一种基于工业知识图谱的智能体技能调用约束对齐方法与流程
本发明涉及人工智能与工业软件,特别涉及一种基于工业知识图谱的智能体技能调用约束对齐方法。
背景技术:
1、大语言模型智能体在工业设计自动化中的应用方式已经成型:智能体承接设计任务后自主规划步骤,生成携带候选设计参数的技能调用指令,调用封装为技能的仿真与设计服务完成参数写入与性能校核,并依据执行结果迭代推理。围绕该应用方式,现有技术主要采用三种架构。
2、第一种是智能体直接调用技能的无校验架构。其缺陷源于大语言模型的生成机制:模型以词元概率采样产生参数取值,内部不存在物理方程与工艺边界的显式变量,参数与可行域之间没有任何一致性保障环节;技能服务端仅做类型与格式校验,违规参数被照单执行,单次数十分钟至数小时的仿真算力被无效占用,错误结果还作为上下文反馈,使错误沿推理轮次累积放大。
3、第二种是后置人工审核架构。其缺陷在于:审核滞后于参数生成,审核通过前违规参数已进入仿真排队,无法形成事前阻断;审核基准为静态工艺文档,规范修订后口径更新存在时间差;审核结论以自然语言批注存在,无法沉淀为机器可执行的校验规则,同类错误反复出现。
4、第三种是接口前置硬编码校验脚本。其缺陷在于:约束以分散条件语句硬编码,缺乏关联表达,新增约束须修改并重新部署代码;脚本只能执行单参数独立阈值判断,无法处理方程耦合的联合约束;拦截后仅返回错误码,不携带边界值与修正方向,智能体盲目重试,形成往复重试循环。
5、上述架构共同缺少的是:一种在指令发出之前、以统一且可演进的约束表达为基准、能够处理方程耦合约束、并在拦截后提供修正方向的事前校验机制。
技术实现思路
1、(一)解决的技术问题
2、本发明所要解决的技术问题是提供一种基于工业知识图谱的智能体技能调用约束对齐方法。
3、(二)技术方案
4、一种基于工业知识图谱的智能体技能调用约束对齐方法,包括获取智能体针对工业设计任务生成的技能调用指令的步骤,所述技能调用指令携带候选设计参数,还包括:
5、s1、构建硬约束拦截层:获取物理方程边界数据和工艺规范数据,构建工业知识图谱,所述工业知识图谱以设计参数实体为节点、以设计参数实体之间的约束关系为边;将所述工业知识图谱映射为动态约束求解器的变量域与约束条件,所述节点映射为变量,所述节点对应的取值边界映射为所述变量的变量域,所述边映射为施加于对应变量上的约束条件;
6、s2、约束传播:截取所述技能调用指令,将所述技能调用指令携带的候选设计参数代入所述动态约束求解器进行静态求解,对每条约束条件执行弧一致性检查,迭代删除变量域中与所述约束条件不相容的取值,直至各变量的变量域不再变化或任一变量的变量域为空,经约束传播收敛各变量的变量域;
7、s3、双向拦截判定:在约束传播过程中记录每次取值删除所依赖的约束条件与相关变量,构成依赖链;判断静态求解结果是否可满足,若任一变量的变量域收敛为空集则判定不可满足,在本地拦截所述技能调用指令,沿所述依赖链回溯,提取导致空域的最小冲突约束集,将所述最小冲突约束集中的约束项确定为被违反的约束项,并阻断所述技能调用指令向技能执行侧的提交以及所述候选设计参数向审核侧的流转;
8、s4、约束违例反馈提示词生成:根据所述被违反的约束项在所述工业知识图谱中的关联路径,生成约束违例反馈提示词,所述约束违例反馈提示词包含违规参数、所述被违反的约束项对应的约束边界值以及可行域方向;所述可行域方向按违规取值与约束边界值的比较关系确定,修正目标为越过约束边界并保留边界裕度;将所述约束违例反馈提示词发送至所述智能体,以使所述智能体根据所述约束违例反馈提示词重新推理并生成新的技能调用指令,并返回步骤s2;
9、s5、若静态求解结果可满足,则放行所述技能调用指令至所述技能执行侧执行,获取执行结果,对所述执行结果进行事后审核,并将审核结果回写至所述工业知识图谱,以更新对应约束关系的约束权重。
10、优选的,步骤s1中,所述边携带约束表达式、约束来源标识、约束权重与生效时间,所述边的类型包括下限约束、上限约束、区间约束、方程耦合约束与互斥约束;所述方程耦合约束映射为以物理方程为表达式且作用于多个变量的约束条件。
11、优选的,步骤s1中,所述将所述工业知识图谱映射为动态约束求解器的变量域与约束条件,包括:监听所述工业知识图谱的变更事件,对发生变更的子图所涉及的变量域与约束条件进行重新编译,将重新编译结果与未变更部分合并,生成携带版本差异记录的新版本的版本化约束集。
12、优选的,步骤s4中,所述生成约束违例反馈提示词,包括:沿所述关联路径检索受所述被违反的约束项影响的关联设计参数,生成包含所述违规参数、所述约束边界值、所述可行域方向以及各关联设计参数调整优先级的约束违例反馈提示词;或者,以所述被违反的约束项为检索键在历史审核通过案例中检索相同约束项下的通过参数组合,将检索到的通过参数组合作为参考实例附加至所述约束违例反馈提示词。
13、优选的,步骤s4还包括:对所述智能体的重新推理次数进行计数,当所述重新推理次数达到预设重试上限时,终止返回步骤s2的循环,将所述候选设计参数与所述被违反的约束项转入人工仲裁队列。
14、为解决上述技术问题,本发明还提供了一种基于工业知识图谱的智能体技能调用约束对齐装置,包括:
15、图谱构建模块,被配置为获取物理方程边界数据和工艺规范数据,构建工业知识图谱,所述工业知识图谱以设计参数实体为节点、以设计参数实体之间的约束关系为边;
16、约束编译模块,被配置为将所述工业知识图谱映射为动态约束求解器的变量域与约束条件,所述节点映射为变量,所述节点对应的取值边界映射为所述变量的变量域,所述边映射为施加于对应变量上的约束条件;
17、调用截取模块,被配置为截取智能体针对工业设计任务生成的技能调用指令,所述技能调用指令携带候选设计参数;
18、约束求解模块,被配置为将所述候选设计参数代入所述动态约束求解器进行静态求解,对每条约束条件执行弧一致性检查,迭代删除变量域中与所述约束条件不相容的取值,直至各变量的变量域不再变化或任一变量的变量域为空,并在约束传播过程中记录每次取值删除所依赖的约束条件与相关变量,构成依赖链;
19、拦截判定模块,被配置为判断静态求解结果是否可满足,若任一变量的变量域收敛为空集则判定不可满足,在本地拦截所述技能调用指令,沿所述依赖链回溯,提取导致空域的最小冲突约束集,将所述最小冲突约束集中的约束项确定为被违反的约束项,并阻断所述技能调用指令向技能执行侧的提交以及所述候选设计参数向审核侧的流转;
20、提示词生成模块,被配置为根据所述被违反的约束项在所述工业知识图谱中的关联路径生成约束违例反馈提示词,并将所述约束违例反馈提示词发送至所述智能体,所述约束违例反馈提示词包含违规参数、所述被违反的约束项对应的约束边界值以及可行域方向;
21、执行审核模块,被配置为在静态求解结果可满足时放行所述技能调用指令至所述技能执行侧执行,获取执行结果,对所述执行结果进行事后审核,并将审核结果回写至所述工业知识图谱,以更新对应约束关系的约束权重。
22、优选的,所述执行审核模块更新约束权重时,审核结果为通过则提升对应约束关系的约束权重,审核结果为驳回则标记对应约束关系并触发约束边界复核流程;所述约束编译模块还用于监听所述工业知识图谱的变更事件,对发生变更的子图所涉及的变量域与约束条件进行重新编译,生成新版本的版本化约束集。
23、本发明还提供了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上述的基于工业知识图谱的智能体技能调用约束对齐方法的步骤。
24、(三)有益效果
25、1.通过在指令发出前将候选设计参数代入动态约束求解器进行毫秒级约束传播静态求解,使违规参数在进入仿真前即被识别,从而消除无效仿真算力消耗,单次校验耗时为毫秒量级。
26、2.通过双向拦截阻断不可满足指令进入仿真排队,使仿真算力资源仅分配给可满足的指令,避免算力资源的无效占用;审核侧仅接触已通过事前校验的参数,减少审核环节对不可满足参数的无效处理开销。
27、3.通过约束违例反馈提示词携带违规参数、约束边界值与可行域方向,使重新推理从盲目重试转为定向搜索,实施例实测平均重试轮次由3.4轮降至1.3轮,从而避免往复重试循环的开销放大。
28、4.通过图谱统一表达约束并以审核结果回写更新约束权重,使约束基准持续演进,从而消除硬编码脚本维护滞后造成的校验口径漂移。
29、5.通过增量编译生成版本化约束集,使求解模型更新粒度缩小到变更子图,从而降低编译开销并保持基准时效。
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