一种AI辅助数据指标工程的提案生成与约束校验方法及系统与流程

本发明属于数据处理，具体涉及一种ai辅助数据指标工程的提案生成与约束校验方法及系统。

背景技术：

1、生成式模型辅助数据分析的现有技术分四类：（a）读路径对话式查询——将自然语言转换为查询语句执行，明确不修改数据模型；（b）编辑器辅助生成——模型在编辑环境内生成数据模型或度量表达式建议，用户采纳后建议内容直接写入模型，不存在独立于模型的强制校验流水线；（c）建议-确认两段式——模型生成建议（如字段映射、知识条目）并经人工确认后写入，但确认后不再经过独立的确定性约束校验，亦无行级明细数据过滤、并发控制与服务降级机制；（d）通用工具调用框架——模型按工具描述发起调用并循环执行，属通用机制，无"格式门禁—确认停点—约束防线"三段闭环与行级守卫、降级双轨的组合限定。

2、在医疗质量评审等对数据口径准确性要求严格的场景，数据工程对象（指标口径、模型关联）错一处即是评审事故，"生成建议、采纳即写入"的形态不可用；同时模型取证若可触达明细数据，存在个人敏感信息暴露风险。因此，本技术提供一种ai辅助数据指标工程的提案生成与约束校验方法及系统，以格式门禁、只读守卫、确定性校验流水线、锁与留痕、降级双轨的组合，解决生成式模型输出不受控落库、敏感明细数据经由取证环节外流至外部模型服务(数据边界失守)等技术问题，同时确保并发修改条件下的写入一致性、外部模型服务不可用时的系统功能可用性。

3、公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

技术实现思路

1、本发明的目的是在于提供一种ai辅助数据指标工程的提案生成与约束校验方法及系统，以解决生成式模型输出不受控落库、数据边界失守等问题，同时确保并发修改条件下的写入一致性、外部模型服务不可用时的系统功能可用性。

2、为了实现上述目的，本发明提供了如下技术方案：

3、一种ai辅助数据指标工程的提案生成与约束校验系统，包括：

4、意图路由模块，用于接收自然语言工程意图，并基于预设规则库做特征匹配，将变更请求导入流水线；

5、只读元数据工具集，通过只读工具取证，输出结果集；

6、行级数据边界守卫，用于对结果集逐行扫描，将行内字段名与预设标识字段集合求交集，交集非空的明细行被移除并以"已拦截n行明细"计数占位符替代；不含标识字段的聚合级统计行放行；

7、提案生成模块，用于生成结构化提案；提案生成模块经行级边界守卫调用只读元数据工具集取证；

8、格式校验模块，采用schema校验规则，拒绝采信任一不满足校验规则的结构化提案；提案经schema格式校验、确认交互模块、领域约束校验器组后由应用与留痕模块以乐观锁写入；

9、确认交互模块，用于预览通过格式校验的提案，人工确认停点；

10、领域约束校验器组，用于逐项验证确认后的提案；

11、应用与留痕模块，用于以乐观锁方式应用确认后的提案，应用结果全量留痕可回溯；

12、降级规则模板路径，在生成式模型服务调用失败或不可用或单会话对话轮次超过预设上限时触发，产物同走确认与校验环节；

13、其中，守卫位于工具输出与提案生成模块之间；格式校验先于确认交互；确认交互先于领域约束校验与应用落库；降级路径产物汇入确认交互之后的同一环节；上述顺序不可调换。

14、作为优选，所述意图路由模块基于预设规则库做特征匹配，变更类特征为变更动词与工程对象名词的组合命中；若命中变更特征，则进入本流水线；否则，转入既有只读问答路径；路由结果与判定依据记入会话留痕。

15、作为优选，行级数据边界守卫独立于提示词，所述守卫的执行位于工具输出序列化为模型输入之前，且其过滤规则配置不取自对话上下文；拦截事件记入留痕。

16、作为优选，所述只读元数据工具集向生成式模型暴露的工具子集依据本会话已完成的取证类型动态确定；在实测类取证未完成前，不向所述生成式模型暴露实测类之外的工具；在预设取证均已完成后，停止工具暴露。

17、作为优选，所述结构化提案包括：意图摘要、操作清单、实测依据和整体置信说明；每项操作清单含操作类型与该类型的必填参数集；每条实测依据须引用取证步骤实际获得的实测值，未经工具取证的凭空数值判为无出处。

18、作为优选，所述schema校验规则包括：字段必填性、枚举取值合法性、参数类型正确性、操作清单非空、实测依据非空且逐条可溯源至本会话内的工具调用记录；任一规则不满足即整体拒绝该输出。

19、作为优选，确认后提案操作逐项经领域约束校验器组验证，校验项包括：基数类型枚举合法；一对多关联必须携带白名单内聚合算子；禁自关联；命名唯一性；引用完整性；表达式安全校验；领域约束校验器组与人工直接建模共用同一服务实现，所述校验器组对模型路径与人工建模路径暴露同一服务调用入口，任一项失败则整体拒绝并返回定位到具体操作项的业务错误。

20、作为优选，系统在提案格式校验环节即校验各操作是否与模型现状重复，重复者判为无效。

21、作为优选，提案应用采用乐观锁，在提案生成时快照目标模型版本标识，应用时以"版本标识等于快照值"为条件执行更新；条件不满足即判定并发冲突，拒绝应用并提示刷新后重试；应用成功则更新版本标识。

22、作为优选，降级行为具体为：按已路由的意图类型从预设规则模板实例化候选操作，或在信息不足以实例化时输出"信息不足，请补充××"提示，禁止在无实测依据时编造提案；降级路径产物同样经过确认与校验应用步骤，即两条轨道共用同一套防线与留痕。

23、本发明还提供一种ai辅助数据指标工程的提案生成与约束校验方法，包括以下步骤：

24、t1、接收自然语言工程意图；

25、t2、意图路由判断请求类型；若是写意图，执行t3；否则转入既有只读问答路径；

26、t3、只读工具取证，输出经行级守卫过滤，含预设标识字段的明细行被拦截；

27、t4、生成结构化提案；

28、t5、对结构化提案进行schema格式校验，任一规则不满足即整体拒绝采信；

29、t6、人工确认停点；

30、t7、领域约束校验器逐项验证确认后的提案；

31、t8、以乐观锁应用确认后的提案；

32、t9、应用结果全量留痕可回溯。

33、作为优选，在生成式模型服务调用失败或不可用或单会话对话轮次超过预设上限时，由规则模板降级路径生成候选操作，并入t6之后的确认与校验环节。

34、本发明还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被执行时能够实现上述的ai辅助数据指标工程的提案生成与约束校验方法。

35、本发明还提供一种电子设备，包括计算机可读存储介质和处理器，所述计算机可读存储介质为上述的计算机可读存储介质，处理器可执行其中存储的计算机程序。

36、与现有技术相比，本发明具有如下有益效果：

37、（1）本发明的生成式模型的输出必须为符合预定义结构规范（schema）的结构化变更提案，格式校验不通过即整体拒绝采信，且该校验先于任何内容层面的评估，使自由文本无法进入写路径，模型输出被强制收敛为可确定性校验的对象。

38、（2）本发明的生成式模型仅可调用预设的只读元数据工具集取证，所有工具输出在返回模型之前经行级数据边界守卫过滤，含预设标识字段的明细记录被结构性拦截，模型全程不接触明细业务数据，数据边界由架构保证而非提示词约定。

39、（3）本发明的提案经人工确认后并非直接写入，而是逐项经由确定性领域约束校验器验证，任一项失败则整体拒绝并返回业务错误；校验器独立于生成式模型实现且与人工建模共用，模型不可绕过；模型的每一次写入与人工直接操作走同一套确定性防线，写入正确性不依赖模型输出质量。

40、（4）本发明的提案在人工确认前零落库，以预览方式展示；确认后携带版本标识以乐观锁方式应用，并发冲突被拒绝；会话、提案、确认人、应用结果全量留痕可回溯。

41、（5）本发明的生成式模型服务不可用或超出预设轮次上限时，降级为确定性规则模板路径，功能可用性与模型服务解耦；超轮次时输出"信息不足"而禁止无依据编造提案。