一种基于知识图谱增强的无人机巡检智能体工作流自动构建方法
本发明涉及一种基于知识图谱增强的无人机巡检智能体工作流自动构建方法,属于自然语言处理领域。
背景技术:
1、当前主流的针对无人机巡检场景的智能体工作流构建方案,往往将任务执行路径简化为一个线性的“思维链”。这导致三个显著的缺陷:其一,当任务涉及长周期执行或多工具协同的复杂拓扑时,智能体容易出现“规划幻觉”,遗漏关键的前置依赖节点;其二,由于智能体的基础是大语言模型,大语言模型的黑盒特性以及领域知识的缺乏使得智能体在执行过程的鲁棒性和可解释性上面临巨大挑战,微小的输入扰动就可能导致整个执行路径的崩塌;最后,由于当前的无人机巡检智能体工作流构建大多依靠人工,这就使得工作流难以根据实际的任务反馈进行更新,针对于某一特定场景的无人机巡检工作流难以复用造成数据资产损失
2、而引入知识图谱,恰好为上述痛点提供了一种“结构即逻辑”的解决范式。知识图谱可以将智能体工作流中的每一个原子操作实例化为一个中心事实节点,并通过关系将其与输入参数约束、前置条件状态、预期输出模式以及环境动态上下文进行显式关联。这种显式化、可追溯、可验证的结构化工作流表示,从根本上将智能体的构建过程从“基于提示的黑盒推理”提升为了“基于知识的结构化编译”,为构建具备工业级稳定性的复杂智能体系统奠定了认知底座。
技术实现思路
1、本发明的目的在于提供一种基于知识图谱增强的无人机巡检智能体工作流自动构建方法,旨在解决通过传统无人机巡检工作流构建方法构建的工作流与领域知识之间缺乏融合、工作流难以复用的技术问题。
2、为实现上述目的,本发明的技术方案是:一种基于知识图谱增强的无人机巡检智能体工作流自动构建方法,该方法通过引入知识图谱,对领域先验知识以及现有工作流信息进行重新建模与数据融合,可以有效提高工作流与任务之间的匹配度以及工作流复用率,包括以下步骤:
3、step1:收集领域先验知识、工单及现有工作流,对所述领域先验知识进行格式统一,对工单以及现有工作流进行阈值筛选;
4、step2:构建三元组抽取提示词并与格式统一后的领域先验知识输入大语言模型进行三元组抽取,得到领域三元组;
5、step3:构建实体抽取提示词与编写校验提示词,将所述实体抽取提示词与阈值筛选后的工单输入大语言模型,提取阈值筛选后的工单中所含的任务要素,将所述校验提示词与任务要素输入大语言模型,得到筛选后的任务要素;
6、step4:构建逻辑梳理提示词并与阈值筛选后的现有工作流、筛选后的任务要素共同输入大语言模型,梳理工作流内部的逻辑结构,提取不同流程间的逻辑依赖关系与执行顺序,并建立各流程与任务要素间的映射关联,得到梳理后的工作流;
7、step5:基于梳理后的工作流,将领域三元组、筛选后的任务要素及逻辑依赖关系进行数据融合,构建知识图谱;
8、step6:通过大语言模型识别用户提问中的信息,并基于识别出的信息进行知识图谱语义相似度查询匹配相应的任务要素,生成结构化的无人机巡检智能体工作流。
9、可选地,所述step1具体为:
10、step1.1:收集领域文本、结构化表格、pdf文件,同时整合历史工单记录与专家经验沉淀的操作手册;
11、step1.2:收集处理后的工单中的任务反馈信息,所述任务反馈信息包括执行结果、用户评价及异常日志,设定筛选阈值,剔除反馈评分低于设定值或执行失败率超过阈值的工单及对应的工作流,对结构化表格、pdf文件进行光学字符识别,获取数据中的文本信息,得到阈值筛选后的工单、阈值筛选后的现有工作流以及格式统一的领域先验知识。
12、可选地,所述step2具体为:
13、step2.1:构建三元组抽取提示词;
14、step2.2:将格式统一后的领域先验知识与三元组抽取提示词共同输入大语言模型,调用大语言模型语义理解与信息抽取功能,批量抽取领域先验知识中的实体及实体间关系;
15、step2.3:对抽取结果进行格式校验与去重处理,过滤置信度低于预设阈值三元组,保留符合预设实体类型与关系类别的有效三元组,得到领域三元组。
16、可选地,所述step4具体为:
17、step4.1:构建逻辑梳理提示词,并与阈值筛选后的现有工作流与筛选后的任务要素共同输入大语言模型,引导大语言模型识别工作流中每个步骤的前置条件、后置条件、并行分支及循环逻辑,提取步骤间的逻辑依赖关系与执行顺序;
18、step4.2:将逻辑依赖关系与执行顺序与任务要素进行关联映射,为每个工作流步骤标注对应的任务要素,形成步骤-任务要素的结构化映射,得到梳理后的工作流。
19、可选地,所述step5具体为:
20、step5.1:将梳理后的工作流与领域三元组进行实体对齐与关系融合,确保同一实体在不同来源中具有唯一标识;
21、step5.2:以工作流逻辑为骨架,将融合后的实体与关系按步骤执行顺序与依赖关系进行拓扑编排,形成以工作流节点为骨架、任务要素为属性、关系为边、流程逻辑为结构的知识图谱;
22、step5.3:对构建的知识图谱进行质量校验,所述质量校验包括实体完整性、关系一致性及逻辑闭环性检查,确保图谱结构正确反映工作流执行逻辑。
23、可选地,所述step6具体为:
24、step6.1:将用户输入的新任务需求进行语义解析,提取关键任务要素,并与知识图谱中的任务要素进行相似度匹配,定位最相关的知识子图;
25、step6.2:基于定位到的最相关的知识子图,提取对应的工作流逻辑与步骤序列,结合任务要素映射关系,生成适配无人机实际巡检任务的结构化的无人机巡检智能体工作流。
26、本发明的有益效果是:本发明通过知识图谱对工作流逻辑与领域先验知识进行重新建模与数据融合,实现了从非结构化任务描述到结构化智能体工作流流程逻辑序列的自动化映射与生成。相比传统工作流构建方案,本发明显著改善了工作流构建的效率,提升了工作流的可复用性。
1.一种基于知识图谱增强的无人机巡检智能体工作流自动构建方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种基于知识图谱增强的无人机巡检智能体工作流自动构建方法,其特征在于,所述step1具体为:
3.根据权利要求1所述的一种基于知识图谱增强的无人机巡检智能体工作流自动构建方法,其特征在于,所述step2具体为:
4.根据权利要求1所述的一种基于知识图谱增强的无人机巡检智能体工作流自动构建方法,其特征在于,所述step4具体为:
5.根据权利要求1所述的一种基于知识图谱增强的无人机巡检智能体工作流自动构建方法,其特征在于,所述step5具体为:
6.根据权利要求1所述的一种基于知识图谱增强的无人机巡检智能体工作流自动构建方法,其特征在于,所述step6具体为:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com