知识管理方法和装置与流程
本申请涉及计算机,尤其涉及知识管理方法、装置。
背景技术:
1、大语言模型智能代理在处理业务问题时,通常需要依赖大量的领域知识,例如数据库表结构、业务逻辑实现方式等。在相关技术中,通常采用人工编写知识文档或全量注入提示词的方式向模型提供知识。当接收到用户请求时,系统加载相应的文档片段或将全部知识直接注入上下文供模型处理。
2、然而,上述技术在业务快速迭代时,人工维护成本高且更新滞后,导致模型基于过时知识生成错误结果;全量注入方式使得上下文数据量过大,导致模型调用的token开销巨大,增加了系统的数据处理压力和内存资源占用;同时,现有方案缺乏对代码库业务逻辑的系统性获取手段,且缺乏根据交互反馈自动更新知识的能力,导致系统重复处理相同的错误请求,造成计算资源的浪费,系统整体的知识利用率和处理效率有待提升。
技术实现思路
1、本申请实施例提供一种知识管理方法、装置、电子设备、计算机可读存储介质,以至少部分地解决相关技术中存在的上述问题。
2、根据本申请的其中一方面,提供一种知识管理方法,包括:获取目标数据库中数据对象的结构化定义信息,基于结构化定义信息提取数据对象的第一类摘要信息;获取目标代码库中代码文件之间的依赖关系,基于依赖关系从目标代码库中确定至少一个起点文件,并以起点文件为起点沿依赖关系进行遍历学习,得到目标代码库的第二类摘要信息;检测交互过程中的反馈信息,响应于反馈信息满足预设条件,基于反馈信息构建或更新对象标识与业务术语的映射关系;基于第一类摘要信息、第二类摘要信息以及映射关系,响应于知识调用请求输出知识数据。
3、根据本申请的其中一方面,提供一种知识管理装置,包括:第一获取模块,用于获取目标数据库中数据对象的结构化定义信息,基于结构化定义信息提取数据对象的第一类摘要信息;第二获取模块,用于获取目标代码库中代码文件之间的依赖关系,基于依赖关系从目标代码库中确定至少一个起点文件,并以起点文件为起点沿依赖关系进行遍历学习,得到目标代码库的第二类摘要信息;第一响应模块,用于检测交互过程中的反馈信息,响应于反馈信息满足预设条件,基于反馈信息构建或更新对象标识与业务术语的映射关系;第二响应模块,用于基于第一类摘要信息、第二类摘要信息以及映射关系,响应于知识调用请求输出知识数据。
4、根据本申请的其中一方面,提供一种电子设备,包括处理器和存储器;存储器存储有计算机程序;处理器执行计算机程序时,实现以上任一知识管理方法。
5、根据本申请的其中一方面,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时,实现以上任一知识管理方法。
6、本申请其中一实施例提供一种知识管理方法,包括:获取目标数据库中数据对象的结构化定义信息,基于结构化定义信息提取数据对象的第一类摘要信息;获取目标代码库中代码文件之间的依赖关系,基于依赖关系从目标代码库中确定至少一个起点文件,并以起点文件为起点沿依赖关系进行遍历学习,得到目标代码库的第二类摘要信息;检测交互过程中的反馈信息,响应于反馈信息满足预设条件,基于反馈信息构建或更新对象标识与业务术语的映射关系;基于第一类摘要信息、第二类摘要信息以及映射关系,响应于知识调用请求输出知识数据。这样,实现了知识的自动获取与反馈自进化,降低了人工维护成本及模型调用的token开销,提高了知识管理的处理效率。同时,通过分层加载与按需获取,降低了模型处理上下文数据时的数据处理压力和内存资源占用,并减少了因重复处理错误请求而产生的冗余计算资源浪费。
1.一种知识管理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述获取目标代码库中代码文件之间的依赖关系,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述依赖关系从所述目标代码库中确定至少一个起点文件,包括:
4.根据权利要求3所述的方法,其特征在于,所述以所述起点文件为起点沿所述依赖关系进行遍历学习,得到所述目标代码库的第二类摘要信息,还包括:
5.根据权利要求4所述的方法,其特征在于,所述沿所述有向依赖图进行广度优先搜索,还包括:
6.根据权利要求1所述的方法,其特征在于,所述获取目标数据库中数据对象的结构化定义信息,基于所述结构化定义信息提取所述数据对象的第一类摘要信息,包括:
7.根据权利要求1所述的方法,其特征在于,所述检测交互过程中的反馈信息,响应于所述反馈信息满足预设条件,基于所述反馈信息构建或更新对象标识与业务术语的映射关系,包括:
8.根据权利要求7所述的方法,其特征在于,所述从与所述反馈信息对应的历史交互文本中提取候选关键词,包括:
9.根据权利要求6所述的方法,其特征在于,所述扫描所述目标数据库,包括:
10.根据权利要求4所述的方法,其特征在于,所述方法还包括:
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