合规的双重要求。通过为混合执行拓扑图中的每个节点生成三元组令牌,并建立工作流引擎持有执行锁令牌、智能体引擎持有决策锁令牌的交叉互锁机制,实现了两个异构状态机之间的确定性协同。任一引擎在执行完成后必须提交状态证明并经互锁层验证通过后方可释放令牌并切换执行权,从协议层面保障了状态的一致性与可追溯性。此外,超时回收机制与不可变审计日志的设计,进一步增强了系统的容错能力与合规支撑能力。通过回溯优化器,基于执行路径价值分对混合执行拓扑图中的节点协同策略进行在线更新;系统能够识别出高频出现的“伪智能决策”(即智能体反复做出相同决策且价值分低于固化规则),自动将其降级为固定工作流片段,从而减少不必要的智能体调用,降低计算资源消耗;同时,对于输入状态方差大、存在多种合理输出路径的固定工作流片段,系统可将其升级为智能体决策槽,增强对复杂场景的适应能力。该机制在保留企业不可变约束的前提下,实现了流程资产的持续优化与演化。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com