一种RPA工作流中基于变量缺失触发的AI推断补偿与自动回滚方法与流程

本发明属于机器人流程自动化（rpa），具体涉及一种在rpa工作流执行过程中当条件变量缺失时自动触发ai推断、暂存推断值继续执行并在出现冲突时自动回滚重新执行的方法及系统。

背景技术：

1、现有的rpa工作流执行引擎在执行通过有向图或顺序链组织的工作流结构时，会在条件判断节点引用前序节点的输出变量。当条件判断节点引用的某个变量尚未被前序节点赋值时（例如前序页面中未提取到预期数据、或前序api请求未能返回预期字段），现有引擎的处理方式是直接抛出"变量未定义"的异常并终止整个工作流的执行。

2、上述方案存在以下缺陷：

3、第一，条件判断节点的执行强依赖前序所有变量均已定义。在实际自动化场景中，目标任务页面或api接口的返回内容存在偶发性缺失（如某个页面加载正确但数据区域为空导致提取数据返回nil值），引擎直接终止工作流意味着自动化任务完全失败，后续所有步骤全部废弃。

4、第二，缺乏从已收集变量推断缺失变量的智能补偿能力。当条件表达式引用变量a和变量b，变量a已定义但变量b缺失时，人类操作者通常会根据变量a的值和当前业务上下文对变量b做出近似推断并继续尝试执行。但现有rpa引擎不具备这种"先推断补全、后根据事实纠正"的能力。

5、第三，推断值被暂存后，如果后续执行结果证明推断值有误（例如推断b=100，但之后的数据提取得到b=65），引擎没有对推断值引起的错误执行路径进行回滚和重新执行的能力。用户只能手工回退到错误点重新开始。

技术实现思路

1、本发明的目的在于提供一种rpa工作流中基于变量缺失触发的ai推断补偿与自动回滚方法及系统，解决现有方案变量缺失直接终止工作流、缺乏智能推断补偿能力以及无法自动回滚的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种rpa工作流中基于变量缺失触发的ai推断补偿与自动回滚方法，所述方法由终端设备处理器执行，其特征在于，包括至少以下步骤：

4、在rpa工作流执行引擎执行到条件判断节点时，解析条件表达式中引用的全部变量名，在与工作流关联的全局变量集合中逐一查询每个变量名是否存在对应的有效变量值，构建缺失变量名列表；

5、若缺失变量名列表非空，触发ai推断流程，将已定义的有效变量名及其对应的变量值作为输入特征，将缺失变量名列表中每一个变量名作为待推断目标，构造推断请求调用外部大规模语言模型接口，获取每个缺失变量的推断变量值；

6、将获取的每个推断变量值存入全局变量集合中，并标记每个推断变量值为推断模式，同时记录推断发生的工作流节点标识、推断时间戳和推断模型响应的原始上下文；

7、以推断变量值替换条件表达式中的对应缺失变量名，完成条件表达式的求值，根据求值结果确定条件判断节点的后续执行分支，继续执行工作流的后续节点；

8、在后续节点执行过程中，当任一节点产生对某个已被标记为推断模式的变量的新赋值时，执行冲突检测：比较新赋值与推断变量值之间的差异度，当变量值为数值类型时，差异度等于新赋值与推断变量值之差除以推断变量值所得的比例，当变量值为字符串类型时，差异度基于两个字符串之间的编辑距离除以推断字符串长度所得的比例；若差异度大于预设阈值，则触发自动回滚操作，其中所述预设阈值为0.3，即当数值变量的新赋值与推断变量值的比例差异大于0.3时，或字符串变量的编辑距离比例大于0.3时触发自动回滚；

9、所述自动回滚操作包括：暂停当前节点执行，回溯工作流执行路径至触发推断流程的所述条件判断节点，将已执行的全部后继节点的节点执行结果集合清除，以新赋值替代全局变量集合中的对应推断变量值，从所述条件判断节点重新执行条件求值和后继节点，形成基于真实数据的二次执行路径；

10、在所述二次执行路径中，设置推断计数器并自增，检测到所述推断计数器值大于一次时不再递归触发ai推断流程，改为终止工作流并返回标识为二次缺失类型的错误响应，防止无限递归。

11、进一步地，当差异度未超过所述预设阈值时，保留推断变量值，以新赋值为准更新全局变量集合，取消变量的推断模式标记，继续执行后续节点至工作流结束。

12、进一步地，所述推断请求的构造方式为：将已定义变量按照变量名和变量值组成的键值对列表作为prompt的已知上下文部分，将待推断变量名列表作为prompt的待填充部分，要求大规模语言模型以json键值对格式返回推断结果。

13、进一步地，所述自动回滚操作中，工作流执行路径的回溯方式为：从当前工作流执行上下文中获取自触发推断流程的条件判断节点之后的所有节点标识序列，按序列逆序逐个从节点执行结果集合中清除对应节点标识的记录条目。

14、一种rpa工作流中基于变量缺失触发的ai推断补偿与自动回滚系统，其特征在于，包括：

15、变量解析模块，用于在条件判断节点解析条件表达式中引用的全部变量名，构建缺失变量名列表；

16、ai推断触发模块，用于在有缺失变量时，将已定义变量的键值对作为输入构造推断请求，获取推断变量值并标记为推断模式；

17、冲突检测模块，用于在后续节点产生对推断模式变量的新赋值时，比较新赋值与推断值的差异度；

18、自动回滚模块，用于在差异度超过预设阈值时，回溯工作流至触发推断的条件判断节点，以新赋值替代推断值后重新执行。

19、一种终端设备，其特征在于，所述终端设备包括上述系统。

20、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。

1.一种rpa工作流中基于变量缺失触发的ai推断补偿与自动回滚方法，其特征在于，包括至少以下步骤：在rpa工作流执行引擎执行到条件判断节点时，解析条件表达式中引用的全部变量名，在与工作流关联的全局变量集合中逐一查询每个变量名是否存在对应的有效变量值，构建缺失变量名列表；若缺失变量名列表非空，触发ai推断流程，将已定义的有效变量名及其对应的变量值作为输入特征，将缺失变量名列表中每一个变量名作为待推断目标，构造推断请求调用外部大规模语言模型接口，获取每个缺失变量的推断变量值；将获取的每个推断变量值存入全局变量集合中，并标记每个推断变量值为推断模式，同时记录推断发生的工作流节点标识、推断时间戳和推断模型响应的原始上下文；以推断变量值替换条件表达式中的对应缺失变量名，完成条件表达式的求值，根据求值结果确定条件判断节点的后续执行分支，继续执行工作流的后续节点；在后续节点执行过程中，当任一节点产生对某个已被标记为推断模式的变量的新赋值时，执行冲突检测：比较新赋值与推断变量值之间的差异度，若差异度大于预设阈值，则触发自动回滚操作；所述自动回滚操作包括：暂停当前节点执行，回溯工作流执行路径至触发推断流程的所述条件判断节点，将已执行的全部后继节点的节点执行结果集合清除，以新赋值替代全局变量集合中的对应推断变量值，从所述条件判断节点重新执行条件求值和后继节点，形成基于真实数据的二次执行路径。

2.根据权利要求1所述的方法，其特征在于，当变量值为数值类型时，所述差异度等于新赋值与推断变量值之差除以推断变量值所得的比例；当变量值为字符串类型时，所述差异度基于两个字符串之间的编辑距离除以推断字符串长度所得的比例；所述预设阈值为0.3。

3.根据权利要求1所述的方法，其特征在于，在所述二次执行路径中，设置推断计数器并自增，检测到所述推断计数器值大于一次时不再递归触发ai推断流程，改为终止工作流并返回标识为二次缺失类型的错误响应，防止无限递归。

4.根据权利要求1所述的方法，其特征在于，当差异度未超过所述预设阈值时，保留推断变量值，以新赋值为准更新全局变量集合，取消变量的推断模式标记，继续执行后续节点至工作流结束。

5.根据权利要求1所述的方法，其特征在于，所述推断请求的构造方式为：将已定义变量按照变量名和变量值组成的键值对列表作为prompt的已知上下文部分，将待推断变量名列表作为prompt的待填充部分，要求大规模语言模型以json键值对格式返回推断结果。

6.根据权利要求1所述的方法，其特征在于，所述自动回滚操作中，工作流执行路径的回溯方式为：从当前工作流执行上下文中获取自触发推断流程的条件判断节点之后的所有节点标识序列，按序列逆序逐个从节点执行结果集合中清除对应节点标识的记录条目。

7.一种rpa工作流中基于变量缺失触发的ai推断补偿与自动回滚系统，其特征在于，包括：变量解析模块，用于在条件判断节点解析条件表达式中引用的全部变量名，构建缺失变量名列表；ai推断触发模块，用于在有缺失变量时，将已定义变量的键值对作为输入构造推断请求，获取推断变量值并标记为推断模式；冲突检测模块，用于在后续节点产生对推断模式变量的新赋值时，比较新赋值与推断值的差异度；自动回滚模块，用于在差异度超过预设阈值时，回溯工作流至触发推断的条件判断节点，以新赋值替代推断值后重新执行。

8.一种终端设备，其特征在于，所述终端设备包括权利要求7所述的系统。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。