System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种平台服务方法,具体是基于大模型的安全生产领域工业互联网多角色ai服务方法。
技术介绍
1、目前安全生产领域相对来说比较封闭,信息化水平相对落后。安全生产领域的工业互联网平台建设难度大,平台搭建之后为企业提供服务的过程中仅依靠传统的智能客服或人工客服来解决即时通讯和简单问题解答。这些都需要用户去手动检索或者不断的询问才能获得想要的结果,时间长,解决问题的程度取决于人工客服的专业度。
2、随着国家越来越重视安全生产,企业急需专家服务、业务技能咨询、安全评估报告等专业服务。如何在工业互联网平台上高效智能的提供多角色的ai服务成为迫切提升平台服务能力的关键。
3、因此,本领域技术人员提供了基于大模型的安全生产领域工业互联网多角色ai服务方法,以解决上述
技术介绍
中提出的问题。
技术实现思路
1、本专利技术的目的在于提供基于大模型的安全生产领域工业互联网多角色ai服务方法,通过大模型的技术,将平台上的资源:如实时数据、视频分析结果、历史安全评价报告、人员资质等整合形成拟人化的多角色ai服务,在不断的交互中形成专业角色服务,以解决上述
技术介绍
中提出的问题。
2、为实现上述目的,本专利技术提供如下技术方案:
3、基于大模型的安全生产领域工业互联网多角色ai服务方法,应用于基于大模型的安全生产领域工业互联网多角色ai服务系统,所述基于大模型的安全生产领域工业互联网多角色ai服务系统包括需求输入与拆解模块、大模型能力需求拆解模块、age
4、在需求输入与拆解模块中输入用户需求,针对用户需求进行场景分析,分解需求并将分解后的需求分别导入大模型能力需求拆解模块、agent能力需求拆解模块、知识引擎工程模块、plugin引擎工程模块;
5、大模型能力需求拆解模块按照底层能力、任务能力、场景应用能力对导入的数据进行拆分,并将拆分后的数据导入大模型数据工程模块;
6、大模型数据工程模块对导入的数据进行处理,并将处理后的数据导入模型工程构建模块;
7、模型工程构建模块根据导入的数据构建模型进行训练部署,再将训练好的模型部署在结果生成模块;
8、agent能力需求拆解模块对导入的数据进行agent能力分析、plugin&prompt拆解、copilot,autopilot拆解,再将拆解后的数据导入copilot交互设计模块;
9、copilot交互设计模块对导入的数据进行处理,并将处理后的数据导入agent工程模块;
10、agent工程模块对导入的数据进行处理,并将处理后的数据导入结果生成模块;
11、知识引擎工程模块对导入的数据进行处理,并将处理后的数据导入结果生成模块;
12、plugin引擎工程模块对导入的数据进行处理,并将处理后的数据导入结果生成模块;
13、结果生成模块结合模型工程构建模块、知识引擎工程模块、plugin引擎工程模块、agent工程模块导入的数据,生成满足用户需求的结果。
14、作为本专利技术进一步的方案:所述大模型数据工程模块对于导入的数据具体处理过程依次为:数据采集、数据整理、数据生成、数据脱敏、数据处理、数据提供。
15、作为本专利技术再进一步的方案:所述copilot交互设计模块对于导入的数据具体处理过程为:采用核心交互流程设计来进行场景细化;采用ui交互设计来进行设计审核;采用兼容性设计来进行联合优化。
16、作为本专利技术再进一步的方案:所述知识引擎工程模块对于导入的数据具体处理过程为:通过embedding api从企业知识库调取知识资料;通过向量数据库开发sdh完成向量库部署环境;通过向量数据库部署完成企业知识持续向量化。
17、作为本专利技术再进一步的方案:所述plugin引擎工程模块对于导入的数据具体处理过程为:通过plugin api标准从企业知识库调取知识资料;通过plugin抽取思路完成向量库部署环境;通过plugin开发sdk完成企业知识持续向量化。
18、作为本专利技术再进一步的方案:所述agent工程模块对于导入的数据具体处理过程为:选择合适的agent type,依次进行prompt工程、memory工程、数据接入工程、plugin接入工程。
19、作为本专利技术再进一步的方案:所述模型工程构建模块在训练模型时采用ct、sft技术进行迭代训练,并在通过模型并行、数据并行完成性能优化后再进行模型的推理部署。
20、作为本专利技术再进一步的方案:所述基于大模型的安全生产领域工业互联网多角色ai服务系统还包括评估模块,用于在结果生成后对其进行评估,具体评估过程为:建立评估体系;构建评估标准;将评估标准对齐;结果参与评估;生成评估报告;对评估报告进行审核。
21、与现有技术相比,本专利技术的有益效果是:
22、1、本申请通过大模型的技术,将平台上的资源:如实时数据、视频分析结果、历史安全评价报告、人员资质等整合形成拟人化的多角色ai服务,在不断的交互中形成专业角色服务。
23、2、大模型技术的日趋成熟和广泛应用,本申请使得利用大模型技术,可以整合企业数据信息,挖掘海量非结构化数据,凭借多维交叉分析及智能算法构建多角色的ai服务方法。
本文档来自技高网...【技术保护点】
1.基于大模型的安全生产领域工业互联网多角色AI服务方法,其特征在于,应用于基于大模型的安全生产领域工业互联网多角色AI服务系统,所述基于大模型的安全生产领域工业互联网多角色AI服务系统包括需求输入与拆解模块、大模型能力需求拆解模块、Agent能力需求拆解模块、大模型数据工程模块、知识引擎工程模块、Plugin引擎工程模块、Copilot交互设计模块、模型工程构建模块、结果生成模块、Agent工程模块;所述基于大模型的安全生产领域工业互联网多角色AI服务方法包括以下步骤:
2.根据权利要求1所述的基于大模型的安全生产领域工业互联网多角色AI服务方法,其特征在于,所述大模型数据工程模块对于导入的数据具体处理过程依次为:数据采集、数据整理、数据生成、数据脱敏、数据处理、数据提供。
3.根据权利要求1所述的基于大模型的安全生产领域工业互联网多角色AI服务方法,其特征在于,所述Copilot交互设计模块对于导入的数据具体处理过程为:采用核心交互流程设计来进行场景细化;采用UI交互设计来进行设计审核;采用兼容性设计来进行联合优化。
4.根据权利要求1所述
5.根据权利要求1所述的基于大模型的安全生产领域工业互联网多角色AI服务方法,其特征在于,所述Plugin引擎工程模块对于导入的数据具体处理过程为:通过Plugin API标准从企业知识库调取知识资料;通过Plugin抽取思路完成向量库部署环境;通过Plugin开发SDK完成企业知识持续向量化。
6.根据权利要求1所述的基于大模型的安全生产领域工业互联网多角色AI服务方法,其特征在于,所述Agent工程模块对于导入的数据具体处理过程为:选择合适的AgentType,依次进行Prompt工程、Memory工程、数据接入工程、Plugin接入工程。
7.根据权利要求1所述的基于大模型的安全生产领域工业互联网多角色AI服务方法,其特征在于,所述模型工程构建模块在训练模型时采用CT、SFT技术进行迭代训练,并在通过模型并行、数据并行完成性能优化后再进行模型的推理部署。
8.根据权利要求1所述的基于大模型的安全生产领域工业互联网多角色AI服务方法,其特征在于,所述基于大模型的安全生产领域工业互联网多角色AI服务系统还包括评估模块,用于在结果生成后对其进行评估,具体评估过程为:建立评估体系;构建评估标准;将评估标准对齐;结果参与评估;生成评估报告;对评估报告进行审核。
...【技术特征摘要】
1.基于大模型的安全生产领域工业互联网多角色ai服务方法,其特征在于,应用于基于大模型的安全生产领域工业互联网多角色ai服务系统,所述基于大模型的安全生产领域工业互联网多角色ai服务系统包括需求输入与拆解模块、大模型能力需求拆解模块、agent能力需求拆解模块、大模型数据工程模块、知识引擎工程模块、plugin引擎工程模块、copilot交互设计模块、模型工程构建模块、结果生成模块、agent工程模块;所述基于大模型的安全生产领域工业互联网多角色ai服务方法包括以下步骤:
2.根据权利要求1所述的基于大模型的安全生产领域工业互联网多角色ai服务方法,其特征在于,所述大模型数据工程模块对于导入的数据具体处理过程依次为:数据采集、数据整理、数据生成、数据脱敏、数据处理、数据提供。
3.根据权利要求1所述的基于大模型的安全生产领域工业互联网多角色ai服务方法,其特征在于,所述copilot交互设计模块对于导入的数据具体处理过程为:采用核心交互流程设计来进行场景细化;采用ui交互设计来进行设计审核;采用兼容性设计来进行联合优化。
4.根据权利要求1所述的基于大模型的安全生产领域工业互联网多角色ai服务方法,其特征在于,所述知识引擎工程模块对于导入的数据具体处理过程为:通过embedding api从企业知识库调取知识资料;通过向量数据库开发s...
【专利技术属性】
技术研发人员:李纲强,曹竹冬,王琰楠,潘斌斌,陶昆,朱少平,黄杰,
申请(专利权)人:中通服和信科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。