基于大语言模型的交互式故障诊断方法及系统与流程

本发明涉及工业运维，特别是涉及一种基于大语言模型的交互式故障诊断方法及系统。

背景技术：

1、在工业运维场景中，设备故障的快速定位与排除是保障生产连续性的关键。典型的工业运维场景包括配电房漏水监测、变电站局部放电检测、生产线设备状态监控等。这些场景具有以下共同特征：

2、(1) 数据量大：工业现场部署大量传感器和监控设备，持续产生海量运行日志。

3、(2) 数据格式复杂：工业日志包含多种格式，如十六进制协议报文、二进制时序数据、结构化告警信息、非结构化文本记录等，直接输入大语言模型难以有效解析。

4、(3) 网络条件受限：工业现场通常位于偏远地区，网络带宽有限且不稳定，全量数据上云的延迟和可靠性难以保证。

5、(4) 数据敏感性高：工业运行数据涉及生产工艺参数、设备运行状态等敏感信息，数据泄露可能造成商业损失或安全隐患。

6、(5) 排障时效要求高：设备故障需要在分钟级甚至秒级完成定位和响应，延迟排障可能导致生产中断或安全事故。

7、随着计算机技术的飞速发展，引入大语言模型处理运维数据成为提高故障诊断效率和精准度的有效手段之一，而如何在利用大语言模型强大的推理与诊断能力的同时，实现工业现场海量日志数据的本地化处理，避免全量数据上云带来的带宽消耗、延迟过高、数据隐私泄露和模型token瓶颈等问题，成为该项技术应用亟待解决的问题。

技术实现思路

1、鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于大语言模型的交互式故障诊断方法及系统，具有减少带宽消耗、降低传输延迟、提高保密性的优点。

2、为实现上述目的及其他相关目的，本发明提供如下技术方案：

3、本发明公开实施例第一方面，提供一种基于大语言模型的交互式故障诊断方法，包括：

4、基于接收到的排障需求信息从预置工具库中加载对应的解析工具以解析运维意图，并上传至大语言模型进行上下文信息诊断；

5、获取大语言模型因上下文信息缺失而反向下发的结构化工具调用命令，所述工具调用命令包括工具名称和参数键值对；

6、解析所述结构化工具调用命令，并在本地时序数据库中检索物理设备在所述时间窗口内的历史原始日志；

7、对检索到的所述历史原始日志按指定时间窗口执行统计聚合处理，并生成供大语言模型识别的精简语义上下文；

8、将所述精简语义上下文进行封装处理，并在封装过程中进行脱敏处理以得到结构化的执行结果加密回传至大语言模型；

9、获取由大语言模型基于所述精简语义上下文推理形成的诊断结果，并在上下文信息缺失时循环迭代下发结构化工具调用命令直至生成最终诊断报告。

10、于本发明的一实施例中，所述排障需求信息基于巡检策略表定时巡检形成或当设备状态异常时实时上报触发形成。

11、于本发明的一实施例中，基于巡检策略表定时巡检形成基于巡检策略表定时巡检形成排障需求信息时，根据巡检策略表中配置的巡检周期定时在本地时序数据库中检索巡检时间窗口内的设备数据，并与巡检策略表中定义的异常规则进行匹配以判断是否存在异常状态，若是，则形成排障需求信息；

12、当设备状态异常时实时上报触发形成排障需求信息时，根据异常事件参数调用解析工具进行关联数据检索与分析操作，并基于分析结果形成排障需求信息。

13、于本发明的一实施例中，所述获取大语言模型因上下文信息缺失而反向下发的结构化工具调用命令时，大语言模型基于接收到的运维意图评估是否具备足够的上下文信息进行诊断，若否，则根据上下文信息中定义的工具描述生成结构化工具调用命令并方向下发。

14、于本发明的一实施例中，所述解析所述结构化工具调用命令时，获取对应所述结构化工具调用命令的工具名称，以在本地预置执行脚本库中查找对应的执行脚本，并将工具调用参数传递至执行脚本执行检索操作。

15、于本发明的一实施例中，所述统计聚合处理具体包括：均值统计、极值统计、标准差统计和频次统计。

16、于本发明的一实施例中，所述在封装过程中进行脱敏处理具体包括：将设备标识替换为匿名编号、将网络地址移除或替换为虚拟地址、对工艺参数保留趋势特征并偏移绝对值、将位置信息替换为区域编号、对聚合统计结果仅释放脱敏后的聚合摘要和统计特征。

17、于本发明的一实施例中，进行脱敏处理时，根据当前迭代轮次控制信息渐进释放：初始轮次释放粗粒度聚合摘要，当大语言模型请求更细粒度数据时，逐轮提升信息释放粒度至中等粒度分段统计或细粒度脱敏趋势。

18、于本发明的一实施例中，在上下文信息缺失进行循环迭代过程中，根据新生成的结构化工具调用命令调整检索参数执行增量式数据检索和渐进式特征细化。

19、本发明公开实施例第二方面，提供一种基于大语言模型的交互式故障诊断系统，包括：

20、加载解析模块，用于基于接收到的排障需求信息从预置工具库中加载对应的解析工具以解析运维意图，并上传至大语言模型进行上下文信息诊断；

21、命令获取模块，用于获取大语言模型因上下文信息缺失而反向下发的结构化工具调用命令，所述工具调用命令包括工具名称和参数键值对；

22、解析检索模块，用于解析所述结构化工具调用命令，并在本地时序数据库中检索物理设备在所述时间窗口内的历史原始日志；

23、特征聚合模块，用于对检索到的所述历史原始日志按指定时间窗口执行统计聚合处理，并生成供大语言模型识别的精简语义上下文；

24、封装脱敏模块，用于将所述精简语义上下文进行封装处理，并在封装过程中进行脱敏处理以得到结构化的执行结果加密回传至大语言模型；

25、诊断输出模块，用于获取由大语言模型基于所述精简语义上下文推理形成的诊断结果，并在上下文信息缺失时循环迭代下发结构化工具调用命令直至生成最终诊断报告。

26、如上所述，本发明具有以下有益效果：

27、本发明公开实施例通过提供一种基于大语言模型的交互式故障诊断方法及系统，其中，所述方法包括：基于接收到的排障需求信息从预置工具库中加载对应的解析工具以解析运维意图，并上传至大语言模型进行上下文信息诊断；获取大语言模型因上下文信息缺失而反向下发的结构化工具调用命令，所述工具调用命令包括工具名称和参数键值对；解析所述结构化工具调用命令，并在本地时序数据库中检索物理设备在所述时间窗口内的历史原始日志；对检索到的所述历史原始日志按指定时间窗口执行统计聚合处理，并生成供大语言模型识别的精简语义上下文；将所述精简语义上下文进行封装处理，并在封装过程中进行脱敏处理以得到结构化的执行结果加密回传至大语言模型；获取由大语言模型基于所述精简语义上下文推理形成的诊断结果，并在上下文信息缺失时循环迭代下发结构化工具调用命令直至生成最终诊断报告。通过统计聚合处理生成精简语义上下文，并进行封装及脱敏处理回传至大语言模型，使得数据上云量实现数量级压缩，大幅度降低了带宽消耗与传输延迟，并通过脱敏处理能够有效提高保密性，同时根据结构化工具调用命令获取相应历史原始日志，其调用的数量远小于全量日志，在确保获取信息的诊断相关性的同时，提高了诊断准确率并能够突破大语言模型的token上限瓶颈，再通过循环迭代的方式进行排障直至生成最终诊断报告，提高诊断的全面性和诊断结果的准确性。