基于意图拆解树演化的多智能体运维工单生成方法及系统与流程

本发明属于it运维，具体涉及基于意图拆解树演化的多智能体运维工单生成方法及系统。

背景技术：

1、随着企业it基础设施规模不断扩大，系统架构日趋复杂，运维场景的多样性和故障类型的不可预测性显著增加。在当前的it运维实践中，运维工单的生成主要依赖人工填报、基于规则引擎的自动化触发或单智能体辅助生成等方式。然而，这些方式在面对复杂故障场景时存在明显不足。

2、首先，基于人工填报的工单生成方式高度依赖运维人员的经验判断。当系统出现异常时，运维人员需手动分析故障现象、推断可能原因并填写工单内容。这一过程不仅耗时长、响应滞后，且不同人员的填写标准不一，导致工单信息不完整或定位偏差，直接影响后续处置效率。

3、其次，基于规则引擎的自动化工单生成方式通过预设的告警阈值和匹配条件触发工单。但规则引擎的覆盖面有限，难以穷举所有故障组合场景。当出现异常表征与历史规则不完全匹配的情况时，系统无法准确生成对应的工单内容，往往需要人工介入补充，自动化程度大打折扣。此外，规则引擎缺乏对故障演化过程的建模能力，无法根据系统实时运行状态动态调整工单中的处置步骤。

4、再次，基于单智能体的工单生成方式虽然引入了自然语言处理和知识推理能力，但单个智能体的知识边界和推理深度有限。面对涉及多组件、多依赖关系的复杂故障，单智能体难以同时兼顾故障根因定位、处置操作规划及验证方案设计等多个维度，生成的工单往往只覆盖局部问题，缺乏系统性的处置路径规划。

5、更为关键的是，现有方案普遍缺乏对运维意图的结构化拆解与演化能力。运维请求中的抽象意图（如"系统变卡"）无法直接映射为具体的故障定位节点、处置操作节点和状态验证节点，导致工单内容停留在现象描述层面，缺少可执行的步骤分解。同时，不同运维智能体之间的能力差异和协同机制未被有效利用，工单生成过程缺乏多智能体间的任务分配与上下文传递，各智能体的处置动作之间容易出现执行冲突或重复操作。

6、此外，现有工单生成后通常为静态结构，无法根据执行过程中的实际反馈进行动态调整。当某个处置步骤执行结果与预期存在偏差时，系统不能自动回溯并重构处置路径，只能依赖人工重新发起工单或手动修改流程，严重影响了故障恢复效率。

7、因此，需要一种能够将抽象运维意图自动拆解为可执行节点、结合历史经验进行意图演化扩展、并通过多智能体协同生成动态可调优运维工单的技术方案。

技术实现思路

1、为解决现有技术中存在的上述问题，本发明提供了一种基于意图拆解树演化的多智能体运维工单生成方法，本发明的目的可以通过以下技术方案实现：

2、对用户输入的运维请求信息进行运维意图解析，确定运维对象及异常表征，构建初始意图拆解树；

3、获取运维对象的历史处置轨迹及当前运行状态，对初始意图拆解树中的目标节点进行意图演化扩展，将抽象运维目标转化为故障定位节点、处置操作节点及状态验证节点，生成演化意图拆解树；

4、对所述演化意图拆解树中的节点层级结构进行路径重构，形成运维任务链，并基于所述运维任务链中的任务节点属性，调用对应运维智能体对运维任务链中的任务节点进行处置路径解析；

5、将处置路径解析结果映射至运维工单流程结构中，整合不同运维智能体对应的处置动作，生成多智能体协同运维工单。

6、具体地，所述运维意图解析包括：

7、对所述运维请求信息进行语义解析，提取运维对象及异常表征，基于运维知识图谱中的故障影响传播拓扑，对所述异常表征进行传播路径反演，生成对应的故障假设分支，所述故障假设分支关联对应的根因假设与诊断路径；

8、以运维对象为根节点，以故障假设分支为子节点建立层级连接，构建初始意图拆解树。

9、具体地，所述目标节点的确定过程包括：

10、基于所述初始意图拆解树中的异常表征，在运维知识图谱中检索对应历史故障实例，提取所述历史故障实例中的故障传播路径；

11、将所述异常表征对应节点与所述故障传播路径中的状态转移节点进行演化阶段匹配，将处于相同故障演化阶段的节点确定为所述目标节点，并提取所述目标节点对应的历史处置轨迹，其中历史处置轨迹包含多个历史故障实例的故障定位过程、处置操作过程及状态验证结果。

12、具体地，所述意图演化扩展包括：

13、基于所述目标节点对应的历史处置轨迹，提取历史处置轨迹中的故障定位节点、处置操作节点及状态验证节点，从历史处置轨迹中获取各节点在历史故障发生时刻的运行状态、配置参数及节点间连接关系作为节点演化特征，输入意图演化模型；依据所述意图演化模型输出的节点演化结果，对所述目标节点执行节点拆分，将抽象运维目标转换为故障定位节点、处置操作节点及状态验证节点，并按照节点层级关系重构目标节点下的子节点结构，生成演化意图拆解树。

14、具体地，所述意图演化模型包括历史轨迹编码层、状态迁移判定层及节点演化评价层；

15、所述历史轨迹编码层对历史处置轨迹中的故障定位过程、处置操作过程及状态验证过程进行编码，生成历史处置特征；

16、所述状态迁移判定层依据当前运行状态对所述历史处置特征进行迁移判定，确定历史处置过程与当前运维请求之间的适配程度；

17、所述节点演化评价层依据所述适配程度确定目标节点对应的节点演化方向，输出节点演化评价结果。

18、具体地，所述路径重构包括：

19、对所述演化意图拆解树中的节点分支进行执行约束解析，提取由故障定位节点、处置操作节点及状态验证节点依次连接形成的候选路径，构建操作对象-动作依赖图；

20、识别不同候选路径中作用于同一操作对象且存在执行顺序依赖的冲突操作，基于冲突操作的执行约束与资源占用情况对冲突操作进行时序重排或合并，并剔除无法在当前环境中执行的无效路径，形成运维任务链。

21、具体地，所述运维任务链的形成还包括：

22、获取所述候选任务链对应的历史执行成功率及预期故障恢复时间，构建多目标优化函数计算各候选任务链的综合评分，筛选综合评分最高的候选任务链作为最终运维任务链，并将其他候选任务链作为备用任务链存储，当最终运维任务链执行失败时自动切换至备用任务链。

23、具体地，所述处置路径解析包括：

24、构建运维智能体的能力描述表，所述能力描述表包含擅长处理的故障类型及历史处置成功率，针对运维任务链中的每个任务节点，基于任务节点的处理对象及处置目标，将任务节点与能力描述表进行映射匹配，由映射匹配度最高的运维智能体处理对应任务节点，由运维智能体生成处置动作序列作为处置路径解析结果。

25、具体地，所述处置路径解析还包括：

26、获取多个运维智能体生成的处置动作序列，构建跨智能体动作依赖图，识别作用于同一处理对象且存在执行顺序依赖的处置动作，将并行的无冲突动作进行合并执行，将存在资源竞争的动作按照执行约束进行时序调度，并在相邻智能体之间执行处置上下文交接，将前一智能体的执行结果作为后一智能体生成处置动作的上下文输入，生成协同处置动作序列。

27、具体地，所述多智能体协同运维工单的生成过程包括：

28、将协同处置动作序列中的各处置动作映射为工单流程节点，基于处置动作之间的状态流转条件配置工单流程节点之间的流转规则，将状态验证节点对应的验证指标作为工单流程节点的完成判定条件，并将对应运维智能体关联至工单流程节点，生成多智能体协同运维工单。

29、具体地，所述方法还包括：

30、在多智能体协同运维工单执行过程中，实时采集工单流程节点的实际执行结果，将实际执行结果与状态验证节点对应的验证指标进行偏差分析；

31、当偏差超出预设范围时，触发演化意图拆解树的局部重构，基于偏差信息回溯至对应的故障定位节点，重新调用运维智能体生成处置动作序列，并基于新的处置动作序列更新后续未执行的工单流程节点。

32、本发明的有益效果为：

33、（1）本发明通过运维意图解析与意图演化扩展，实现了从抽象运维请求到可执行节点的自动转化。基于运维知识图谱的故障影响传播拓扑，对异常表征进行传播路径反演，逆向追溯潜在根因，生成关联根因假设与诊断路径的故障假设分支，避免了传统关键词匹配或人工推断带来的定位偏差。通过演化阶段匹配，将当前异常与历史故障传播路径中的状态转移节点进行时序对齐，精准确定目标节点所处的具体演化阶段，为后续演化提供了准确的上下文锚点。在此基础上，引入包含历史轨迹编码层、状态迁移判定层和节点演化评价层的意图演化模型，对历史处置轨迹进行编码并判定其与当前运行状态的适配程度，进而确定节点演化方向，将抽象的运维目标自动拆分为故障定位节点、处置操作节点及状态验证节点，并按层级关系重构树结构。该过程充分结合历史经验与当前系统状态，使演化结果高度适配实际场景，提升了故障处置路径的针对性和可执行性，从根本上解决了传统方案中运维意图模糊、处置步骤缺乏系统性规划的问题。

34、（2）本发明通过路径重构与多智能体协同机制，有效解决了复杂运维场景下的任务冲突与协同割裂问题。在路径重构阶段，对演化意图拆解树中的节点分支进行执行约束解析，构建操作对象-动作依赖图，直观识别不同候选路径中作用于同一操作对象的冲突操作，基于执行约束与资源占用情况进行时序重排或合并，并剔除无法在当前环境中执行的无效路径，形成无冲突、高可行性的运维任务链。在多智能体分配方面，构建包含擅长故障类型及历史处置成功率的能力描述表，通过映射匹配度计算将任务节点精准分配给最合适的智能体，避免了任务分配的盲目性。在协同执行阶段，构建跨智能体动作依赖图，对并行无冲突动作合并执行，对存在资源竞争的动作进行时序调度，并通过处置上下文交接机制，将前一智能体的执行结果作为后一智能体的上下文输入。这一设计实现了多智能体间的信息无缝传递与动作高效协同，既突破了单智能体知识边界受限的瓶颈，又消除了多智能体并行时的操作冲突与重复执行，提升了复杂故障的协同处置效率与成功率。

35、（3）本发明通过将处置路径解析结果映射至工单流程结构，并引入执行偏差驱动的闭环修正机制，实现了运维工单的动态生成与自适应优化。在工单生成阶段，将协同处置动作序列中的各处置动作映射为工单流程节点，基于动作间的状态流转条件配置节点流转规则，将状态验证节点对应的验证指标作为节点完成判定条件，并将对应智能体关联至节点，构建出结构完整、责任明确、可自动流转的多智能体协同运维工单，解决了传统工单内容停留在现象描述、缺乏可执行步骤的问题。更为重要的是，本发明在工单执行过程中引入了动态闭环修正机制：实时采集各节点的实际执行结果，与验证指标进行偏差分析，当偏差超出预设范围时，自动触发演化意图拆解树的局部重构，基于偏差信息回溯至对应的故障定位节点，重新调用智能体生成处置动作序列并更新后续未执行的工单节点。这一机制使工单能够根据实际执行反馈进行自适应调整，无需人工重新发起或修改，有效克服了传统静态工单无法应对执行偏差的缺陷，缩短了故障恢复时间，提升了运维系统的自主修复能力。