一种面向工业智能体的知识中心驱动方法及系统

本发明属于工业软件、人工智能、知识工程与智能体工作流，具体涉及一种面向工业智能体的知识中心驱动方法及系统。

背景技术：

1、在工业数字化、智能化转型升级进程中，工业ai智能体已广泛应用于产品正向设计、工艺规划、方案自动生成、质量缺陷分析、设备全生命周期运维、领域知识管理等复杂工业业务场景。相较于传统封闭式工业软件，工业智能体具备动态任务处理能力，可响应自然语言需求、解析业务图纸/三维模型文件，联动知识库、知识图谱、大语言模型完成知识检索、参数智能推荐、行业规则校核、结构逻辑推理、定制化方案自动生成等作业。

2、然而，现有技术存在以下不足：

3、现有知识中心可接收多模态工业数据并完成基础存储，但多源异构数据从导入、解析、模式层建模、知识图谱构建至为智能体提供知识服务的完整链路无法打通。文本、电子表格、工程图纸、三维模型、行业规范文档、历史业务案例、专家经验等异构数据解析后，分别独立存储于向量库、结构化表单、文件索引库，各类知识资产无统一标准化知识对象关联体系；行业规则、历史业务案例仅以独立文档、孤立数据表形式存储，无法转化为图谱可检索的规则节点、案例节点及实体关联关系。致使工业智能体无法根据任务上下文自动匹配知识类型、选择检索策略，也无法将临时业务数据自动沉淀更新知识库，知识调用、迭代无统一执行标准。

4、现有技术中，知识图谱检索、行业规则查询、参数智能推荐、知识逻辑推理等底层能力固化为程序代码或独立插件，无法拆分为标准化可配置功能节点嵌入不同业务智能体工作流。针对不同工业业务场景、不同任务阶段，技术人员需重复开发、配置检索、推荐、推理逻辑，开发成本高；且无法针对单一任务阶段组合多类知识能力，无法将同一知识能力复用至多阶段任务，难以适配差异化工业业务需求。

5、用户前端交互过程中上传的临时文件、三维模型、自然语言需求仅服务于单次会话、单工具节点，无法接入后端标准化知识对象体系，无法为后续工作流任务复用；接收用户发出的知识入库指令，将具备复用价值的有效业务知识、规则校核结果、新增业务案例无法自动回写至正式知识库，前端交互产生的增量知识无法完成标准化沉淀，前后端数据链路存在永久性断点。

6、因此，现有工业智能体配套知识架构存在知识存储、工作流配置、前端交互三者割裂的技术瓶颈，行业亟需一套面向工业智能体的知识中心驱动方案，打通后端数据处理、知识资产组织、知识能力节点发布、业务工作流配置、前端交互、知识迭代全链路，依托图谱化结构统一管理规则、案例类工业知识，构建可检索、可推理、可动态更新的标准化知识资产，为业务智能体提供统一知识服务与知识沉淀载体。

技术实现思路

1、现有技术存在后端知识中心、业务端智能体工作流、前端应用交互模块相互割裂，工业知识复用率低、业务工作流配置灵活性不足、知识资产无法持续迭代演化的技术缺陷。本发明的目的是提供一种面向工业智能体的知识中心驱动方法及系统，该方法通多源异构工业数据知识化处理、知识能力节点封装、智能体工作流灵活配置、前端人机交互、知识自动回流更新全链路，实现工业知识资产图谱化、模块化、可复用、可持续迭代。

2、为实现上述目的，本发明提供了一种面向工业智能体的知识中心驱动方法及系统，包括以下步骤：

3、s1、在后端知识中心接收工业业务中的多源异构数据；所述多源异构数据包括文本、表格、图纸、模型、规则文档、历史案例和专家经验数据中的至少一种；

4、s2、根据所述多源异构数据的数据模态选择对应的解析策略，对所述多源异构数据执行解析抽取、结构化转换、向量化表示和规则结构化处理，形成数据对象和知识对象；

5、s3、基于所述知识对象构建模式层对象；所述模式层对象包括实体类型、关系类型、属性字段、字段映射、规则约束、关联文件和版本标识；根据所述模式层对象组织和存储知识资产，形成知识图谱库、向量库和结构化表单库；其中，规则知识和案例知识以图谱节点、关系边、属性和子图谱形式进行存储、检索和调用；

6、s4、将所述知识资产对应的图谱检索能力、向量检索能力、规则查询能力、知识推荐能力、知识推理能力和知识更新积累能力封装为知识能力节点；在业务端智能体工作流配置过程中，接收对所述知识能力节点的选择和配置，将所述知识能力节点嵌入业务场景智能体工作流中的一个或多个任务阶段；所述知识能力节点能够被配置到同一业务场景智能体工作流中的多个任务阶段，且同一任务阶段能够同时调用多个知识能力节点；

7、s5、在前端应用交互过程中，接收用户通过文件上传、模型提交或语言交互提出的业务需求，将所述业务需求处理为临时知识对象，调用所述业务场景智能体工作流，生成业务执行结果；当所述临时知识对象被业务场景智能体工作流调用并经用户确认具有复用价值时，将所述临时知识对象升级为正式知识对象；

8、s6、将所述业务执行结果、用户反馈、临时知识对象、运行记录和新增案例回写至后端知识中心，以更新知识图谱库、向量库、结构化表单库、模式层对象或知识能力节点配置；

9、后端知识中心、业务端智能体工作流和前端应用交互之间通过知识对象标识、模式层版本、知识能力节点标识、业务任务标识和运行记录标识建立全局关联。

10、优选的，s2中，所述数据对象和知识对象包括：

11、文件对象，用于记录文件名称、文件类型、文件来源、上传用户、解析状态和关联业务场景；

12、解析结果对象，用于记录文本切片、表格字段、图纸区域、模型构件、规则条款和案例字段；

13、向量知识对象，用于记录向量索引、语义表示和相似检索入口；

14、图谱知识对象，用于记录实体、关系、属性、约束、实体间路径、规则节点、案例节点、规则触发关系、案例相似关系和子图谱结构；

15、结构化表单对象，用于记录字段、参数、表头、单元格和结构化记录，并与所述图谱知识对象中的实体、属性或规则节点建立映射关系。

16、优选的，s3中，所述基于所述知识对象构建模式层对象，具体包括：

17、对上传的业务资料进行解析和切分，形成可检索文本、中间结构数据和候选知识对象；

18、结合向量检索结果、已有参考资料和用户输入，在模式层画布中构建实体、关系、属性和规则约束；

19、基于关联文件生成候选实体、候选关系、候选属性和候选规则；

20、接收用户对候选内容的确认、修改或删除操作，输出具有版本标识的模式层对象。

21、优选的，s4中，所述知识能力节点包括：

22、图谱检索节点，用于从知识图谱库中检索实体、关系、路径、规则节点、案例节点、子图谱和上下文知识；

23、向量检索节点，用于从向量库中召回与用户需求、设计文件或模型描述相似的文档、案例或图纸片段；

24、规则查询节点，用于基于知识图谱库中的规则节点、规则关系和规则适用条件，查询适用于当前任务阶段的设计准则、校核规则或工艺约束；

25、知识推荐节点，用于根据用户需求、历史案例、规则节点和图谱关系生成业务建议、候选方案或参数建议；

26、知识推理节点，用于基于规则图谱关系、案例图谱关系、参数约束、结构关系或流程状态生成推理结论；

27、知识更新积累节点，用于将用户确认后的新增知识、运行记录、业务结果或案例结果积累至后端知识中心，并更新对应的图谱节点、关系、属性、子图谱或向量索引。

28、本发明还提供一种面向工业智能体的知识中心驱动系统，包括：

29、后端知识中心模块，用于执行s1、s2、s3，接收多源异构数据，并完成数据解析、模式层构建、知识资产组织和知识库更新；

30、知识资产管理模块，用于执行s3，管理知识图谱库、向量库和结构化表单库，并将规则知识和案例知识以图谱节点、关系边、属性和子图谱形式进行管理；

31、知识能力节点管理模块，用于执行s4，将图谱检索、向量检索、规则查询、知识推荐、知识推理和知识更新积累封装为可配置节点；

32、业务端智能体工作流配置模块，用于执行s4，将所述知识能力节点配置到业务场景智能体工作流中的一个或多个任务阶段；

33、前端应用交互模块，用于执行s5，接收用户上传文件、提交模型或语言交互输入，并展示业务执行结果；

34、知识更新模块，用于执行s6，根据用户反馈、运行记录、临时知识对象和新增案例更新后端知识中心。

35、因此，本发明采用上述一种面向工业智能体的知识中心驱动方法及系统，与现有技术相比，本发明的技术方案具有以下有益效果：

36、（1）本发明搭建三层协同联动架构，按数据模态差异化解析工业多源数据，构建含约束与版本标识的模式层，并以图谱形式统一存储规则、案例，建立标准化知识对象体系；解决了多源数据分散割裂、案例文档零散、三层架构数据链路断裂、知识缺乏统一建模规范，致使智能体无法精准匹配调用适配知识的缺陷，实现工业数据一体化知识建模，打通数据全处理链路，统一规范知识存储与检索逻辑，有效提升知识结构化水平与检索效率；

37、（2）本发明将六大类知识能力封装为可配置独立节点，支持知识节点跨任务阶段复用、单阶段多节点并行调度，可灵活嵌入智能体工作流任意环节；克服了传统方案知识能力固化、难以拆分复用，各业务场景需重复开发知识调用逻辑，无法适配不同任务阶段差异化知识需求的弊端，实现知识服务模块化灵活配置，省去重复开发工作，适配多阶段业务需求，降低智能体流程开发成本，提升工作流配置灵活性；

38、（3）本发明将前端业务需求转化为标准化临时知识对象，业务交互数据统一回写知识库，经用户确认复用价值的临时知识自动转为正式资产，依托唯一标识打通三层架构形成知识迭代闭环；解决了前端临时数据仅单次生效、新增业务案例无法入库沉淀、前后端存在数据断点、知识库难以自主迭代更新的问题，构建起知识自沉淀、自更新闭环体系，持续扩充知识库储备，显著提升工业智能体方案生成与参数推荐的精准度。

39、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。