基于知识图谱的告警方法及系统、设备、存储介质与流程

本发明属于告警，特别涉及基于知识图谱的告警方法及系统、设备、存储介质。

背景技术：

1、当前，智能体框架（如 langchain、autogen 和 babyagi）已成为技术领域发展的核心驱动力。然而，在告警分析与处置方面，这些框架仍存在诸多局限性。首先，对图像、传感器等多模态数据的支持较为薄弱，难以高效整合多源传感器数据并进行统一分析。其次，现有开源智能体框架在应对复杂告警场景时，工具选择和规划可靠性不足，往往依赖大量人工调优与规则引导，泛化能力相对有限，难以满足多变环境下的智能决策需求。

2、当前主流的智能体框架（如 langchain、autogen、babyagi 等）在多模态交互、逻辑推理和任务规划执行方面仍存在显著局限性。首先，多模态处理能力薄弱，难以实现文本、图像、视频等数据的高效融合与跨模态推理，影响自然交互体验。同时，逻辑推理与可解释性欠缺，导致复杂决策场景下缺乏透明性和可靠性。此外，工具选用与多步规划存在不稳定性，易出现调用失败、参数错配等问题，且缺乏实时纠偏机制，削弱整体任务执行的准确性与鲁棒性。

3、此外，当前框架在自学习与自适应能力方面不足，依赖静态预训练模型，难以在新场景中快速调整与优化，限制了泛化性与实时决策效果。同时，高并发场景下，复杂工作流的执行效率较低，跨层级调用带来的额外开销显著，存在性能瓶颈与稳定性风险。如cn119202149a公开的一种基于大模型智能体多轮推理的长视频问答方法。

4、此外，现有方法动态决策方面存在显著瓶颈。由于缺乏自主学习与推理机制，系统在应对突发事件或复杂环境变化时反应迟缓且适应性不足。cn119539078a公开的一种基于联邦上下文学习和大模型智能体的知识查询方法，但该方法仅做知识查询。

5、综上所述，当前主流的智能体框架在构建基于语言模型的应用程序方面已展现出较强的任务分解、工具调用和多步推理能力。然而，这些框架在复杂、多变的实际场景中仍然存在以下局限性：

6、多模态交互能力薄弱：在处理多模态数据（如文本、图像、视频和传感器数据）时，系统在信息关联、语义对齐和跨模态推理方面存在不足，难以实现自然、流畅的人机交互。

7、逻辑推理和可解释性欠缺：现有语言模型在结构化知识理解与逻辑推理方面仍存在挑战，推理过程缺乏可解释性和可靠性，难以满足复杂场景下对透明、可信决策的需求。‌

8、空间治理工具库中的工具选用与规划可靠性不足：在工具选用与多步骤规划过程中，智能体常出现工具错配、参数不一致、调用失败等问题，影响规划的准确性与执行效率。同时，由于规划与执行模块割裂，缺乏高效的执行反馈机制，导致错误难以实时纠偏，易引发错误累积，削弱整体任务执行的稳定性与鲁棒性‌。

9、自学习与自适应能力不足：系统主要依赖静态的预训练模型，缺乏自学习与动态调整机制，难以在新场景或突发事件中实现快速适配与优化，影响了实时决策效果与泛化能力。

10、性能以及稳定性隐患：复杂智能体工作流在高并发场景下执行效率较低，跨层级抽象调用带来的额外开销显著，导致系统在大规模任务处理时存在性能瓶颈与稳定性风险。

技术实现思路

1、针对上述问题，本发明提供了基于知识图谱的告警方法及系统、存储介质、设备。

2、本发明的第一个目的在于提供一种基于知识图谱的告警方法，包括：

3、根据治理知识图谱、空间治理知识库和空间治理工具库，对用户数据匹配空间治理工具，并生成任务执行信息；

4、根据工具匹配的结果、任务执行信息，以及空间治理工具库，执行用户数据中对应的任务；

5、根据任务执行结果，以及推理法，生成告警与处置的结果。

6、在本发明具体实施例中，所述治理知识图谱的构建，包括：

7、从多源数据中自动抽取实体-关系-实体三元组；

8、根据三元组数据构建治理知识图谱，并将构建好的治理知识图谱存储在图数据库。

9、在本发明具体实施例中，所述空间治理知识库的构建，包括：

10、对获取的数据进行内容解析；

11、对内容解析的文本进行文本抽取与清洗、分割；

12、对分割所得的语义块进行相似度比较，并根据比较所得的相似度值的大小，选择是否链接语义块；

13、将文本以及对应的链接的语义块、对应的未链接的语义块向量存储；

14、基于存储结果，完成空间治理知识库的构建。

15、在本发明具体实施例中，所述根据治理知识图谱、空间治理知识库和用户数据，包括：

16、对用户数据提取核心要素；

17、根据提取的核心要素，在治理知识图谱中实体-关系-实体三元组信息中查找匹配的任务节点；

18、根据匹配情况，对用户数据匹配治理工具，并生成任务执行信息。

19、在本发明具体实施例中，所述根据匹配情况，对用户数据匹配治理工具，并生成任务执行信息，包括：

20、根据定位的影响因子数目，将用户数据对应任务类型拆解为对应数目的子任务；

21、在空间治理工具库中为每个子任务分配关联匹配的工具信息；

22、生成任务执行信息。

23、在本发明具体实施例中，所述根据治理知识图谱、空间治理知识库和空间治理工具库，对用户数据匹配空间治理工具，并生成任务执行信息，包括：

24、通过空间治理知识库，识别与当前任务类型相关的潜在影响因子，并输出结构化的候选影响因子集合；

25、根据候选影响因子集合中的影响因子数目，将用户数据对应任务类型拆解为对应数目的子任务；

26、在空间治理工具库中为每个子任务分配关联匹配的工具信息；

27、生成任务执行信息。

28、在本发明具体实施例中，所述根据工具匹配的结果、任务执行信息，以及空间治理工具库，执行用户数据中对应的任务，包括：

29、根任务执行信息，确定当前执行的子任务；

30、根据工具匹配的结果，调用选定工具，完成当前子任务所需的处理操作；

31、重复“根任务执行信息，确定当前执行的子任务”和“根据工具匹配的结果，调用选定工具，完成当前子任务所需的处理操作”步骤，直至用户数据中对应任务的完成；

32、获取并汇总所有子任务对应工具的分析结果，并作为任务执行结果输出。

33、在本发明具体实施例中，所述根据任务执行结果，以及推理法，生成告警与处置的结果，包括：

34、根据任务执行结果，融合各子任务结果；

35、根据融合结果，采用演绎推理法，围绕“是否需要告警”进行推理判断；

36、根据“否需要告警”的推理结果，推理流程终止，输出推理结果；

37、根据“需要告警”的推理结果，采用溯因推理法，识别“告警产生的原因”，并输出结构化的因果链；

38、根据结构化的因果链，采用归纳推理法，预测“未来可能的发展趋势”，并输出发展趋势信息；

39、根据结构化的因果链和发展趋势信息，综合演绎推理法、溯因推理法和归纳推理法，制定“处置方法”，并输出处置方法信息。

40、在本发明具体实施例中，所述的一种基于知识图谱的告警方法，还包括：根据户数据中对应任务完成信息，更新治理知识图谱的动态；

41、所述根据户数据中对应任务完成信息，更新治理知识图谱的动态，包括：

42、记录用户数据中对应任务完成信息中的关键信息；

43、从记录的关键信息提取结构化三元组信息；

44、将提权的三元组信息存储于治理知识图谱中，完成空间治理知识图谱的更新。

45、本发明的第二个目的在于提供一种基于知识图谱的告警系统，包括：

46、任务规划与工具匹配模块：用于根据治理知识图谱、空间治理知识库和用户数据，空间治理知识库和空间治理工具库，对用户数据匹配空间治理工具，并生成任务执行信息；

47、动态工具执行与调用模块：用于根据工具匹配的结果、任务执行信息，以及空间治理工具库，执行用户数据中对应的任务；

48、多模态推理与决策模块：用于根据任务执行结果，以及推理法，生成告警与处置的结果。

49、在本发明具体实施例中，所述的一种基于知识图谱的告警系统，还包括治理知识图谱模块；

50、所述治理知识图谱模块用于治理知识图谱的构建。

51、在本发明具体实施例中，所述的一种基于知识图谱的告警系统，还包括知识加工处理模块；

52、所述知识加工处理模块用于空间治理知识库的构建。

53、在本发明具体实施例中，所述的一种基于知识图谱的告警系统，还包括反馈优化与自学习模块；

54、所述反馈优化与自学习模块用于根据户数据中对应任务完成信息，更新治理知识图谱的动态。

55、本发明的第三个目的在于提供一种电子设备，包括：处理器，所述处理器与存储器耦合；

56、所述存储器，用于存储计算机程序；

57、所述处理器，用于执行所述存储器中存储的所述计算机程序，以使得所述电子设备执行如上述的方法。

58、本发明的第四个目的在于提供一种计算机可读存储介质，所述计算机可读存储介质存储有程序或指令，当所述程序或指令在计算机上运行时，使得所述计算机执行如上述的方法。

59、本发明的有益效果：

60、本发明的基于知识图谱的告警方法及系统、存储介质、设备，本发明通过治理知识图谱、空间治理知识库和空间治理工具库，实现了对用户数据空间治理工具的匹配，并生成任务执行信息；其中，空间治理知识库作为治理知识图谱对用户数据空间治理工具的匹配步骤的补充，深化用户数据与告警事件相关信息之间关联，提高提高了跨场景的处理能力，实现了在复杂场景下的深度理解与高效推理。

61、而且，通过治理知识图谱的构建，实现了将图像中的目标信息与文本描述匹配，实现跨模态关联推理。

62、通过空间治理知识库的构建，能够实现对接收的图像、视频、文本、气象与ptz参数等多模态数据，进行特征提取与结构化存储。

63、本发明在根据任务执行结果，以及推理法，生成告警与处置的结果中，应用了演绎推理、溯因推理、归纳推理三种推理方法，采用多模态推理链路，将图像信息、视频特征与文本信息进行融合推理，提升在复杂场景下的环境理解能力，提高决策透明度；

64、通过基于三种检索结果的推理决策，结合了治理知识图谱与空间治理知识库，在推理过程中动态检索相关知识，增强推理能力。

65、本发明将推理过程进行链路可视化展示，清晰呈现推理依据、证据链与决策过程，提高可解释性与可信度。

66、通过治理知识图谱的动态更新，提高任务执行的稳定性与鲁棒性；

67、基于知识图谱中积累的影响因子与工具匹配关系，本发明在后续任务中自动调整工具调用逻辑，减少错配率。

68、本发明能够根据场景特征、任务类型与历史表现，自动推荐最佳工具组合，显著提升任务执行的准确性与效率。

69、本发明采用主动学习机制，在新场景下自动收集反馈数据，优化任务拆解与规划相关的影响因子，快速适配新任务。

70、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。