【技术实现步骤摘要】
本专利技术涉及智能体开发领域，具体为一种零代码ai智能体开发与部署数据管理系统及方法。
技术介绍
1、零代码ai智能体开发是指利用现成的ai开发平台和工具，无需编写复杂的代码的情况下，通过模型识别配置和定制化操作，快速构建出可用ai智能体的技术。经过零代码部署的智能体可以进行自然语言对话、图像识别、预测分析等任务。
2、零代码智能体通过智能模型对数据流的处理来实现与用户的交互，因此对于零代码智能体的开发需要进行针对大数据模型的匹配和拟合，但受限于开发平台的功能，各模型间彼此独立，使得开发者在零代码开发智能体的过程中，创新和定制方面受到一定的限制，使得用户在于智能体的交互模型中只能择一使用，无法实现一些复杂或个性化的需求。
3、此外，开发者在部署模型后还需要针对用户反馈进行新模型的开发，但大部分用户并不了解模型的工作原理，只能通过用户的使用过程推测用户对模型功能的需求，这需要开发人员进行额外的调查工作，不利于开发者对智能体模型的二次开发。
技术实现思路
1、本专利技术的目的在于提供一种零代码ai智能体开发与部署数据管理系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种零代码ai智能体开发与部署数据管理系统，包括：数据流测试模块、模型连通模块、反馈处理模块、项目迁移模块和二次开发模块；
3、所述数据流测试模块用于生成随机矢量数据流，对开发模型间的各调用接口作数据连通性测试，以数据连通性
4、所述模型连通模块用于计算各模型特征数据流的一致性，按照一致性降序排列所有开发模型，顺向连接模型间的转换接口，构成模型转换队列，基于模型转换队列开发配套处理程序，并将程序部署在服务平台上；
5、所述反馈处理模块用于获取用户提供的输入数据流，计算输入数据流于各模型特征数据流的一致性，按一致性顺序在模型队列上选取处理模型，将定向指针指向一致性最大的模型，使模型间转换接口通信时延之和小于预设阈值，在处理模型中按一致性比例共享输入数据流，并经过模型处理在服务平台上向用户输出答复数据流；
6、所述项目迁移模块用于获取用户的反馈数据流，在反馈数据流与标准正向数据流间的一致性小于两个模型特征数据流间的一致性时，则增加模型转换队列中后序模型一个单位的共享数据比例，否则减小一个单位的共享数据比例，并重新获取用户的反馈数据流，直到前序模型的共享数据比例下降到阈值后，关闭前序模型的转换接口，定向指针移动一位；
7、所述二次开发模块用于在用户下线后输出定向指针的位置和模型转换队列中各模型在服务过程中的数据共享比例，按照将共享比例、共享时长和时间衰减系数累乘，得到各模型的服务权重，在开发周期结束后，按照模型的服务权重开发新模型，再次将智能体部署到服务平台上。
8、进一步的，所述数据流测试模块包括：连通测试单元和时延测试单元；
9、所述连通测试单元用于生成随机矢量数据流，在每两个模型间测试连通性，存储连通性最高时生成的数据流；
10、所述时延测试单元用于测试模型间各接口的调用时延，标记时延最低的转换接口。
11、进一步的，所述模型连通模块包括：一致排列单元和接口连接单元；
12、所述一致排列单元用于计算模型间特征数据流的一致性，按照一致性顺序排列所有模型；
13、所述接口连接单元用于通过模型间的转换接口单向连接所有模型，构成模型转换队列，并设置队列的初始指针。
14、进一步的，所述反馈处理模块包括：输入输出单元、模型部署单元和比例接入单元；
15、所述输入输出单元用于在智能体平台上获取用户的输入内容，转换为输入数据流上传到服务器，并将服务器反馈的答复数据流转换为自然语言输出；
16、所述模型部署单元用于将模型转换队列部署在服务器中，接收输入数据流，输出答复数据流；
17、所述比例接入单元用于根据输入数据流于特征数据流的一致性选取在模型转换队列上选取模型，并按比例接收模型的答复数据。
18、进一步的，所述项目迁移模块包括：指针滑动单元、模型转换单元和比例伸缩单元；
19、所述指针滑动单元用于根据用户的反馈数据流，判断前序答复数据的答复效果，按答复效果的高低转换答复模型；
20、所述模型转换单元用于移动定向指针，调整答复模型的数据共享比例，在服务器上开启或关闭模型；
21、所述比例伸缩单元用于计算共享比例的调整量，使模型选取方式与用户需求快速匹配。
22、进一步的，所述二次开发模块包括：权重输出单元和再次部署单元；
23、所述权重输出单元用于在用户从智能体平台下线后，输出服务过程中各模型的服务权重；
24、所述再次部署单元用于在开发周期中给出新模型的开发方向，将新模型重新部署到智能体平台上。
25、一种零代码ai智能体开发与部署数据管理方法，包括以下步骤：
26、步骤s1.选取开发模型间时延最低的接口作为转换接口，生成随机数据流，对开发模型的转换接口作数据连通性测试，连通性最高时生成的数据流记为模型的特征数据流；
27、步骤s2使用数据流对比方法，得到各模型特征数据流的一致性，按照一致性降序排列所有开发模型，通过转换接口将模型作队列连接，构成模型转换队列部署在服务器中；
28、步骤s3.用户向智能体提供输入数据流，计算输入数据流与各模型特征数据流的一致性，一致性最高的模型作为起始模型，按照一致性比例，在起始模型和起始模型队列的后序模型中分享输入数据，处理后得到输出数据；
29、步骤s4.用户针对输出数据提供反馈数据流，由当前反馈数据流与历史反馈数据流间的一致性，调整模型转换队列中各模型输入数据的分享比例，重复执行直到起始模型的分享比例低于阈值，在服务器中更换起始模型；
30、步骤s5.用户下线后将各模型在服务过程中的数据共享比例、共享时长和时间衰减系数累加，得到模型的服务权重，开发周期结束后，输出模型在开发周期内全部服务权重的比例，并重新部署模型。
31、进一步的，步骤s1包括：
32、步骤s11.对开发模型的所有接口进行ping指令测试，获取接口的反馈时延，将模型中时延最小的接口作为模型的转换接口，所述转换接口用于模型间的信号传输和数据共享；
33、步骤s12.将每两个模型通过转换接口进行连接，利用自然语言生成软件生成适用于智能体的随机数据流，所述随机数据流的数据量为固定值，向第一模型输入随机数据流，并从第二模型获得输出，计算输出数据的数据量与输入数据数据量间的比值，记作第一模型的连通性；
34、步骤s13.重复生成随机数据流a次，a为预设的测试次数，记录测试过程中各模型连通性最高时生成的随机数据流，将该随本文档来自技高网...
【技术保护点】
1.一种零代码AI智能体开发与部署数据管理方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种零代码AI智能体开发与部署数据管理方法，其特征在于：步骤S1包括：
3.根据权利要求2所述的一种零代码AI智能体开发与部署数据管理方法，其特征在于：步骤S2包括：
4.根据权利要求3所述的一种零代码AI智能体开发与部署数据管理方法，其特征在于：步骤S3包括：
5.根据权利要求4所述的一种零代码AI智能体开发与部署数据管理方法，其特征在于：步骤S4包括：
6.一种零代码AI智能体开发与部署数据管理系统，其特征在于，所述系统包括以下模块：数据流测试模块、模型连通模块、反馈处理模块、项目迁移模块和二次开发模块；
7.根据权利要求6所述的一种零代码AI智能体开发与部署数据管理系统，其特征在于：所述数据流测试模块包括：连通测试单元和时延测试单元；
8.根据权利要求7所述的一种零代码AI智能体开发与部署数据管理系统，其特征在于：所述反馈处理模块包括：输入输出单元、模型部署单元和比例接入单元；
...【技术特征摘要】
1.一种零代码ai智能体开发与部署数据管理方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种零代码ai智能体开发与部署数据管理方法，其特征在于：步骤s1包括：
3.根据权利要求2所述的一种零代码ai智能体开发与部署数据管理方法，其特征在于：步骤s2包括：
4.根据权利要求3所述的一种零代码ai智能体开发与部署数据管理方法，其特征在于：步骤s3包括：
5.根据权利要求4所述的一种零代码ai智能体开发与部署数据管理方法，其特征在于：步骤s4包括：
6.一种零代码ai智能体开发与部署数据管理系统，其特征在于，所述系统包括以下模块：数据流测试模块、模型连通模块、反馈处...
【专利技术属性】
技术研发人员：徐永辉，李允恒，
申请(专利权)人：江苏星辉新能源科技有限公司，
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。