业务专家认知驱动的AIAgent生成方法及装置

摘要: 本技术涉及人工智能,具体涉及一种业务专家认知驱动的aiagent生成方法及装置。背景技术:1、近年来,以大语言模型(largelanguagemodel,llm...
业务专家认知驱动的AIAgent生成方法及装置

本技术涉及人工智能,具体涉及一种业务专家认知驱动的ai agent生成方法及装置。

背景技术:

1、近年来,以大语言模型(large language model, llm)为核心的人工智能技术取得了突破性进展,其强大的自然语言理解与生成能力为构建智能代理(ai agent)提供了可靠的技术手段。与传统的一次性问答交互不同,ai agent将llm作为其“大脑”,通过调用工具、访问知识库、控制工作流等一系列动作,来达成用户设定的多步骤、长周期目标。作为能够感知环境、进行决策并执行任务的计算实体,ai agent是实现行业知识智能化应用的关键。

2、提示词作为引导和控制大语言模型行为的关键指令,其质量直接决定了智能代理的任务理解准确性、逻辑严谨性及输出稳定性。且目前市场上已经出现了一些开源或商业化的ai应用开发平台,例如dify、n8n、coze等。这些平台旨在通过可视化的方式,将llm、多种工具(如计算器、搜索引擎、api)和条件逻辑组合成可执行的工作流,从而降低ai agent的开发门槛。然而,尽管现有技术为构建ai应用提供了便利,但在应对复杂的、特别是需要深度业务知识协同的决策场景时,仍存在显著的局限性,具体表现在以下两个方面。

3、(1)业务需求捕获与技术边界定义困难

4、当前基于提示词工程构建ai agent的方法,高度依赖于系统构建者(如is专家)对业务需求的精确理解与转化。然而,在复杂的业务场景中,业务专家的决策过程往往是隐性的、多维度的,且依赖于难以量化的经验。现有技术缺乏一套能够系统化引导业务专家与技术专家进行深度协作的机制,以将模糊、复杂的业务决策逻辑,逐步分解并转化为明确、可被ai agent理解与执行的技术需求与规则。这导致在项目初期难以准确捕获核心需求,并清晰地界定ai agent的能力边界,最终造成开发的ai agent与业务实际需求错位,实用性大打折扣。

5、(2)过度强调全自动化,缺乏有效的人机协同机制

6、现有的许多ai agent开发平台和工具,其设计理念偏向于用自动化工作流完全替代人工干预,追求端到端的任务执行。然而,在诸如战略分析、创新评估、复杂问题诊断等高端协同决策场景中,纯粹的自动化决策并不可靠也不被信任。这些场景迫切需要的是一种“人智协同”模式,即由ai agent承担信息整合、初步分析、方案生成等重复性、计算性工作,而由人类专家负责提供关键直觉、进行价值判断和最终决策。现有技术普遍缺乏对这种协同模式的精细化支持,特别是在任务流程中如何动态地、恰当地为人与ai分配角色,如何设计流畅的人机交互与干预节点,以及如何让ai成为人类专家的“副驾驶”而非“完全替代者”方面,存在明显的能力缺失。

7、因此,如何将大语言模型的基础能力高效、可靠地转化为面向特定场景的、可执行的智能代理,仍是当前面临的核心挑战,该领域亟需一套系统化的提示词设计方法,来简化ai agent的开发流程,降低提示词工程的技术门槛,从而推动llm在各类知识密集型场景中的深度应用与价值释放。

技术实现思路

1、针对现有技术中的问题,本技术提供一种业务专家认知驱动的ai agent生成方法及装置,能够利用大语言模型的基础能力,将业务专家的专业经验融入ai agent开发的全生命周期中,从而获得可执行的智能代理。

2、为了解决上述问题中的至少一个,本技术提供以下技术方案:

3、第一方面,本技术提供一种业务专家认知驱动的ai agent生成方法,包括:

4、获取业务专家关于特定问题的答案,并根据答案确定当前业务场景的ai agent的逻辑建模类型;所述特定问题包括:关于决策逻辑的可编码性问题、关于共识构建的必要性问题;所述逻辑建模类型包括协同决策逻辑建模和自动化逻辑建模;

5、将ai agent的建模分成多个阶段,明确各阶段的关键概念和各阶段间的关联逻辑,并据此构建各建模阶段的提示词框架;所述关键概念包括情境、目标、行为;所述提示词框架为树状目录结构;

6、将所述提示词框架输入大语言模型,由大语言模型根据提示词框架的层级结构,按深度优先顺序生成问题序列,并根据业务专家给出的答案生成ai agent各建模阶段的设计文档;

7、基于ai agent各建模阶段的设计文档进行ai agent的开发,获得最终的aiagent。

8、进一步的,所述决策逻辑可编码性包括业务场景规则的明确度和数据的结构化程度;所述共识构建的必要性包括涉及的部门数量;

9、所述获取业务专家关于特定问题的答案,并根据答案确定当前业务场景的aiagent的逻辑建模类型的步骤,包括:

10、从存储器中读取由is专家预设的引导业务专家回答特定问题组的模板,并通过交互界面向业务专家逐题呈现问题,每题对应一个可编码性维度或共识需求维度的评分项;

11、接收业务专家对每题的选择,按照预设的评分规则,计算可编码性总分和共识需求总分,将总分与预设阈值比较,判定为高或低;

12、将判定结果作为输入,采用决策矩阵判定业务场景的逻辑建模类型;所述决策矩阵的行和列分别为:高/低共识需求、高/低可编码性。

13、进一步的,所述将ai agent的建模分成多个阶段,明确各阶段的关键概念和各阶段间的关联逻辑,并据此构建各建模阶段的提示词框架的步骤包括:

14、获取提示词框架初始的树状目录结构;该初始的树状目录结构由is专家根据人智协同理论构建;所述人智协同理论包括协同场景元模型和hat元模型;

15、为树状目录结构的每一个节点确立统一的表达框架;节点要素包括:节点描述、本节点的关键问题清单、示例;其中,所述关键问题清单提供路径引导提示以及元认知监控提示;

16、根据ai agent各建模阶段的关联逻辑,明确提示词框架树状目录结构各层级数据的传输规则;

17、对提示词框架的节点进行知识灌注与案例连接,获得提示词框架最终的树状目录结构。

18、进一步的,ai agent的建模包括:阶段1的业务协同决策分析阶段、阶段2的hat任务分配阶段、阶段3的ai agent初步设计阶段、阶段4的ai agent详细设计阶段。

19、进一步的,ai agent各阶段间的关联逻辑包括:

20、阶段1中的业务目标在阶段2中扩展为人智协同团队目标,人智协同团队目标在阶段4中根据分工被拆解为各个ai agent的任务目标;

21、阶段2中分配给ai agent的任务,在阶段3中被拆解为多个子任务,所述子任务与阶段4中的工作流节点一一对应;

22、阶段3中的社会属性设计与阶段4中的工作流设计一一对应;所述社会属性设计包括可交互性、可解释性、可交接性;所述工作流设计包括交互界面设计、工作流节点设计、异常处理与协同机制设计。

23、进一步的:

24、所述业务协同决策分析阶段的设计文档包括:

25、从宏观业务流程中定位的协同情境,所述协同情境包括业务环境与状态、场景目标、参与者、决策行为、协同决策活动;

26、所述协同决策逻辑建模的业务协同决策分析阶段的设计文档还包括:对协同情境的事件级剖析,包括:从各参与者视角出发梳理的各自决策事件的协同逻辑链条,决策知识及数据,业务逻辑与判断准则;

27、所述hat任务分配阶段的设计文档包括:

28、根据协同情境明确的人智协同团队将运营的具体业务范畴与边界;

29、人智协同团队的概念模型,由宏观目标转化的可量化、可追踪的任务成功标准;

30、由团队的总目标分解的若干个具体任务,每个具体任务由一个智能体作为承担单元,且每个智能体具备对应的目标和具体职责;

31、基于解构出的任务和智能体分配的业务人员与ai的动态任务;基于动态任务分配的结果,识别并定义出的所需的ai agent;

32、所述ai agent初步设计阶段的设计文档包括:

33、由分配给ai agent的具体任务拆解的可执行的子任务序列,以及ai与人类在各子任务中的协作关系模式;

34、ai agent运行所需的知识库、数据接口及潜在算法模型;

35、ai agent作为协作伙伴的社会属性,以及对应人类队友在ai介入后的决策行为;

36、所述ai agent详细设计阶段的设计文档包括:

37、通过子任务映射获得的由节点组成的流程,每个节点的执行逻辑,以及每个节点的参数配置;

38、人机交互界面方案以及异常检测与处理机制。

39、进一步的,所述基于ai agent各建模阶段的设计文档进行ai agent的开发,获得最终的ai agent的步骤,包括:

40、将设计文档解析为工作流节点配置生成yml文件,并将其导入低代码平台自动构建agent,获得最终的ai agent。

41、第二方面,本技术提供一种业务专家认知驱动的ai agent生成装置,包括:

42、框架类型匹配模块,用于获取业务专家关于特定问题的答案,并根据答案确定当前业务场景的ai agent的逻辑建模类型;所述特定问题包括:关于决策逻辑的可编码性问题、关于共识构建的必要性问题;所述逻辑建模类型包括协同决策逻辑建模和自动化逻辑建模;

43、框架构建模块,用于将ai agent的建模分成多个阶段,明确各阶段的关键概念和各阶段间的关联逻辑,并据此构建各建模阶段的提示词框架;所述关键概念包括情境、目标、行为;所述提示词框架为树状目录结构;

44、设计文档生成模块,用于将所述提示词框架输入大语言模型,由大语言模型根据提示词框架的层级结构,按深度优先顺序生成问题序列,并根据业务专家给出的答案生成ai agent各建模阶段的设计文档;

45、结果输出模块,用于基于ai agent各建模阶段的设计文档进行ai agent的开发,获得最终的ai agent。

46、第三方面,本技术提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的业务专家认知驱动的ai agent生成方法的步骤。

47、第四方面,本技术提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的业务专家认知驱动的ai agent生成方法的步骤。

48、第五方面,本技术提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现所述的业务专家认知驱动的ai agent生成方法的步骤。

49、由上述技术方案可知,本技术提供一种业务专家认知驱动的ai agent生成方法及装置,该方法基于提示词工程,定义一套具有弹性的、业务场景导向的提示词框架,该框架用于引导业务专家与技术专家,围绕复杂协同决策场景,系统地完成ai agent开发全生命周期中的需求分析、功能设计与逻辑定义。通过此方式,将原本业务专家持有的依赖个人经验的隐性知识,转化为结构化的ai agent执行逻辑融入ai agent开发的全生命周期中,从而降低业务人员与技术人员之间跨领域协作的沟通成本,确保所构建的ai agent精准契合业务实际。此外,通过开发全过程的认知引导,降低开发过程的技术复杂度,实现ai agent的半自动生成,从而有效提升敏捷开发与运营效率,并促进技术文档的快速生成与组织知识的系统化沉淀。