一种基于AI意图检测的动态工作流分支路由方法与流程

摘要: 本发明属于工作流自动化与自然语言处理技术的交叉领域,具体涉及一种在工作流引擎中利用大语言模型进行意图分类从而动态决定执行分支路由的方法。背景技术:1、在可视化工...
一种基于AI意图检测的动态工作流分支路由方法与流程

本发明属于工作流自动化与自然语言处理技术的交叉领域,具体涉及一种在工作流引擎中利用大语言模型进行意图分类从而动态决定执行分支路由的方法。

背景技术:

1、在可视化工作流平台中,分支路由决定了工作流执行至分叉节点后的下游路径选择。典型的应用场景包括:用户通过自然语言描述需求,工作流引擎根据描述内容将任务路由到不同的处理分支。

2、现有工作流分支路由方案主要有以下类型。方案一:固定条件表达式路由,用户在画布上为分支连线配置条件表达式,引擎在执行时对上游节点的输出数据求值,根据布尔结果选择满足条件的路径。该方案的缺陷在于条件表达式需要用户预定义各类分支条件和比较逻辑,当输入是自由形式的自然语言文本时,结构化条件表达式难以覆盖自然语言的语义多样性。例如用户描述"我想查询上个月的订单状态"与"帮我看看之前那个订单到哪了"语义相近但文本形式差异较大,单一的正则匹配或关键词比对难以统一捕获。方案二:基于规则引擎的分支路由,用户配置一组规则模板,每条规则包含关键词列表和权重,引擎计算输入文本对各规则的匹配得分后选择得分最高的分支。该方案仍依赖人工维护规则库,规则数量随业务场景增长而膨胀,且关键词匹配无法处理同义词和隐式表达。方案三:用户手动选择分支,工作流在执行时通过交互界面让用户从分支选项中选择一个,引擎根据用户的选择继续执行。该方案需要人工介入,无法实现全自动处理。

3、此外,现有方案还存在以下共性缺陷:第一,意图识别粒度单一,所有意图被等同对待,无法适应从宽泛领域到具体操作的层级化路由需求;第二,缺乏跨轮次对话的意图记忆机制,每次路由决策仅基于当前轮的输入文本,无法利用历史对话中的意图倾向辅助判断,在连续多轮交互场景下容易出现意图跳变导致路由不稳定。

4、上述方案在面对自然语言输入时缺乏语义级别的意图理解能力,分支路由的准确性和覆盖面受限于预定义的规则或用户的手动干预。

技术实现思路

1、本发明的目的是提供一种基于ai意图检测的动态工作流分支路由方法,解决现有工作流分支路由在面对自然语言输入时依赖预定义条件表达式或规则模板、无法动态理解语义意图、意图识别粒度单一以及缺乏跨轮次对话意图记忆的问题。

2、本发明的方法包括以下步骤:在工作流执行引擎的ai类型节点中读取意图检测配置数据,意图检测配置数据包含启用标志字段、多级意图粒度定义列表和默认意图标识字段,多级意图粒度定义列表中的每一条意图记录包含意图所属粒度层级、意图名称、意图描述文本、示例输入文本和目标节点标识符,意图所属粒度层级按从粗到细排列包括粗粒度层、中粒度层和细粒度层;在ai节点执行过程中,维护并与当前ai节点关联一个上下文累积池,上下文累积池存储历次对话轮次中已被识别的意图标识及其累积权重值,累积权重值按指数衰减方式随时间递减,每次新的意图匹配发生后,对应该意图的累积权重值被增加并更新至上下文累积池;当工作流执行至该ai节点且启用标志字段为启用状态时,从上下文累积池中读取各意图标识对应的累积权重值,按照权重由高到低排序生成加权意图倾向向量,将加权意图倾向向量与当前自然语言输入文本一并作为意图分类的上下文参考依据;构造意图分类提示词文本,意图分类提示词文本按照多级意图粒度定义列表的粒度层级顺序,先穷举粗粒度层的各意图记录的名称和描述文本,再穷举中粒度层的各意图记录的名称和描述文本,最后穷举细粒度层的各意图记录的名称和描述文本,以使大语言模型按照从粗到细的层级逐步缩小意图匹配范围,在提示词结尾处指示大语言模型根据输入文本从三级粒度层级中选择最匹配的一项并返回对应意图标识符;将工作流中上游节点输出的自然语言输入文本与意图分类提示词文本以及加权意图倾向向量拼接为调用请求,向大语言模型发起分类调用,调用请求中指定输出格式为结构化对象格式,并设定生成温度参数值为小于预设阈值的数值以抑制输出随机性;接收大语言模型返回的结构化分类结果,解析结构化分类结果获得意图标识符字段、置信度数值字段和实体数据字段;将意图标识符字段与多级意图粒度定义列表中各意图记录的意图名称进行逐一比对,命中时提取被命中意图记录的目标节点标识符,同时将该被命中意图的累积权重值在上下文累积池中增加一个预设增量后写入上下文累积池,并将该目标节点标识符写入工作流当前节点的下游执行节点队列中,将实体数据字段存储为下游节点可访问的上下文数据;若意图标识符字段与多级意图粒度定义列表中所有意图记录的意图名称均未命中,从意图检测配置数据中读取默认意图标识字段的值,获取该默认意图对应的目标节点标识符并将其写入下游执行节点队列。

3、本发明的有益效果在于:通过大语言模型对自然语言输入进行语义级别的意图分类,工作流引擎无需依赖预定义的条件表达式即可根据输入内容的实际含义动态决定后续执行路径,当输入存在多种不同措辞但语义相同的自然语言表述时,大语言模型的语义理解能力使意图归类保持稳定;多级意图粒度定义列表将意图按粗粒度层、中粒度层和细粒度层三级组织,使大语言模型在分类时按照从粗到细的层级逐步缩小匹配范围,粗粒度层用于确定领域方向、中粒度层用于锁定业务类别、细粒度层用于精确定位具体操作,提高了复杂多级意图场景下的分类精度和层级化路由能力;上下文累积池通过指数衰减的累积权重机制记忆历次对话轮次中的意图倾向,加权意图倾向向量为当前路由决策提供跨轮次的上下文参考,使连续多轮交互中的路由决策保持稳定一致,避免因单一轮次的输入波动导致意图跳变;意图定义列表中的每条意图可单独配置目标节点标识符,工作流设计者通过在画布上配置意图定义即可建立从自然语言语义到执行路径的映射关系,不再需要编写和调试条件表达式;默认意图标识字段提供了分类不匹配时的兜底路由策略,确保当前工作在任意输入下都能确定一个有效的下游执行路径,不会因未能分类而中断执行;实体数据与路由决策同步产出并传递给下游节点,下游处理节点无需重复解析原始自然语言输入,直接从上下文数据中读取已提取的结构化实体字段即可使用。

1.一种基于ai意图检测的动态工作流分支路由方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述构造意图分类提示词文本,按照固定模板格式将所述意图定义列表中每条意图记录的名称和描述文本逐条列举,每条意图占据一个独立编号条目,所述固定模板包含对输出字段名称和字段类型的明确约束说明。

3.根据权利要求1所述的方法,其特征在于,所述设定生成温度参数值为小于预设阈值的数值,所述生成温度参数取值为0.1,该温度值使大语言模型在生成分类结果时倾向于选择概率最高的意图类别,降低分类结果的随机波动幅度。

4.根据权利要求1所述的方法,其特征在于,所述解析所述结构化分类结果获得意图标识符字段、置信度数值字段和实体数据字段,所述实体数据字段为一个键值对集合,键为实体类别名称,值为从所述自然语言输入文本中提取的对应实体字符串,该实体数据字段的内容随所述下游执行节点队列一同传递。

5.根据权利要求1所述的方法,其特征在于,所述将该目标节点标识符写入所述工作流当前节点的下游执行节点队列中,所述下游执行节点队列为工作流执行引擎在调度阶段读取的动态路由依据,引擎在ai节点执行完成后遍历该下游执行节点队列确定后续需要执行的节点标识符集合。

6.根据权利要求1所述的方法,其特征在于,所述意图定义列表中的至少一条意图记录中,所述示例输入文本字段包含多个自然语言输入示例,这些示例在所述意图分类提示词构造阶段被纳入提示词文本中,辅助大语言模型进行意图类别匹配。

7.一种基于ai意图检测的动态工作流分支路由系统,其特征在于,包括:

8.根据权利要求7所述的系统,其特征在于,所述路由决策模块在命中意图记录后,将该意图记录关联的实体数据字段与目标节点标识符一并传递至下游执行节点队列,使下游节点能够直接访问ai节点提取的结构化实体信息。

9.一种终端设备,其特征在于,包括处理器和存储器,所述存储器中存储有程序指令,所述处理器执行所述程序指令时实现权利要求1至6中任一所述的方法,所述终端设备为运行工作流执行引擎的计算设备。

10.一种计算机可读存储介质,其上存储有程序指令,其特征在于,所述程序指令被处理器执行时实现权利要求1至6中任一所述的方法。