一种基于人工修正差异的工业机理生成及版本演进方法与流程

本发明涉及工业智能体、知识工程、规则引擎、数据版本治理及人机协同反馈处理，具体涉及一种从工业智能体原始产出与人工最终产出的结构化差异中形成候选机理，并经证据聚合、冲突验证和版本化发布实现机理持续演进的方法、系统及计算机程序产品。

背景技术：

1、工业智能体在设备诊断、加工参数推荐、质量判定、研发费用合规等场景中，可根据技能、规则、计算模型、知识文档和现场数据生成业务产出。为控制风险，部分产出会由业务人员或领域专家进行通过、修正、打回或转人工处理。人工处置结果包含对自动产出的纠错信息，是后续改进规则和机理的重要来源。

2、现有技术通常把人工反馈用于模型训练、统计分析、人工维护规则或者补充知识库，也有方案根据编辑前后的差异提出规则建议，或者通过聚类整理反馈样本。这些方案能够处理部分规则发现问题，但用于连续运行的工业智能体时，仍难以同时解决反馈样本可信性、数据出域限制、机理冲突验证和运行版本一致性问题。

3、首先，单次人工修正可能是偶发特例、输入缺失或个人偏好。若仅以出现次数或单条修正生成正式规则，容易把噪声和例外固化为机理，造成后续任务被错误拦截或错误调整。其次，人工修正与当时生效的机理版本、数字员工版本、任务上下文和证据之间缺少稳定绑定，后续难以复现规则来源和适用条件。

4、再次，客户原始图纸、凭证、工艺参数和身份信息通常不能离开工厂。若为了聚类和规则提取将完整案例上传云端，会破坏工业数据边界；若只上传自然语言摘要，又难以进行可靠的差异比较和回放验证。此外，候选规则与现有规则之间可能出现条件覆盖、结论矛盾、优先级冲突、循环依赖或不可达分支，需要在发布前进行技术验证。

5、还存在版本演进一致性问题。若已启动任务在执行过程中读取新发布规则，会导致同一任务前后使用不同机理，无法复现；若新版本在运行后出现高人工修正率或重大错误而不能暂停或回退，也会扩大影响。因此，需要一种能够在保留客户原始数据于工厂的前提下，从人工修正差异中识别稳定模式、建立正反证据、验证候选机理并形成不可变版本的技术方案。

技术实现思路

1、本发明要解决的技术问题是：如何将工业智能体运行过程中产生的人工修正转化为可计算、可聚类和可验证的差异数据，如何区分稳定模式与偶发特例，如何在不上传客户原始业务数据的条件下形成具有证据链的候选机理，以及如何使新机理版本只影响新启动任务并在运行异常时可暂停或回退。

2、为解决上述技术问题，本发明提供一种基于人工修正差异的工业机理生成及版本演进方法。

3、工厂侧取得工业智能体任务的原始产出引用、人工最终产出引用、人工处置动作、人工理由、任务上下文和任务所锁定的基线机理快照版本；按照预定输出模式比较原始产出与人工最终产出，生成包含字段路径、操作类型、修改前摘要、修改后值或摘要、单位和动作方向的结构化修正差异对象，并对任务上下文进行字段标准化、单位归一化和敏感字段处理以生成上下文指纹。

4、工厂侧将所述修正差异对象、上下文指纹、任务类型、专业域、基线机理快照版本、模型置信信息、证据引用和事件时间绑定形成回流记录。客户原始文件和可逆识别信息保留在工厂，向机理库发送的回流记录仅包含脱敏特征、本地对象引用和不可逆摘要。回流记录通过任务标识、执行轮次和处置版本形成幂等键，并根据规范化差异、上下文指纹和基线机理版本形成事件摘要，以避免重复投递增加样本权重。

5、根据人工处置动作、是否发生有效修正以及自动产出置信状态对回流记录进行信息增量分流。无字段修正且高置信直接通过的记录用于置信度校准统计而不直接进入候选聚类；低置信通过、修正后通过、打回重做、转人工接管和能力盲区记录进入待萃取候选；专家标记的特例、相似条件下直接通过的记录和回放失败记录可作为反例或例外样本。

6、对待萃取候选先按照专业域、任务类型、基线机理族和数据模式主版本进行硬约束分区，再根据修正字段路径重合度、上下文特征相似度、人工动作方向一致度、原因语义相似度和证据引用重合度计算混合相似度，并在分区内形成候选聚类。硬约束分区可防止不同专业含义或不兼容数据模式的记录因文本相似而被合并。

7、针对每个候选聚类构建正例集合和反例集合，计算包括来源多样性、时间跨度、修正一致性、证据完整性、影响程度、模型置信偏差、例外比例和与现有机理冲突比例的成熟度向量。成熟度判定策略具有版本标识；当来源多样性、证据完整性或风险门槛未满足时，候选保持待补证状态，不生成正式机理。

8、根据正例与反例中标准化上下文特征的区分能力，选择能够在预定复杂度约束下分离正例和反例的代表性条件特征，形成结构化条件谓词；结合人工修正方向和最终产出形成候选结论或动作，并生成例外谓词、适用范围、正反样本引用、来源引用和证据根摘要。候选机理还标记其与现有机理的关系为新增、合并、替代、冲突或仅保留为案例。

9、将候选机理与目标机理集合版本进行静态分析，检测条件覆盖、结论矛盾、优先级不确定、循环依赖和不可达分支；在隔离执行环境中使用版本化测试集进行回放，测试集至少包括正例、反例、边界例和异常例，并根据任务风险对误放、误拦和未命中进行加权评估。

10、候选机理在来源、结构、冲突、测试、数据边界和专业审核结果均满足发布门禁时，创建不可修改的机理资产版本。所述版本至少记录父版本、候选聚类、成熟度策略版本、证据根摘要、测试报告摘要和审核结果，并被解析进新的机理快照。已经启动的任务继续使用启动时锁定的原机理快照，新启动任务才使用新机理快照。

11、按照机理版本聚合工厂侧回传的脱敏运行指标，包括命中、无命中、人工修正、转人工、降级、错误和时延。当新机理版本的风险指标超过门限或出现重大缺陷时，将该版本置为暂停或撤销状态，并把新任务回退到上一稳定快照；对应失败记录作为反例或新回流候选进入后续演进。

12、本发明还提供实施上述方法的工业机理演进系统、计算机设备、计算机可读存储介质及计算机程序产品。

13、本发明将人工修正转换为与基线机理版本对应的结构化差异和上下文指纹，使原始业务数据保留在工厂侧而脱敏特征可用于聚类和验证；通过正例、反例和成熟度门槛识别具有稳定适用条件的候选机理；通过冲突检测、隔离回放、不可变版本和任务快照锁定，使机理版本的形成、使用和回退均可追溯。

1.一种基于人工修正差异的工业机理生成及版本演进方法

2.根据权利要求1所述的方法，其特征在于，对所述任务上下文进行字段标准化和敏感信息处理包括：

3.根据权利要求2所述的方法，其特征在于，在形成所述候选样本组前还包括：

4.根据权利要求1所述的方法，其特征在于，形成所述候选样本组包括：

5.根据权利要求1所述的方法，其特征在于，构建所述正例集合和反例集合以及确定所述条件特征包括：

6.根据权利要求3所述的方法，其特征在于，生成所述证据摘要以及检查所述候选机理规则与现有机理规则的关系包括：

7.根据权利要求1所述的方法，其特征在于，所述版本化测试集至少包括正例、反例、边界例、异常例和现有机理回归样本；

8.根据权利要求1所述的方法，其特征在于，所述机理资产版本至少记录父版本标识、候选样本组标识、聚类参数版本、判定阈值版本、证据摘要、测试报告摘要、专业审核结果和内容摘要；

9.根据权利要求1所述的方法，其特征在于，所述运行指标包括命中次数、未命中次数、人工修正次数、转入人工处理次数、降级执行次数、执行错误次数和执行时延中的至少一种；

10.一种基于人工修正差异的工业机理生成及版本演进系统，包括处理器、存储器和数据库，所述存储器中存储有能够由所述处理器执行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，使所述系统：