面向长链工业任务的智能决策方法、装置、设备和介质与流程

本申请涉及工业人工智能，尤其涉及一种面向长链工业任务的智能决策方法、装置、设备和介质。

背景技术：

1、工业复杂任务处理中，通常采用基于静态检索增强生成的大模型agent系统，通过向量检索获取领域工业知识并结合模型推理输出结果。

2、然而，该类方案普遍采用检索与推理串行处理方式，工业知识库规模增大时检索时延明显上升，导致整体响应速度受限。同时，单步推理难以维持长链条任务中的语义一致性，易出现逻辑依赖断裂，且仅依靠浅层规则校验，难以保证输出结果的事实正确性与执行可靠性。

3、因此，如何在复杂工业任务场景下提高工业知识感知与推理响应的实时性，并兼顾长链条逻辑一致性和输出可信度，成为需要解决的技术问题。工业知识。

技术实现思路

1、本申请实施例提供一种面向长链工业任务的智能决策方法、装置、设备和介质，以解决上述技术问题。该方案面向复杂工业任务中的跨域工业知识协同计算需求，对工业知识获取节奏与任务推理过程进行协同统筹，在任务执行过程中实现工业知识感知与推理决策的动态配合，并兼顾多阶段任务处理中的逻辑连贯性与结果可靠性，从而提升复杂场景下协同计算的整体性能。

2、第一方面，本申请提供一种面向长链工业任务的智能决策方法，所述方法包括：

3、通过流式检索确定下一轮工业知识的预取时机和对应的预取数量；

4、根据所述预取时机和所述预取数量确定领取工业知识切片队列；

5、基于思维链与决策链双循环融合机制，通过密集向量检索与蒙特卡洛树搜索决策器生成工业调度决策序列。

6、在一种可能的实施方式中，所述通过流式检索确定下一轮工业知识的预取时机和对应的预取数量，包括：

7、确定本轮的预期推理耗时与下一轮的预期检索耗时；

8、根据所述预期推理耗时和所述预期检索耗时计算所述预取时机；

9、将所述预期推理耗时和所述预期检索耗时代入自适应预取深度算法，确定所述预取数量。

10、在一种可能的实施方式中，所述根据所述预期推理耗时和所述预期检索耗时计算所述预取时机，包括：

11、获取上一轮的实际推理耗时和对应的历史预期推理耗时；

12、根据所述实际推理耗时和所述历史预期推理耗时计算反馈因子；

13、基于马尔科夫决策过程，根据所述预期推理耗时、所述预期检索耗时和所述反馈因子确定所述预取时机。

14、在一种可能的实施方式中，所述基于思维链与决策链双循环融合机制，通过密集向量检索与蒙特卡洛树搜索决策器生成工业调度决策序列，包括：

15、启动内循环，对所述工业知识切片队列执行密集向量检索，生成推理节点序列；

16、启动外循环，基于所述推理节点序列执行蒙特卡洛树搜索；

17、调用外部工具生成决策子序列，并将执行结果回流以更新搜索树节点的奖励值；

18、选择累积奖励值最高的路径，输出为工业调度决策序列。

19、在一种可能的实施方式中，所述内循环具体包括：

20、将当前任务意图转换为查询向量；

21、在所述工业知识切片队列中检索与所述查询向量语义匹配的工业知识切片，并将匹配的工业知识切片作为当前推理节点；

22、遍历全部任务意图，将全部推理节点按任务意图顺序组合为推理节点序列。

23、在一种可能的实施方式中，所述外循环具体包括：

24、以所述推理节点序列中每个推理节点为搜索树节点；

25、针对当前搜索树节点，调用外部工具生成决策子序列，并捕获所述决策子序列的执行结果；

26、若所述执行结果指示异常，则将对应的异常信号注入所述当前搜索树节点并重新调用工具；

27、若所述执行结果指示正常，则计算该路径的蒙特卡洛树搜索奖励值，并将所述执行结果回流至所述推理节点序列，用于后续节点的修正；

28、完成所有节点的搜索后，选择累积奖励值最高的路径，输出为工业调度决策序列。

29、在一种可能的实施方式中，所述得到工业调度决策序列之后，所述方法还包括：

30、通过多维架构特征工业知识库合成定制化提示词；

31、通过所述定制化提示词对所述工业调度决策序列进行约束重构，生成待校验目标；

32、采用codebleu公式对所述待校验目标进行语义等价性评估，并根据评估结果重新生成所述工业调度决策序列，或，将所述工业调度决策序列输出位高可信结果。

33、第二方面，本申请提供一种面向长链工业任务的智能决策装置，包括：

34、获取模块，用于通过流式检索确定下一轮工业知识的预取时机和对应的预取数量；

35、确定模块，用于根据所述预取时机和所述预取数量确定领取工业知识切片队列；

36、控制模块，用于基于思维链与决策链双循环融合机制，通过密集向量检索与蒙特卡洛树搜索决策器生成工业调度决策序列。

37、第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

38、所述存储器存储计算机执行指令；

39、所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面所述的面向长链工业任务的智能决策方法。

40、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被计算机执行时用于实现如第一方面所述的面向长链工业任务的智能决策方法。

41、第五方面，本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，可实现如第一方面任一项所述的方案推荐方法的步骤。

42、本申请提供一种面向长链工业任务的智能决策方法、装置、设备和介质，通过流式检索确定下一轮工业知识的预取时机和对应的预取数量，能够使工业知识获取过程与任务推进状态相适配，降低大规模工业知识库条件下检索等待对响应速度的影响；通过根据预取时机和预取数量确定领取工业知识切片队列，能够实现后续工业知识资源的有序供给与衔接，进而提升复杂任务处理中工业知识感知的实时性与连续性；通过基于思维链与决策链双循环融合机制，结合密集向量检索与蒙特卡洛树搜索决策器生成工业调度决策序列，能够在多步推理过程中增强长链条任务的语义一致性和逻辑完整性，进而提高输出结果的事实正确性与执行可靠性。

1.一种面向长链工业任务的智能决策方法，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，所述通过流式检索确定下一轮工业知识的预取时机和对应的预取数量，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述预期推理耗时和所述预期检索耗时计算所述预取时机，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于思维链与决策链双循环融合机制，通过密集向量检索与蒙特卡洛树搜索决策器生成工业调度决策序列，包括：

5.根据权利要求4所述的方法，其特征在于，所述内循环具体包括：

6.根据权利要求5所述的方法，其特征在于，所述外循环具体包括：

7.根据权利要求1所述的方法，其特征在于，所述得到工业调度决策序列之后，所述方法还包括：

8.一种面向长链工业任务的智能决策装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的面向长链工业任务的智能决策方法。