基于生成式AI的数据模型设计方法以及相关设备与流程

本发明实施例涉及计算机数据处理，具体涉及一种基于生成式ai的数据模型设计方法以及相关设备。

背景技术：

1、数据模型(datamodel)是数据库系统的核心和基础，它是对现实世界数据特征的抽象，为数据库系统的信息表示与操作提供一个抽象的框架。具体地，数据模型所描述的内容包括数据结构、数据操作和数据约束。

2、在实施本发明实施例的过程中，发明人发现：现有的数据模型的设计和管理通常需要依赖传统的数据库管理系统以及相关的建模工具。而传统的数据模型设计工具对用户的知识要求较高，如需要用户具有一定的数据库和建模知识才能操作，功能设计复杂且操作繁琐，由此导致现有的数据模型设计存在效率较低、用户体验不佳的问题。

3、因此需要一种效率和用户体验均更佳的数据模型设计方案。

技术实现思路

1、鉴于上述问题，本发明实施例提供了一种数据模型设计方法、设备、装置以及计算机存储介质，用于解决现有技术中存在的效率较低以及用户体验不佳问题。

2、根据本发明实施例的一个方面，提供了一种数据模型设计方法，所述方法包括：

3、获取用户输入的数据模型设计需求信息；

4、根据所述数据模型设计需求信息在预设的数据模型知识库进行查找，得到与所述数据模型设计需求信息匹配的目标知识信息；其中，所述数据模型知识库中根据预设业务系统的数据模型数据进行处理得到；

5、根据所述目标知识信息以及所述数据模型设计需求信息构建第一提示词信息；所述第一提示词信息用于提示以所述目标知识信息为参考信息，设计满足所述数据模型设计需求信息的数据模型；

6、将所述第一提示词信息输入预设的生成式人工智能模型，得到所述生成式人工智能模型输出的目标数据模型设计方案。

7、在一种可选的方式中，所述方法还包括：

8、根据所述目标知识信息以及所述数据模型设计需求信息构建第二提示词；所述第二提示词用于提示确定所述目标知识信息作为所述数据模型设计需求信息对应的数据模型的设计参考信息的完整度；

9、将所述第二提示词信息输入所述生成式人工智能模型，得到所述生成式人工智能模型输出的所述目标知识信息的预测完整度；

10、当确定所述预测完整度小于预设完整度阈值，以提高所述预测完整度为优化目标，对所述目标知识信息进行迭代式优化，直至所述预测完整度大于预设的预设完整度阈值；

11、根据优化完成的所述目标知识信息与所述数据模型设计需求信息，对所述第一提示词信息进行更新。

12、在一种可选的方式中，所述目标知识信息的单轮优化过程包括：

13、根据所述目标知识信息以及所述数据模型设计需求信息构建第三提示词；所述第三提示词用于提示对所述目标知识信息进行补充，以使得所述目标知识信息能够提供完整的所述设计参考信息；

14、将所述第三提示词输入所述生成式人工智能模型，得到所述生成式人工智能模型输出的针对所述第一提示词信息的提示词补充信息；

15、根据所述提示词补充信息对所述目标知识信息进行更新，通过所述生成式人工智能模型确定更新后的目标知识信息对应的更新后预测完整度；

16、当所述更新后预测完整度小于所述完整度阈值时，进入下一轮的优化过程；

17、当所述更新后预测完整度不小于所述完整度阈值时，判定所述目标知识信息优化完成并退出迭代过程。

18、在一种可选的方式中，所述方法还包括：

19、对所述提示词补充信息进行向量化处理，得到提示词补充向量；

20、将所述提示词补充向量在所述数据模型知识库进行匹配，得到与所述提示词补充向量匹配的知识向量；

21、将与所述提示词补充向量匹配的知识向量添加到所述目标知识信息中，得到更新后的目标知识信息。

22、在一种可选的方式中，所述方法还包括：

23、根据所述数据模型设计方案以及预设的数据模型设计规范构建第四提示词信息；所述第四提示词信息用于提示判断所述数据模型设计方案是否符合所述数据模型设计规范，以及在判定不符合所述数据模型设计规范时，生成对所述数据模型设计方案的方案补充信息；

24、将所述第四提示词信息输入所述生成式人工智能模型，得到所述生成式人工智能模型输出的所述数据模型设计方案是否符合数据模型设计规范的检测结果以及在判定所述数据模型设计方案不符合所述数据模型设计规范时，所述数据模型设计方案对应的第一方案补充信息。

25、在一种可选的方式中，所述方法还包括：

26、当检测到所述数据模型设计规范的数据规模大于预设规模阈值时，将所述数据模型设计规范分割为多个子规范；

27、通过所述生成式人工智能模型根据所述多个子规范以及所述数据模型设计方案，对所述数据模型设计方案进行迭代式规范符合检查；其中，每轮规范检查对应一个所述子规范；每轮规范符合检查的过程包括：

28、根据当前轮对应的子规范以及所述数据模型设计方案构建第五提示词信息；所述第五提示词信息用于提示检测所述数据模型设计方案是否符合子规范，并在判定不符合所述子规范时，以所述数据模型设计方案符合所述子规范为修改目标，生成对所述数据模型设计方案的方案补充信息；

29、将所述第五提示词信息输入所述生成式人工智能模型，得到所述生成式人工智能模型输出的所述数据模型设计方案在所述子规范下的第二方案补充信息；

30、根据所述第二方案补充信息对所述数据模型设计方案进行更新；

31、通过所述生成式人工智能模型判断更新后的所述数据模型设计方案是否符合所述子规范；

32、当确定更新后的数据模型设计方案符合所述子规范时，进入下一轮的新的子规范对应的规范符合检查过程。

33、在一种可选的方式中，所述方法还包括：

34、将所述目标知识信息以及所述数据模型设计需求信息填充到预设的提示文本模板中，得到所述第一提示词信息；其中，所述提示文本模板根据所述生成式人工智能模型针对历史提示信息的可读性反馈结果进行迭代式优化；所述历史提供信息根据对所述提示文本模板填充得到。

35、根据本发明实施例的另一方面，提供了一种数据模型设计装置，包括：

36、获取模块，用于获取用户输入的数据模型设计需求信息；

37、查找模块，用于根据所述数据模型设计需求信息在预设的数据模型知识库进行查找，得到与所述数据模型设计需求信息匹配的目标知识信息；其中，所述数据模型知识库中根据预设业务系统的数据模型数据进行处理得到；

38、构建模块，用于根据所述目标知识信息以及所述数据模型设计需求信息构建第一提示词信息；所述第一提示词信息用于提示以所述目标知识信息为参考信息，设计满足所述数据模型设计需求信息的数据模型；

39、输出模块，用于将所述第一提示词信息输入预设的生成式人工智能模型，得到所述生成式人工智能模型输出的目标数据模型设计方案。

40、根据本发明实施例的另一方面，提供了一种数据模型设计设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

41、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如前述任意一项所述的数据模型设计方法实施例的操作。

42、根据本发明实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使数据模型设计设备执行如前述任意一项所述的数据模型设计方法实施例的操作。

43、本发明实施例通过获取用户输入的数据模型设计需求信息；根据所述数据模型设计需求信息在预设的数据模型知识库进行查找，得到与所述数据模型设计需求信息匹配的目标知识信息；其中，所述数据模型知识库中根据预设业务系统的数据模型数据进行处理得到；根据所述目标知识信息以及所述数据模型设计需求信息构建第一提示词信息；所述第一提示词信息用于提示以所述目标知识信息为参考信息，设计满足所述数据模型设计需求信息的数据模型；将所述第一提示词信息输入预设的生成式人工智能模型，得到所述生成式人工智能模型输出的目标数据模型设计方案。从而区别于现有的数据模型设计和管理依赖数据库管理系统和相关建模工具，对用户的数据库和建模知识要求较高，并且传统管理工具的功能设计复杂，操作繁琐的问题，本发明实施例接受自然语言形式的数据模型设计需求信息，并且根据预设的数据模型知识库确定与所述设计需求向量匹配的目标知识信息，从而以所述目标知识信息为参考信息，指示预设的生成式人工智能模型设计出能够满足所述数据模型设计需求信息的数据模型。相比传统的数据模型设计方法，本发明实施例无需用户依靠自身经验和知识，而是根据用户自然语言形式的输入，并且以预设业务系统的数据模型数据作为背景知识，通过生成式人工智能模型输出满足其需求的系统化的设计方案，能够大幅提升数据模型设计的效率、质量以及用户体验。

44、上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。