基于RAG与业务逻辑的知识捕获方法、装置、设备及介质与流程

本发明涉及人工智能，尤其涉及一种基于rag与业务逻辑的知识捕获方法、装置、设备及介质。

背景技术：

1、当前，企业软件系统的业务逻辑与功能处理知识，主要依赖于开发人员、测试人员或产品经理的个人记忆或零散的文档记录进行管理。这种高度依赖“人脑”和“自觉行为”的模式，构成了企业软件工程资产管理的首要技术难题：隐性知识的流失性风险。一旦相关人员发生离职、岗位调整或记忆偏差，大量未编码化的、关键的判断规则与处理流程便随之丢失，导致系统维护困难、沟通成本激增。尽管行业内已存在多种试图解决该问题的技术路径，但它们各自均存在明显的技术局限性。

2、首先，以confluence、notion及语雀为代表的传统文档管理方案，其缺陷在于知识生产与代码实现的完全脱节。这类方案依赖开发人员手动编写技术文档和wiki，由于缺乏与代码变更的强制联动机制，文档几乎无法随代码的迭代而同步更新，其准确性与时效性无法得到保障，实际落地率极低（行业统计不足20%）。其次，代码注释与自动文档生成方案（如doxygen、swagger），虽提升了文档与代码的关联度，但其技术能力仅停留在接口层面（如api参数、返回值），无法捕捉深层次的“业务规则”“状态机转换”“策略选择”等高阶逻辑。更为关键的是，注释依然依赖人工编写，同样存在“写了但逻辑不正确”的严重问题。

3、此外，随着大语言模型的发展，出现了基于rag的知识问答方案。该技术虽然实现了自然语言交互，但其底层知识库的质量完全取决于输入的已有数据质量，存在“垃圾进、垃圾出”的固有缺陷。更重要的是，这类方案仅能被动响应用户提问，缺乏主动发现知识缺失或冲突的能力，且无法验证大模型生成回答的准确性，导致其在严谨的企业级业务逻辑管理中难以胜任。而基于ast分析的代码知识图谱方案，其技术侧重点在于解析代码的语法结构，仅能提取函数调用、依赖关系等技术层面的“调用逻辑”，无法理解代码背后的业务语义（如“促销期间特殊规则”），且输出形式多为技术图表，不具备非技术人员可用的自然语言交互能力。

4、在金融科技领域，现有业务逻辑知识管理技术面临的核心问题是风控规则与交易策略的“隐性化”与“动态化”风险。金融系统的风控门槛、授信额度计算、反欺诈策略等业务规则频繁调整，且往往伴随严格的合规审计要求。现有技术依赖开发人员记忆或零散文档记录规则变更原因，一旦人员变动，大量关键的决策逻辑便会丢失，导致系统维护时难以追溯“为何如此设计”。同时，代码层面的注释无法捕获“某策略在特定市场环境下被临时启用”等语义级上下文，而传统rag方案又缺乏对历史规则的主动冲突检测，极易在合规审计或事故溯源时出现“逻辑断链”，引发严重的金融合规与运营风险。

技术实现思路

1、本发明的主要目的在于提供一种基于rag与业务逻辑的知识捕获方法、装置、设备及存储介质，旨在解决现有技术中业务逻辑知识捕获依赖人工、准确性与时效性差、缺乏主动冲突检测与版本追溯能力的技术问题。

2、为实现上述目的，本发明提供一种基于rag与业务逻辑的知识捕获方法，包括：

3、响应于代码提交事件，检测变更代码并识别变更模式，根据所述变更模式生成功能描述，将携带功能描述的确认任务推送至开发端，获取所述开发端对所述确认任务的响应信息；

4、解析所述变更代码的业务逻辑，生成第一逻辑三元组集合，基于所述响应信息解析所述功能描述的业务逻辑，生成第二逻辑三元组集合，将所述第一逻辑三元组集合与所述第二逻辑三元组集合进行语义等价比对，根据比对结果验证所述变更代码与所述功能描述的一致性；

5、在验证通过后，将所述第一逻辑三元组集合与所述第二逻辑三元组集合进行等价关联，并将所述第一逻辑三元组集合中的至少一个逻辑三元组和/或所述第二逻辑三元组集合中的至少一个逻辑三元组作为待入库知识，基于rag检索增强生成机制，对所述待入库知识执行多源检索，将多源检索结果进行冲突判定，生成冲突判定结果；

6、根据所述冲突判定结果将所述待入库知识存储至多模态知识库，在存储时查询历史知识库中是否存在与所述待入库知识对应的历史版本，根据查询结果建立所述待入库知识与所述历史版本之间的版本关联关系，以完成对所述多模态知识库的更新；

7、响应于自然语言提问，从更新后的多模态知识库中检索与所述自然语言提问相关的知识片段，将所述相关知识片段作为上下文输入大语言模型，生成答复结果。

8、进一步地，为实现上述目的，本发明提供一种基于rag与业务逻辑的知识捕获装置，包括：

9、触发对赌捕获模块，用于响应于代码提交事件，检测变更代码并识别变更模式，根据所述变更模式生成功能描述，将携带功能描述的确认任务推送至开发端，获取所述开发端对所述确认任务的响应信息；

10、双盲交叉验证模块，用于解析所述变更代码的业务逻辑，生成第一逻辑三元组集合，基于所述响应信息解析所述功能描述的业务逻辑，生成第二逻辑三元组集合，将所述第一逻辑三元组集合与所述第二逻辑三元组集合进行语义等价比对，根据比对结果验证所述变更代码与所述功能描述的一致性；

11、反查冲突预警模块，用于在验证通过后，将所述第一逻辑三元组集合与所述第二逻辑三元组集合进行等价关联，并将所述第一逻辑三元组集合中的至少一个逻辑三元组和/或所述第二逻辑三元组集合中的至少一个逻辑三元组作为待入库知识，基于rag检索增强生成机制，对所述待入库知识执行多源检索，将多源检索结果进行冲突判定，生成冲突判定结果；

12、追踪存储模块，用于根据所述冲突判定结果将所述待入库知识存储至多模态知识库，在存储时查询历史知识库中是否存在与所述待入库知识对应的历史版本，根据查询结果建立所述待入库知识与所述历史版本之间的版本关联关系，以完成对所述多模态知识库的更新；

13、智能问答模块，用于响应于自然语言提问，从更新后的多模态知识库中检索与所述自然语言提问相关的知识片段，将所述相关知识片段作为上下文输入大语言模型，生成答复结果。

14、进一步地，为实现上述目的，本发明还提供一种计算机设备，所述计算机设备包括存储器、处理器以及存储至所述存储器上并可在所述处理器上运行的基于rag与业务逻辑的知识捕获程序，所述基于rag与业务逻辑的知识捕获程序被所述处理器执行时实现如上述所述的基于rag与业务逻辑的知识捕获方法的步骤。

15、进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述存储介质上存储有基于rag与业务逻辑的知识捕获程序，所述基于rag与业务逻辑的知识捕获程序被处理器执行时实现如上所述的基于rag与业务逻辑的知识捕获方法的步骤。

16、有益效果：本发明涉及人工智能技术领域，公开了一种基于rag与业务逻辑的知识捕获方法、装置、设备及介质，包括：响应代码提交，检测变更代码识别模式生成功能描述，推送携带描述的确认任务并获取响应；基于变更代码和功能描述分别生成两组逻辑三元组，语义等价比对验证一致性；验证通过后将两组三元组等价关联，以至少一组作为待入库知识，多源检索并冲突判定；据判定结果存储至多模态知识库，建立与历史版本的关联关系以完成更新；响应自然语言提问，从更新后的知识库检索相关知识片段作为上下文输入大语言模型，生成答复结果。本发明可应用于金融科技等业务场景中，通过代码提交触发对赌机制强制捕获业务逻辑，以双盲验证确保代码与语义一致，经rag冲突检测后入库，并建立版本关联追溯演化历史，帮助实现业务逻辑知识的自动化捕获、验证与留存，有效提高知识管理的准确性与可追溯性。