一种制造客户需求响应方案生成方法和系统

本发明属于人工智能、制造知识图谱及制造业务智能决策，具体涉及一种基于知识图谱证据增强与多智能体迭代优化的制造客户需求响应方案生成方法和系统。

背景技术：

1、在制造业加速向服务化、柔性化与智能化转型的背景下，制造企业与客户之间的交互已不再局限于单一产品型号或标准规格确认。客户需求通常涉及材料性能、规格定制、工艺处理、质量改进、交付周期、售后服务和技术支持等多维内容，且往往以自然语言、表格、图片说明或多模态附件等形式表达。客户需求响应方案作为连接外部市场需求与企业内部销售、技术、质量、生产、供应链及售后活动的关键载体，需要将客户的非规范表达转化为明确的业务意图，并形成包含知识依据、处理步骤、信息缺口和风险边界的可复核建议。

2、现有规则和数据驱动方法通常将客户需求预先转换为产品属性、技术参数、业务目标或约束条件，并通过配置规则、知识模型、机器学习模型或多准则决策方法生成产品配置、参数推荐、服务组合或资源匹配结果。此类方法在输入格式明确、业务边界稳定和规则集合完备的场景中具有一定适用性，但面对描述口语化、信息缺失、约束动态变化和意图隐含的开放式客户需求时，往往难以形成稳定的需求理解结果，也难以覆盖跨部门协同的综合响应方案。

3、大语言模型具有较强的语义理解、任务分解和自然语言生成能力，能够辅助制造企业完成需求解释、问题重构和方案组织。然而，若直接利用大语言模型根据客户原始需求生成业务响应内容，其生成过程主要依赖模型参数化知识和提示语约束，容易产生与企业真实产品、材料、工艺、质量和服务知识不一致的专业结论，且难以说明方案中的关键判断来源于哪些企业知识事实。

4、检索增强生成和知识图谱增强方法能够将外部文档、知识三元组或图谱路径引入大语言模型上下文，从而为生成内容提供一定知识依据。智能体方法进一步利用角色分工、工具调用和反馈修正提升生成结果质量。但现有方法通常将检索得到的文档片段、知识三元组或图谱路径直接拼接至模型输入，缺少面向制造业务的证据筛选、证据角色标注、业务语义分组和步骤级证据绑定机制，容易引入无关知识、重复证据或上下文噪声。

5、此外，现有智能体评价多面向通用问答、设计结果或排程性能，缺少同时覆盖需求匹配、知识支撑、结构完整性、业务可执行性、幻觉风险控制、可追溯性和响应场景一致性的制造客户需求响应评价机制。自动生成或自动修订的响应方案仍需要企业员工对产能、工艺可行性、质量要求和风险边界进行确认，也需要客户对需求优先级、验收条件和新增约束进行反馈。因此，亟需一种能够将非规范客户需求解析、制造知识图谱证据获取、结构化证据组织、可追溯方案生成、多智能体评价修订和人在环反馈修订统一起来的制造客户需求响应方案生成方法。

技术实现思路

1、为解决现有技术中非规范客户需求难以稳定解析、检索知识难以有效组织、响应方案缺少知识证据绑定、自动生成内容缺少闭环复核以及人工反馈难以结构化整合等问题，本发明提供一种基于知识图谱证据增强与多智能体迭代优化的制造客户需求响应方案生成方法和系统。

2、本发明采用如下技术方案：

3、一种制造客户需求响应方案生成方法，包括如下步骤：

4、步骤s1：基于客户需求的结构化需求画像，映射至业务响应场景，并利用制造知识图谱生成面向图谱检索的结构化查询意图；

5、步骤s2：对知识图谱中的三元组进行语义检索和实体匹配，加权融合得到混合检索分数，筛选top-k三元组，并以查询实体为起点在知识图谱中执行一跳和二跳路径扩展；

6、步骤s3：对检索到的三元组和扩展路径进行整理与组织，形成包含支撑三元组、扩展路径、证据角色、业务分组等信息的证据包；

7、步骤s4：将需求画像和证据包输入方案生成智能体，生成包含需求摘要、知识依据、响应步骤、风险说明等内容的初始方案；

8、步骤s5：对初始方案进行结构化解析和校验，由评价智能体进行多维度评价，若未通过接受检查则由精化智能体修订，循环直至通过或达迭代上限；

9、步骤s6：整合企业员工审核与客户反馈，通过反馈结构化智能体转化为结构化人工反馈，必要时触发反馈修订智能体进行方案修订，输出最终方案。

10、进一步的，所述步骤s1包括如下步骤：

11、步骤s101，获取客户需求对应的结构化需求画像，所述结构化需求画像至少包括需求标识、需求类别、原始需求描述、规范化需求描述、关键属性、需求意图、显式约束、隐含要求、多模态证据描述、缺失信息、潜在知识匹配实体和下游查询；

12、步骤s102，根据需求类别调用预定义的需求类别—响应场景映射集合，将客户需求映射到对应的业务响应场景；

13、步骤s103，从规范化需求描述、关键属性、潜在知识匹配实体、下游查询和原始需求描述中提取候选文本，并将候选文本与制造知识图谱实体词表进行匹配，得到候选实体集合；

14、步骤s104，从制造知识图谱关系词表中提取候选关系集合；

15、步骤s105，将需求画像、业务响应场景、候选实体集合和候选关系集合输入查询智能体，生成包括查询实体、查询关系、查询属性、缺失槽位、检索目标和检索文本的结构化查询意图。

16、进一步的，所述步骤s2包括如下步骤：

17、步骤s201，分别编码结构化查询意图中的检索文本和制造知识图谱中每个知识三元组的三元组文本，并根据归一化向量之间的余弦相似度计算语义相关分数；

18、步骤s202，将结构化查询意图中的查询实体与每个知识三元组的头实体和尾实体进行精确匹配或部分匹配，得到实体匹配分数；

19、步骤s203，对语义相关分数和实体匹配分数进行加权融合，得到混合检索分数，并根据混合检索分数排序保留top-k制造知识三元组；

20、步骤s204，以结构化查询意图中的查询实体为起点，在制造知识图谱的有向邻接结构中进行路径扩展，获得一跳路径和二跳路径；

21、步骤s205，对扩展路径进行路径长度约束和重复路径去除，并为每条扩展路径设置路径标识。

22、进一步的，所述步骤s3包括如下步骤：

23、步骤s301，根据知识三元组的唯一标识以及头实体、关系和尾实体是否完全一致，对top-k制造知识三元组进行去重；

24、步骤s302，按照混合检索分数和查询实体命中情况对去重后的制造知识三元组进行排序，并优先选择不同关系类型的三元组，以降低单一关系过度集中造成的证据冗余；

25、步骤s303，根据制造知识三元组在响应方案生成中的作用，为其标注证据角色；

26、步骤s304，根据产品、材料、性能、工艺、设备、质量、缺陷、交付、物流、组织和供应等业务知识类型，对支撑三元组和扩展路径进行业务分组；

27、步骤s305，将结构化查询意图、支撑三元组、扩展路径、证据分组结果、检索摘要和证据质量记录组装为结构化知识证据包，其中，每个支撑三元组保存triple_id，每条扩展路径保存path_id。

28、进一步的，所述步骤s4包括如下步骤：

29、步骤s401，从需求画像和结构化知识证据包中提取面向方案生成的任务信息，所述任务信息至少包括需求语义、关键属性、显式约束、隐含要求、缺失信息、支撑三元组、扩展路径、证据角色和证据质量记录；

30、步骤s402，利用方案生成智能体生成初始制造客户需求响应方案，所述初始制造客户需求响应方案至少包括需求摘要、知识依据、响应步骤、信息缺口、风险说明、后续任务和追溯记录；

31、步骤s403，将知识性判断与对应的triple_id或path_id绑定，并将响应步骤与对应的知识证据、需求画像或缺失信息绑定；

32、步骤s404，对方案生成智能体的原始输出执行json解析、预定义字段补齐、嵌套结构规范化和响应上下文对齐；

33、步骤s405，校验响应方案中的需求标识、需求类别和响应场景是否与需求画像一致，并校验方案引用的triple_id和path_id是否存在于当前结构化知识证据包中。

34、进一步的，所述步骤s5中的评价智能体从需求对齐度、知识支撑度、结构完整性、业务可执行性、幻觉风险控制、可追溯性和响应场景一致性七个维度对当前响应方案进行评价，并输出各维度评价分数、各维度评价说明、薄弱维度、主要问题、修改建议、未支持声明和证据使用问题。

35、进一步的，所述接受检查包括综合评价分数检查、单维评价分数检查和确定性证据检查；所述确定性证据检查用于检查无效三元组标识、无效路径标识、未绑定证据的响应步骤和未支持声明；当综合评价分数低于综合评价接受阈值、任一单维评价分数低于单维评价接受阈值或确定性证据检查结果不为空时，当前响应方案进入精化智能体进行修订。

36、进一步的，所述步骤s6包括如下步骤：

37、步骤s601，获取企业员工审核信息和客户反馈信息，其中，企业员工审核信息至少包括补充业务信息、可行性意见、强制约束、风险修正、建议调整和审批状态，客户反馈信息至少包括确认需求、变更需求、新增约束、拒绝建议和偏好方向；

38、步骤s602，利用反馈结构化智能体仅提取人工反馈中明确提供的信息，生成结构化员工审核、结构化客户反馈、反馈变化类型、修订目标和是否需要方案修订的判断结果；

39、步骤s603，当员工审批状态为通过且员工和客户均未提出实质性变化时，将自动优化响应方案作为最终制造客户需求响应方案；

40、步骤s604，当员工要求修改方案，或者反馈中包含新增信息、约束变化、风险修正、客户偏好变化或拒绝建议时，触发反馈修订智能体；

41、步骤s605，反馈修订智能体基于需求画像、结构化知识证据包、自动优化响应方案和结构化人工反馈进行方案修订，并利用feedback_id建立人工反馈与方案变化之间的追溯关系。

42、进一步的，所述查询智能体、方案生成智能体、评价智能体、精化智能体、反馈结构化智能体和反馈修订智能体均采用大语言模型提示策略执行对应任务；所述提示策略均包括身份定位、任务描述、注意事项和输出规范，并通过变量化字段注入制造领域名称、需求画像、响应场景、候选实体、候选关系、知识证据包、当前响应方案、评价准则、评价样例、人工反馈、结构化反馈和输出结构。

43、本发明还公开了一种制造客户需求响应方案生成系统，用于执行所述的制造客户需求响应方案生成方法，包括需求画像获取与响应场景映射模块、结构化查询意图生成模块、混合知识检索模块、图路径扩展模块、知识证据包构建模块、初始响应方案生成模块、方案结构校验模块、多智能体评价与精化模块、人在环反馈结构化与修订模块以及方案追溯与输出模块。

44、本发明的优势和有益效果在于：

45、第一，本发明将非规范客户需求转换为结构化查询意图，使客户表达、需求类别、业务响应场景和制造知识检索目标之间形成稳定关联，提高了需求理解的可控性。

46、第二，本发明融合语义检索、实体匹配和图路径扩展，能够同时获得直接相关的制造知识三元组和相邻知识路径，提高了需求相关制造知识获取的准确性与覆盖度。

47、第三，本发明将离散三元组和图路径组织为结构化知识证据包，并加入证据角色标注、业务知识分组、检索摘要和质量记录，降低了知识噪声和知识误用风险。

48、第四，本发明在响应方案中引入triple_id、path_id和feedback_id，使知识依据、响应步骤和人工反馈之间建立可追溯关系。

49、第五，本发明通过七维评价、确定性证据检查和多轮精化形成评价—修订闭环，提高了响应方案的需求对齐度、知识支撑度、业务可执行性和风险控制能力。

50、第六，本发明保留企业员工和客户在产能、工艺可行性、质量要求、风险边界、需求优先级和新增约束确认中的责任边界，使自动生成方案能够经过业务复核后输出。