一种基于AI规则生成引擎与事件驱动节点化工作流的智能催收处理方法及系统与流程

本发明涉及智能催收，具体涉及一种基于ai规则生成引擎与事件驱动节点化工作流的智能催收处理方法及系统。

背景技术：

1、目前有基于规则引擎的催收策略生成方法，但其采用每日批处理调度模式，无法满足毫秒级实时响应需求；规则引擎仅支持静态条件匹配，缺少ai辅助规则生成和自动验证机制。而且，目前的通过大模型将自然语言转换为结构化规则，并对新规则与已部署规则进行语义冲突检测和规则重叠检测的方法，也存在生成的规则为自定义json格式，缺少标准规则语言（如drl）的兼容能力；规则验证仅限于语义冲突和重叠检测两个维度，缺少多阶段测试用例验证机制；不支持可视化规则编辑和用户交互微调；规则数据源仅限传感器设备数据，无法关联多类业务数据源进行综合判定的问题。

2、因此，现有催收管理系统普遍存在以下技术问题：（1）采用批处理调度模式，缺乏基于事件驱动的实时案件处理能力；（2）规则配置依赖技术人员编写drl规则脚本，配置周期长、易出错，缺乏ai辅助生成与自动验证手段；（3）工作流编排固化在代码中，缺乏节点化、可配置的灵活工作流引擎；（4）规则配置与执行相割裂，缺乏从配置到执行的端到端自动化闭环；（5）现有规则验证方案仅停留在语义层面的文本分析（如检测自然语言描述是否冲突），缺乏基于实际执行结果的验证手段，规则质量难以保障。

技术实现思路

1、为了解决上述技术问题，本发明的第一个目的是提供一种基于ai规则生成引擎与事件驱动节点化工作流的智能催收处理方法，该方法基于ai自然语言生成规则使配置周期从3人天缩短到1小时，业务人员可独立完成；多阶段ai验证确保规则准确率达到95%以上，有效避免错误规则导致的案件处理异常；而且通过kafka事件驱动+加权轮询调度，高紧急案件响应时间从批处理的24小时降低到分钟级。

2、本发明的第二个目的是提供一种基于ai规则生成引擎与事件驱动节点化工作流的智能催收处理系统。

3、本发明所采用的第一个技术方案是：一种基于ai规则生成引擎与事件驱动节点化工作流的智能催收处理方法，包括以下步骤：

4、s100：基于ai生成分类规则、催收业务规则和流转规则并验证；以及将验证通过后的所述催收业务规则和流转规则同步至规则引擎；

5、s200：基于验证通过后的分类规则预先将任务消息划分为高、中和低优先级话题，并从中获取高、中、低优先级催收事件；以及为每个催收事件构建上下文信息；

6、s300：基于加权轮询方法从所述高、中、低优先级催收事件中选取待处理催收事件，并基于该待处理催收事件的上下文信息确定当前催收处理节点；以及调用当前催收处理节点基于所述催收业务规则执行所述待处理催收事件；

7、s400：当前催收处理节点上的所有程序执行完成后，判断该待处理催收事件是否命中当前催收处理节点关联的任一流转规则；若命中任一流转规则，则根据流转规则输出下一催收处理节点编码，并向对应优先级话题发送下一催收处理节点的任务消息；

8、重复执行步骤s300-s400；若所有流转规则均未命中，则进入结案/出催终态。

9、优选地，步骤s100包括：接收自然语言规则描述，通过大语言模型将所述自然语言规则描述转换为分类规则、drl格式的催收业务规则或drl格式的流转规则。

10、优选地，步骤s100包括：对所述分类规则、drl格式的催收业务规则和流转规则进行验证，所述验证包括思考分析阶段、补充知识阶段、规则分析阶段、逻辑验证阶段、测试用例对比阶段和汇总报告阶段。

11、优选地，所述验证包括：

12、思考分析阶段：ai对所述分类规则、drl格式的催收业务规则和流转规则进行语义层面的结构化解读，并输出分析结果；

13、补充知识阶段：ai基于所述分析结果，自动补充与该规则相关的领域知识与合规约束，并输出合规约束清单；

14、规则分析阶段：ai基于所述分析结果和所述合规约束清单，将规则拆解为一条或多条条件-动作对，输出若干条条件-动作对的集合；

15、逻辑验证阶段：ai对规则进行逻辑审查，并输出问题清单；

16、测试用例对比阶段：ai基于所述若干条条件-动作对的集合自动生成测试案例集，并驱动底层规则引擎逐条执行，获得测试结果；

17、汇总报告阶段：ai汇总前序阶段结论，生成可存档的验证报告。

18、优选地，步骤s200中所述上下文信息包括：案件编号、案件处理编号、任务编号、逾期天数、欠款金额、客户等级、客户等级标识、当前节点代码、上一节点代码、已执行节点链、催收历史摘要、机构号及程序执行中间结果。

19、优选地，步骤s300包括：按高、中、低优先级的预设权重配比从高、中、低优先级催收事件队列中依次选取事件进行处理。

20、优选地，步骤s300包括：基于上下文信息中的当前节点代码所标识的流程节点，确定当前催收处理节点。

21、优选地，步骤s300包括：

22、读取当前催收处理节点下全部有效程序，按程序执行顺序升序排列；流程引擎基于所述催收业务规则按程序编码依次获取对应的程序并执行；当当前催收处理节点执行完全部程序后，执行步骤s400。

23、优选地，步骤s400包括：

24、当前催收处理节点上的所有程序执行完成后，基于规则引擎解析当前催收处理节点关联的流转规则，判断该待处理催收事件是否命中任一流转规则；若命中任一流转规则，则根据流转规则输出下一催收处理节点编码，并按案件属性将下一催收处理节点的任务消息发送至对应的高、中或低优先级话题，消费者拉取该任务消息后，重新执行步骤s300至s400；若全部流转规则均未命中，则案件进入结案/出催终态。

25、本发明所采用的第二个技术方案是：一种基于ai规则生成引擎与事件驱动节点化工作流的智能催收处理系统，包括ai规则生成与验证层、事件接入层和催收引擎核心层；

26、所述ai规则生成与验证层用于基于ai生成分类规则、催收业务规则和流转规则并验证；以及将验证通过后的所述催收业务规则和流转规则同步至规则引擎；

27、所述事件接入层用于基于验证通过后的分类规则预先将任务消息划分为高、中和低优先级话题，并从中获取高、中、低优先级催收事件；以及为每个催收事件构建上下文信息；

28、所述催收引擎核心层用于基于加权轮询方法从所述高、中、低优先级催收事件中选取待处理催收事件，并基于该待处理催收事件的上下文信息确定当前催收处理节点；以及调用当前催收处理节点基于所述催收业务规则执行所述待处理催收事件；

29、以及判定模块，用于当前催收处理节点上的所有程序执行完成后，判断该待处理催收事件是否命中当前催收处理节点关联的任一流转规则；若命中任一流转规则，则根据流转规则输出下一催收处理节点编码，并向对应优先级话题发送下一催收处理节点的任务消息，再次调用所述催收引擎核心层选取和执行所述待处理催收事件，迭代执行上述操作；若所有流转规则均未命中，则进入结案/出催终态。

30、上述技术方案的有益效果：

31、（1）本发明提供了一种基于ai规则生成引擎与事件驱动节点化工作流的智能催收处理方法，该方法基于ai自然语言生成规则使配置周期从传统方式的平均3人天缩短到1小时内，业务人员可独立完成；多阶段ai验证确保规则准确率达到95%以上，有效避免错误规则导致的案件处理异常，且业务人员无需掌握drl语法即可独立完成规则配置；而且通过kafka事件驱动+加权轮询调度，高紧急案件响应时间从批处理的24小时降低到分钟级；节点化工作流支持灵活编排，新增催收节点无需代码开发；形成从ai规则生成、验证到引擎执行的端到端自动化闭环。

32、（2）本发明通过kafka事件驱动+加权轮询调度，高优先级案件从入催到首次处理的时间由批处理模式的平均24小时降低至平均3.5分钟；系统在单节点配置下可支撑日均10万件案件的实时处理。

33、（3）相较于现有技术中仅基于大模型对规则文本进行语义层面的冲突检测（如检测'会议室无人开灯'与'会议室无人关灯'的意图冲突），缺少基于实际执行的端到端验证手段；本发明ai可根据规则条件自动生成多组测试数据（涵盖边界命中案例、典型命中案例、典型不命中案例）并驱动规则引擎逐条模拟执行，通过对比输入/期望输出/实际输出进行实体验证，实现基于实际执行结果的端到端验证，可靠性更高，同时验证结果可导出excel供审计留存，满足金融合规要求。

34、（4）本发明将ai规则生成引擎（自然语言交互→drl生成→多阶段验证）与事件驱动的节点化工作流引擎（kafka+加权轮询→节点多程序编排→规则引擎动态流转）有机融合，形成完整闭环；整个流程以事件驱动为主线，通过kafka消息在各处理节点之间异步传递案件上下文。

35、（5）本发明公开的方法能应用于信贷逾期催收管理场景，通过将ai自然语言交互生成催收规则、可视化规则引擎编排与事件驱动的实时调度处理有机结合，实现催收策略的快速配置、自动验证和智能执行。