一种SOP驱动的AI工作流生成方法及系统与流程

本发明涉及人工智能及计算机软件，具体为一种sop驱动的ai工作流生成方法及系统。

背景技术：

1、随着业务流程数字化和人工智能技术的发展，标准作业程序逐步由静态文本转变为可供软件系统解析和执行的流程知识，现有工作流生成技术通常通过自然语言处理、语义识别和节点抽取，从流程描述文本中识别执行动作、条件关系及数据对象，再将识别结果转换为节点序列或流程图结构。为提高复杂流程描述的解析能力，相关技术还引入多模态内容解析、统一中间表示、规则模型与神经网络联合分类等方式，使文本、表格和流程图中的流程信息能够进入统一处理过程。

2、随着智能执行组件不断丰富，节点生成后还需要结合语义匹配、输入输出类型和业务场景，为节点选择相应执行能力，并按照节点之间的数据传递关系和控制关系完成工作流编排，不同执行环境通常具有节点数量、嵌套深度、接口类型和配置格式等限制，工作流生成结果还需要经过结构调整、参数绑定和配置转换后才能进入目标执行环境。

3、现有技术虽然能够完成流程文本解析和基本节点编排，但流程描述与可执行工作流之间仍存在明显的结构转换缺口。流程描述往往只记载业务动作和目标结果，数据校验、格式转换、中间处理等执行内容可能没有被明确写出；直接依据显式步骤构建节点序列时，相邻节点容易出现输入输出类型不匹配或业务逻辑断层。单一步骤包含多个复合动作时，直接映射为单一节点也可能造成节点内部数据关系不清。另一方面，节点图进入具体执行环境后，还可能受到节点承载能力和执行结构限制，已有流程结构无法直接满足目标执行环境时，需要重新调整节点组织关系；节点运行过程中出现输入异常、执行超时或外部服务不可用时，原有流程描述通常也缺少与异常状态对应的执行路径。可以看出，现有工作流生成技术在将流程描述文本转化为节点结构时，往往难以在隐含执行内容、节点数据衔接差异以及执行环境能力约束并存的情况下，形成数据连续且逻辑完整并适配目标执行环境承载要求的工作流结构。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：现有的基于流程描述文本生成工作流的方法存在显式流程步骤与实际执行所需节点之间衔接不完整、节点间数据流连续性低、工作流结构对不同执行环境的适配效率低，以及如何在执行环境能力约束下实现节点拓扑重构和异常处理分支补全的问题。

3、为解决上述技术问题，本发明提供如下技术方案：一种sop驱动的ai工作流生成方法，包括获取流程描述文本，并基于所述流程描述文本提取初始节点序列；基于所述初始节点序列中相邻节点间的数据流连续性检测，推断并补全隐含节点，以构建数据流闭合的初始节点图；获取目标执行环境的能力约束矩阵，基于所述能力约束矩阵对所述初始节点图进行拓扑重构与异常处理分支补全，形成目标节点图；基于所述目标节点图，序列化生成适配所述能力约束矩阵的目标工作流配置。

4、作为本发明所述的sop驱动的ai工作流生成方法的一种优选方案，其中：所述基于所述流程描述文本提取初始节点序列包括，对所述流程描述文本进行内容块类型识别，所述内容块类型包括段落文本块、表格结构块和列表枚举块；针对不同类型的所述内容块分别执行对应的解析策略以提取节点信息；将每一所述内容块的解析结果融合为所述初始节点序列。

5、作为本发明所述的sop驱动的ai工作流生成方法的一种优选方案，其中：所述基于所述流程描述文本提取初始节点序列还包括，将多模态格式的流程描述文本转换为统一中间表示结构，并基于规则引擎与神经网络模型进行节点类型分类，形成所述初始节点序列；基于语义相似度、功能相似度与场景相似度的多维度融合，为所述初始节点序列中的每一节点匹配对应的功能组件；基于依存句法分析从所述流程描述文本中抽取动作单元作为候选节点；应用启发式规则过滤无效候选节点，并合并语义相似度大于预设相似度阈值的连续候选节点；基于语义匹配度、历史准确率与上下文连贯性计算各候选节点的置信度评分，基于所述置信度评分确定所述初始节点序列。

6、作为本发明所述的sop驱动的ai工作流生成方法的一种优选方案，其中：所述为所述初始节点序列中的每一节点匹配对应的功能组件包括，通过词袋模型与排序算法进行关键词匹配得到第一候选集；通过计算所述统一中间表示结构与预定义场景模板的结构相似度进行模板匹配得到第二候选集；通过向量数据库检索历史成功案例进行语义嵌入匹配得到第三候选集；基于所述第一候选集、所述第二候选集和所述第三候选集确定所述功能组件。

7、作为本发明所述的sop驱动的ai工作流生成方法的一种优选方案，其中：所述推断并补全隐含节点包括，检测所述相邻节点间输入数据与输出数据的数据类型匹配度；当检测到所述数据类型匹配度不满足预设匹配条件，或检测到所述相邻节点间存在逻辑断层时，在所述相邻节点间插入数据转换节点或数据校验节点作为所述隐含节点。

8、作为本发明所述的sop驱动的ai工作流生成方法的一种优选方案，其中：所述在所述相邻节点间插入数据转换节点或数据校验节点作为所述隐含节点包括，解析所述流程描述文本中步骤描述的前置状语或结果状语，提取前置条件节点或后置动作节点作为所述隐含节点；当检测到所述数据类型匹配度不满足预设匹配条件时，基于所述相邻节点的输入数据与输出数据的数据类型，自动生成数据转换节点并插入所述相邻节点间；当所述流程描述文本中的单一步骤包含不同复合动作时，将所述单一步骤拆分为不同子节点，并验证所述不同子节点之间的数据流连续性，若验证不通过则在所述不同子节点间插入所述数据转换节点。

9、作为本发明所述的sop驱动的ai工作流生成方法的一种优选方案，其中：所述基于所述能力约束矩阵对所述初始节点图进行拓扑重构与异常处理分支补全包括，当检测到所述初始节点图的拓扑特征与所述能力约束矩阵存在冲突时，对所述初始节点图执行节点聚合操作或嵌套展平操作；基于节点执行状态或外部服务状态，触发异常处理分支补全，将生成的异常处理节点接入所述初始节点图；当检测到节点的输入数据为空或格式错误时，生成数据清洗节点或默认值填充节点；当检测到节点执行时间超过预设时间阈值时，生成重试节点或降级执行节点；当检测到输出结果置信度低于预设置信度阈值时，生成人工复核节点；当检测到外部接口调用失败时，生成缓存读取节点或备用服务切换节点。

10、作为本发明所述的sop驱动的ai工作流生成方法的一种优选方案，其中：所述对所述初始节点图执行节点聚合操作或嵌套展平操作包括，当所述初始节点图的节点数量超过所述能力约束矩阵中的节点数量上限时，将功能相近的多个节点合并为复合节点，或将线性串联的节点合并为批处理节点；当所述初始节点图的嵌套深度超过所述能力约束矩阵中的深度上限时，将深层嵌套的条件分支提取为子工作流，并通过工作流调用节点实现逻辑嵌套。

11、作为本发明所述的sop驱动的ai工作流生成方法的一种优选方案，其中：所述序列化生成适配所述能力约束矩阵的目标工作流配置之后还包括，对所述目标工作流配置执行格式校验与沙箱预执行验证；当验证未通过时，基于错误类型回溯至所述拓扑重构或所述隐含节点的补全步骤进行迭代修正，直至验证通过或达到预设迭代上限。

12、本发明的另外一个目的是提供一种sop驱动的ai工作流生成系统，其能通过对流程描述文本形成的初始节点序列进行数据流连续性检测及隐含节点补全，并结合目标执行环境的能力约束对节点结构进行拓扑重构和异常处理分支补全，解决了现有工作流生成技术中流程节点数据衔接不完整、生成的节点结构与目标执行环境能力约束不匹配的问题。

13、作为本发明所述的sop驱动的ai工作流生成系统的一种优选方案，其中：包括流程解析与节点提取模块、数据流闭合与图构建模块、拓扑重构与异常补全模块、工作流配置生成模块；所述流程解析与节点提取模块，用于获取流程描述文本，并基于所述流程描述文本提取初始节点序列；所述数据流闭合与图构建模块，用于基于所述初始节点序列中相邻节点间的数据流连续性检测，推断并补全隐含节点，以构建数据流闭合的初始节点图；所述拓扑重构与异常补全模块，用于获取目标执行环境的能力约束矩阵，基于所述能力约束矩阵对所述初始节点图进行拓扑重构与异常处理分支补全，得到目标节点图；所述工作流配置生成模块，用于基于所述目标节点图，序列化生成适配所述能力约束矩阵的目标工作流配置。

14、本发明的有益效果：本发明提供的sop驱动的ai工作流生成方法通过对流程描述形成的节点序列进行数据流连续性检测并补全影响执行衔接的隐含节点，使流程描述中的显式业务步骤能够形成数据连续、逻辑完整的节点结构；通过结合目标执行环境的能力约束对节点结构进行拓扑调整，并依据节点运行状态补充异常处理路径，使生成的节点图能够适配实际执行环境并保持异常状态下的流程完整性；通过将完成结构适配的节点图转换为目标执行环境可识别的工作流配置，使流程描述、节点结构与实际执行配置之间形成连续转换关系；本发明在工作流节点的数据衔接完整性、节点结构与执行环境的适配性以及工作流配置的可执行性方面均取得更加良好的效果。