一种基于AI大模型的群聊工单管理方法、装置、电子设备及存储介质与流程

本发明属于工单管理，具体涉及一种基于ai大模型的群聊工单管理方法、装置、电子设备及存储介质。

背景技术：

1、随着即时通讯工具在企业客户服务中的广泛应用，基于群聊的工单管理逐渐成为主流服务模式。目前，常见的群聊工单管理技术方案主要采用基于关键词规则的自动化处理方法：系统通过预设“故障”“需求”“咨询”等触发关键词，扫描群聊消息并在检测到关键词时自动创建工单。

2、然而，上述相关技术存在以下缺陷：系统依赖用户明确输入预设关键词才能触发工单创建，无法理解自然语言的真实语义，因而对用户未使用关键词的隐含需求、复杂问题表述或多轮对话中的真实意图均无法主动识别与服务。导致整个工单管理流程在源头上即处于被动响应状态，后续的工单质量受其制约。

技术实现思路

1、本发明实施例的目的是提供一种基于ai大模型的群聊工单管理方法、装置、电子设备及存储介质，能够解决上述背景技术存在的问题。

2、为了解决上述技术问题，本发明是这样实现的：

3、第一方面，本发明实施例提供了一种基于ai大模型的群聊工单管理方法，包括：

4、接收来自目标群聊中的用户消息；

5、基于预设窗口长度的滑动时间窗口，获取所述目标群聊中与所述用户消息相关联的多条历史消息，作为所述用户消息的上下文消息集合；

6、将所述上下文消息集合输入大语言模型，通过所述大语言模型对所述上下文消息进行语义理解，以判断是否存在用户需求；

7、在确定存在用户需求的情况下，通过所述大语言模型根据所述上下文消息集合生成工单草稿；所述工单草稿至少包含问题主题、问题描述和推荐分类；

8、将所述工单草稿以可视化卡片的形式发送至所述目标群聊，以供用户确认；

9、在接收到用户针对所述工单草稿的确认指令的情况下，根据所述工单草稿创建工单。

10、可选地，在确定存在用户需求的情况下，还包括：

11、将所述用户消息转换为第一查询向量；

12、在历史工单向量库中检索与所述第一查询向量的相似度大于第一阈值的至少一个相似历史工单；所述历史工单向量库由历史工单的标题及内容经嵌入模型转换后得到；

13、将所述相似历史工单与所述上下文消息集合输入所述大语言模型，生成参考答案；

14、将所述参考答案及所述相似历史工单推送至所述目标群聊，并提供确定选项和否定选项；

15、在接收到用户针对所述确定选项的确认指令的情况下，确定所述用户需求已解决，并终止所述工单的创建；

16、在接收到用户针对所述否定选项的确认指令的情况下，通过所述大语言模型根据所述上下文消息集合生成工单草稿。

17、可选地，在所述根据所述工单草稿创建工单之后，还包括：

18、提取所述工单草稿中的问题主题，转换为第二查询向量；

19、获取所述目标群聊中，在所述用户消息触发时间前后各第一预设时长内的群聊消息，作为候选消息集合；

20、将所述候选消息集合中的每条候选消息转换为消息向量，并根据每条候选消息的消息向量，计算每条消息向量与所述第二查询向量的相似度；

21、保留相似度大于第二阈值的候选消息，作为初筛消息集合；

22、将所述初筛消息集合中的每条候选消息输入所述大语言模型，执行语义相关性判断，保留被判定为与所述用户需求的问题主题相关的候选消息，作为关联消息集合；

23、将所述关联消息集合中的候选消息按时间顺序格式化，并附加至所述工单草稿的备注字段中，以供处理人在所述工单中查询与所述用户需求的问题主题相关的候选消息。

24、可选地，在通过所述大语言模型根据所述上下文消息集合生成工单草稿之后，还包括：

25、获取所述目标群聊中，在所述用户消息触发时间前后各第二预设时长内的群聊消息，并调用情感分析模型分析其中负面情绪的平均强度，作为情绪强度因子；

26、将所述工单草稿中的问题描述输入所述大语言模型，评估业务影响程度，得到业务影响因子；

27、基于预设的关键词权重表，扫描所述工单草稿中匹配到的关键词，得到关键词权重因子；

28、查询所述用户的客户等级，并转换为客户等级分；

29、根据所述情绪强度因子、所述业务影响因子、所述关键词权重因子和所述客户等级分，加权计算得到紧急度评分；

30、将所述紧急度评分映射至对应的优先级等级，并将所述优先级等级写入所述工单草稿；其中，优先级等级越高，工单分派给处理人的顺序越靠前。

31、可选地，还包括：

32、以定时任务方式，获取预设时间窗口内所述目标群聊中所有用户的群聊消息及工单记录；

33、提取所述目标群聊中每个用户的多维行为特征；所述多维行为特征包括：沟通行为特征、问题类型分布特征、情绪趋势特征和自助解决能力特征；

34、将提取到的每个用户的多维行为特征输入聚类算法，对所述目标群聊中用户进行聚类，得到至少一个客户群体类型；

35、根据每个用户的多维行为特征及该用户所属的客户群体类型，构建该用户的客户画像；

36、在确定存在用户需求的情况下，根据对应用户的客户画像中的用户群体类型，调整所述用户的客户等级。

37、可选地，通过所述大语言模型根据所述上下文消息集合生成工单草稿，包括：

38、根据所述客户画像，确定目标摘要风格参数；所述目标摘要风格参数包括：详细程度等级和措辞风格类型；

39、将所述上下文消息集合与所述目标摘要风格参数输入所述大语言模型，并指示所述大语言模型按照所述详细程度等级和措辞风格类型，从所述上下文消息集合中提取关键信息，生成符合所述目标摘要风格参数的工单草稿。

40、可选地，根据所述工单草稿创建工单包括：

41、提取所述工单草稿中的问题主题、问题描述和推荐分类；

42、将所述问题主题设置为所述工单的标题字段；

43、将所述问题描述设置为所述工单的详细内容字段；

44、将所述推荐分类映射为所述工单的系统分类标签；

45、调用工单管理系统的api接口，将包含所述标题字段、所述详细内容字段和所述分类标签的工单数据提交至所述工单管理系统，以创建所述工单。

46、第二方面，本发明实施例提供了一种基于ai大模型的群聊工单管理装置，包括：

47、接收模块，用于接收来自目标群聊中的用户消息；

48、获取模块，用于基于预设窗口长度的滑动时间窗口，获取所述目标群聊中与所述用户消息相关联的多条历史消息，作为所述用户消息的上下文消息集合；

49、判断模块，用于将所述上下文消息集合输入大语言模型，通过所述大语言模型对所述上下文消息进行语义理解，以判断是否存在用户需求；

50、生成模块，用于在确定存在用户需求的情况下，通过所述大语言模型根据所述上下文消息集合生成工单草稿；所述工单草稿至少包含问题主题、问题描述和推荐分类；

51、发送模块，用于将所述工单草稿以可视化卡片的形式发送至所述目标群聊，以供用户确认；

52、创建模块，用于在接收到用户针对所述工单草稿的确认指令的情况下，根据所述工单草稿创建工单。

53、可选地，还包括：

54、第一转换模块，用于将所述用户消息转换为第一查询向量；

55、检索模块，用于在历史工单向量库中检索与所述第一查询向量的相似度大于第一阈值的至少一个相似历史工单；所述历史工单向量库由历史工单的标题及内容经嵌入模型转换后得到；

56、输入模块，用于将所述相似历史工单与所述上下文消息集合输入所述大语言模型，生成参考答案；

57、推送模块，用于将所述参考答案及所述相似历史工单推送至所述目标群聊，并提供确定选项和否定选项；

58、确认指令模块，用于在接收到用户针对所述确定选项的确认指令的情况下，确定所述用户需求已解决，并终止所述工单的创建；

59、确认生成模块，用于在接收到用户针对所述否定选项的确认指令的情况下，通过所述大语言模型根据所述上下文消息集合生成工单草稿。

60、可选地，还包括：

61、第二转换模块，用于提取所述工单草稿中的问题主题，转换为第二查询向量；

62、消息选中模块，用于获取所述目标群聊中，在所述用户消息触发时间前后各第一预设时长内的群聊消息，作为候选消息集合；

63、相似度计算模块，用于将所述候选消息集合中的每条候选消息转换为消息向量，并根据每条候选消息的消息向量，计算每条消息向量与所述第二查询向量的相似度；

64、第一保留模块，用于保留相似度大于第二阈值的候选消息，作为初筛消息集合；

65、第二保留模块，用于将所述初筛消息集合中的每条候选消息输入所述大语言模型，执行语义相关性判断，保留被判定为与所述用户需求的问题主题相关的候选消息，作为关联消息集合；

66、格式化模块，用于将所述关联消息集合中的候选消息按时间顺序格式化，并附加至所述工单草稿的备注字段中，以供处理人在所述工单中查询与所述用户需求的问题主题相关的候选消息。

67、可选地，还包括：

68、第一消息获取模块，用于获取所述目标群聊中，在所述用户消息触发时间前后各第二预设时长内的群聊消息，并调用情感分析模型分析其中负面情绪的平均强度，作为情绪强度因子；

69、业务影响程度评估模块，用于将所述工单草稿中的问题描述输入所述大语言模型，评估业务影响程度，得到业务影响因子；

70、扫描模块，用于基于预设的关键词权重表，扫描所述工单草稿中匹配到的关键词，得到关键词权重因子；

71、客户等级查询模块，用于查询所述用户的客户等级，并转换为客户等级分；

72、加权模块，用于根据所述情绪强度因子、所述业务影响因子、所述关键词权重因子和所述客户等级分，加权计算得到紧急度评分；

73、映射模块，用于将所述紧急度评分映射至对应的优先级等级，并将所述优先级等级写入所述工单草稿；其中，优先级等级越高，工单分派给处理人的顺序越靠前。

74、可选地，还包括：

75、第二消息获取模块，用于以定时任务方式，获取预设时间窗口内所述目标群聊中所有用户的群聊消息及工单记录；

76、特征提取模块，用于提取所述目标群聊中每个用户的多维行为特征；所述多维行为特征包括：沟通行为特征、问题类型分布特征、情绪趋势特征和自助解决能力特征；

77、聚类模块，用于将提取到的每个用户的多维行为特征输入聚类算法，对所述目标群聊中用户进行聚类，得到至少一个客户群体类型；

78、构建模块，用于根据每个用户的多维行为特征及该用户所属的客户群体类型，构建该用户的客户画像；

79、调整模块，用于在确定存在用户需求的情况下，根据对应用户的客户画像中的用户群体类型，调整所述用户的客户等级。

80、可选地，所述生成模块包括：

81、第一生成单元，用于根据所述客户画像，确定目标摘要风格参数；所述目标摘要风格参数包括：详细程度等级和措辞风格类型；

82、第二生成单元，用于将所述上下文消息集合与所述目标摘要风格参数输入所述大语言模型，并指示所述大语言模型按照所述详细程度等级和措辞风格类型，从所述上下文消息集合中提取关键信息，生成符合所述目标摘要风格参数的工单草稿。

83、可选地，所述创建模块包括：

84、第一创建单元，用于提取所述工单草稿中的问题主题、问题描述和推荐分类；

85、第二创建单元，用于将所述问题主题设置为所述工单的标题字段；

86、第三创建单元，用于将所述问题描述设置为所述工单的详细内容字段；

87、第四创建单元，用于将所述推荐分类映射为所述工单的系统分类标签；

88、第五创建单元，用于调用工单管理系统的api接口，将包含所述标题字段、所述详细内容字段和所述分类标签的工单数据提交至所述工单管理系统，以创建所述工单。

89、第三方面，本公开实施例提供了一种电子设备，包括：处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现一种基于ai大模型的群聊工单管理方法的步骤。

90、第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现一种基于ai大模型的群聊工单管理方法的步骤。

91、本发明的实施例提供的技术方案至少带来以下有益效果：

92、本发明通过接收用户消息后，利用预设窗口长度的滑动时间窗口主动获取相关联的历史消息作为上下文消息集合，并将上下文输入大语言模型进行深层语义理解，从而能够自动判断是否存在用户需求，彻底摆脱了对预设关键词的机械依赖。即便用户未使用任何触发词，而是以自然、隐晦或复杂多轮对话的方式表达问题，大语言模型也能准确识别其真实服务意图。进一步通过大语言模型自动生成包含问题主题、问题描述和推荐分类的工单草稿，并以可视化卡片形式发送至群聊供用户确认，最终根据确认指令创建工单。本发明克服了工单管理被动等待的触发，不仅显著提升了需求识别的覆盖率和准确率，还避免了因关键词缺失而导致的服务盲区。