一种基于大模型Agent实现的指标问答智能平台的制作方法

发明属于指标问答平台，特别是涉及一种基于大模型agent实现的指标问答智能平台。

背景技术：

1、随着指标中台的发展，现有的指标对话式智能分析存在的问题有：

2、(1)缺乏整体有效的指标对话式智能分析手段或工具：现有的对话分析工具是基于特定应用场景下训练而成的算法模型，其突出的不足是泛化能力不强；面对新的业务场景或数据，需要对已生成的算法模型重新训练与调整，或者按照业务分析场景重新生成一个全新的业务分析模型。整个实施落地过程周期较长，难以适应企业组织的发展敏捷化需求；

3、(2)缺乏有效的意图识别能力：在指标的对话式数据分析中，通常业务人员是以自然语言与平台交流获取对业务的数据洞察；在大模型agent出现以前，传统的指标对话平台由于是基于规则或特定有限指标业务分析语料实现的会话模型，对用户的自然语言意图识别能力较弱；当拓展到用户多元化的会话场景中，常常发生答非所问；

4、(3)缺乏指标对话式分析的协调组织能力：业务数据的分析任务通常是基于指标的多轮式会话分析，在大模型agent应用出现之前，传统的指标对话平台很难具备基于上下文的多轮会话功能；同时，业务数据的分析往往会涉及到不同的系统平台，而根据业务场景的不同，每次涉及协调和调用的系统平台会依据场景不同而不同，传统的指标对话平台天然地缺乏自然语言意图识别和系统行为规划能力；因此，传统的指标对话平台缺乏灵活地对不同业务平台能力的组织协调与调用，对某些场景的功能需求难以实现。

5、并且随着指标中台系统的深入开发及应用，进一步暴露出来一个非常突出的问题，那就是：在业务数据随着业务市场的变化而变化的同时，除了常规的业务指标分析以外，许多来自业务的即时性或临时性的需求因当前指标中台能力的缺陷也越积越多，甚至影响业务对市场的变化而采取的及时响应行动。进而使得业务人员对指标中台的业务价值评价不高。

6、尽管市场上同类产品在本发明的大模型agent应用之前，采用了不同的定制化模型来解决以对话式自然语言方式分析业务指标；但由于模型的基础能力欠缺及缺乏智能化的agent规划、分析及推理能力，传统的指标中台依然未能解决指标的自主分析需求，往往导致业务指标的分析时效性不强，以及业务分析灵活性和准确性不够，因此传统指标中台难以在业务场景发挥其真正的价值。因此，本发明主要基于以上几个方面的背景，发明了一种基于大模型agent实现的指标问答平台的智能平台及实现。

技术实现思路

1、发明提供了一种基于大模型agent实现的指标问答智能平台，解决了如何采用大模型agent技术智能化地协助业务人员交互式地实现指标分析，从而提升整体业务指标分析的准确性、时效性及灵活性的问题。

2、为解决上述技术问题，发明是通过以下技术方案实现的：

3、发明的一种基于大模型agent实现的指标问答智能平台，该指标问答智能平台包括：

4、通用大模型：用于将业务分析人员的会话请求做意图识别，准确地识别出需要完成的指标分析任务；在意图识别和理解的基础上，通用大模型能够进一步地生成完成“指标分析任务”的行动规划；行动规划能够根据任务需求划分为若干具体行动，行动之间的逻辑关系是串联行动，也能够并行行动；

5、智能agent执行逻辑：由agent根据通用大模型安排的行动规划控制完成；若干相对独立的行动都会有对应的行动目标；若行动目标未达成，则反馈给智能agent控制逻辑；

6、智能agent控制逻辑：用于对行动目标未达成的任务继续驱动通用大模型优化或调整行动计划，直至各项行动达成预定的目标；所有达成目标的行动结果集中起来最终返回给智能agent控制逻辑，继续提交给通用大模型分析行动结果并驱动其输出分析结果；分析结果得到通用大模型反馈后最终以会话回复形式反馈给业务分析人员，从而完成整个agent控制和执行逻辑下，基于通用大模型的业务分析人员的指标分析任务；

7、通过对agent的编程和提示词设计，基于指标问答会话模型对业务人员的意图识别，将意图做结构化的识别、拆分、行动规划，智能化地调用具有不同能力的业务系统；并综合业务系统的不同能力，根据拆分的每一步计算分析结果，agent判断业务分析是否达到业务人员的需求；

8、如果没有达到业务人员的需求，agent根据提示词指令，按照新的规划步骤，继续对业务计算分析，直到agent通过规划和执行结果判断最终结果满足业务人员的需求；在agent的规划和控制下，能够智能化地利用大模型的能力实现多轮业务指标数据的分析。

9、进一步地，所述平台的工作步骤包括:

10、s1、业务分析人员通过会话方式，请求本指标问答智能平台作出具体的“指标任务分析”；

11、s2、智能agent控制逻辑接受到该分析任务后，立即驱动通用大模型对任务做意图识别，让平台清楚包括任务是什么、目标是什么以及需要什么的输出结果；

12、s3、通用大模型在对指标分析任务明确识别以后，在智能agent控制逻辑的驱动下，继续生成完成该任务相应的行动规划；行动规划明确后，提交于智能agent执行逻辑来对应完成各个行动；

13、s4、若行动未达目标，反馈给通用大模型优化与调整，并持续地迭代循环，最终在达成各项行动规划目标的基础上，智能agent执行逻辑将行动结果返回给通用大模型做综合分析并输出分析结果；

14、s5、智能agent控制逻辑在得到分析结果后，以会话回复的形式输出给业务分析人员，从而完成整个问答式指标分析任务。

15、进一步地，所述指标问答智能平台的系统架构包括：

16、指标中台：作为独立的系统为本平台提供相应的能力或工具赋能；依赖指标中台的能力，在问答平台的agent提供给需要归因分析的指标上下文条件下，以取得对应的归因分析结论；

17、指标问答平台：用于为业务分析人员提供会话式的指标问答；所述指标问答智能平台还通过api或工具为指标问答平台提供agent智能化能力支撑；

18、对话式指标分析入口：提供界面供业务分析人员以自然语言方式提出指标分析问题；若业务分析人员需要分析的指标问题涉及到分析报告，则通过“指标报告模版”定义报告形式；

19、指标问答交互：用于在整合业务人员问题的基础上，将问题集中到指标智能分析agent；

20、指标智能分析agent：为整套系统运转的核心枢纽，它将企业指标分析提示词库、企业指标分析向量库、企业指标分析语料库、通用大模型以及指标中台有机的联系起来；企业指标分析提示词库涉及的内容是关于企业内部如何利用大模型做指标分析的提示词集合；企业指标分析向量库是关于企业内部如何对指标做不同分析的方法论及案例知识库；企业指标分析语料库是企业过往做业务分析沉淀的各类业务分析报告和数据分析报告资料；所述企业指标分析提示词库、企业指标分析向量库以及企业指标分析语料库三部分构成了企业业务分析的专有知识库及大模型提示指令；当需要分析的业务问题不需要涉及指标中台的能力时，agent可直接利用企业指标分析提示词库、企业指标分析向量库以及企业指标分析语料库构建基于提示词少量企业训练样本和基于检索增强生成召回企业相关业务分析知识，形成结构化高效提示词，驱动大模型推理生成业务问题的最终答案。

21、进一步地，当某些业务分析问题仅仅依靠所述企业业务分析的专有知识库不足以完整回复时，此时agent依赖指标中台的能力来共同完成业务问题的解决；

22、在指标中台中，指标元数据提供是关于企业指标定义的基础数据；指标归因分析提供的能力是根据外部提供的指标数据，依照结构化的数据分析机理，逐步发现影响该指标数据的因子及影响力；指标血缘关系追踪指标数据的来源和演变过程，确保数据准确性，识别依赖关系，分析变更影响，优化数据处理效率，指标血缘关系对数据质量控制、合规性审计、数据治理和业务决策至关重要，提高数据透明度和重用性；指标血缘关系主要为业务分析人员通过agent提供指标血缘关系信息；指标检索服务的能力在于允许agent快速、准确地查询和检索指标数据，这种服务通过提供高效的数据索引和搜索机制，帮助用户定位所需数据，支持数据分析和报告生成，还确保数据易于访问和理解，从而提高决策效率和数据驱动的洞察力；指标智能预警的能力在于agent可通过该模块实时监控关键性能指标，自动识别异常波动或趋势，及时发出预警信号；指标智能预警帮助企业快速响应潜在问题，预防风险，优化业务流程；模型问答反馈入口是业务人员或企业业务分析专家针对本发明指标问答平台的指标分析回复的准确率的反馈；通过反馈，平台进一步增强或完善企业指标分析向量库，持续提升平台的准确率。

23、进一步地，所述系统架构中的数据流向关系包括如下步骤：

24、p1、业务分析人员以对话式指标分析为入口，通过自然语言方式提出指标分析的问题，该问题提交后，集中到指标智能分析agent；

25、p2、指标智能分析agent将业务人员的问题转发到通用大模型，由其对该“自然语言”方式的问题进行意图识别，从而得出完成该指标分析任务需要如何做，并经过哪些分析计算步骤才能回答业务人员问题的规划；

26、p3、在智能指标分析agent得到大模型明确的规划后，根据规划从指标分析提示词库、指标分析向量库和指标分析语料库中获取需要的知识或提示词资源；

27、p4、同时也通过agent的api和工具的调用指标中台获取指标的元数据或血缘关系或归因分析结果；

28、p5、在p3步骤和p4步骤的基础上，agent进一步将针对特定业务分析问题获取的各方信息，通过提示词的方式加以封装；

29、p6、封装后的提示词提交给通用大模型做推理生成，也即对业务分析人员关于指标问题的回复。并通过agent最终反馈回复给业务分析人员。

30、进一步地，所述指标问答智能平台包括如下程序模块：

31、对话式交互分析模块：用于提供给业务人员自主地做业务数据的调取与分析的窗口，通过该窗口赋能业务人员以自然语言的方式对业务指标相关的问题，提出分析需求；

32、相似推荐模块：该模块的核心功能是根据业务人员自然语言输入的问题，动态地关联相似的业务分析问题，这些相似问题包含两类：一类是缓存的业务历史分析问题；另一类是预定义的业务分析问题；在业务人员提出业务分析的问题以后，问题提交与智能化agent模块；该模块结合大模型的能力，对业务人员提问进行意图识别与相应行动规划，厘清业务人员想通过指标问答平台达到什么目标，以及达到目标需要采取什么行动步骤；

33、智能化agent模块：在指标问答系统中用于规划、组织及协调；

34、企业大模型模块：用于实现业务人员指标业务分析的目标，完成相应的行动；

35、向量化模块：用于除了将企业专属的业务知识转化为向量数据存入向量数据库以外，还协助智能化agent模块在企业业务人员提出业务数据分析请求时，以语义搜索形式召回基于向量化格式的企业知识，使得智能化agent模块结合企业大模型模块、向量化模块以及其他业务系统模块的能力与数据做整体规划、组织及协调并采取正确的行动；

36、企业私有知识库模块：用于将组织内部特有的知识经过语义切分，以向量化的数据格式存入向量数据库，使企业私有知识为指标问答平台的业务分析服务；

37、提示词管理模块：用于对企业业务分析场景中涉及的提示词进行定义和存储管理；存储在数据库中的提示词会被智能agent模块驱动调用，并提交与企业大模型模块交互并生成业务分析的结果；

38、评价反馈模型：该模块核心功能是相关业务专家针对基于大模型agent实现的指标问答智能平台对业务人员的分析问题生成结果的评分与评价；通过该反馈评价，可进一步优化升级企业私有知识库，以应对未来相似场景的业务分析时，采用专家知识经验产生更加准确的业务分析结果。

39、发明相对于现有技术包括有以下有益效果：

40、(1)引入通用大模型，结合agent与企业特有的业务指标分析体系及知识，对大模型的专业能力进行微调训练，使其不仅在人类的通用知识具有泛化能力，且在企业内部专有的业务知识也得到增强；由于大模型的专业知识的增强仅需要通过对通用大模型的微调即可实现，相较于传统的指标中台的模型训练大大地简化了模型的更新过程，显著地缩短了模型的更新时间，快速地使得模型的泛化能力得到提升；与传统的指标中台实现相比较：a)本发明有效地解决了企业内部业务知识的复用与共享。b)同时，企业内部业务数据分析知识的复用与共享更加快速地落地。大大地降低企业中业务数据分析的门槛；

41、(2)通过对通用大模型的微调训练，使得指标问答会话模型对业务人员的意图识别能力得到大幅提升；本发明的指标问答会话模型不仅能理解业务人员通用的自然语言，同时在企业专业知识体系的增强下，也能理解业务人员专业会话语言；另外，结合agent的提示词工程，可以较好地控制大语言模型对业务人员的意图做结构化的识别、拆分、规划，进而让指标问答会话模型准确地执行业务人员的指示或分析需求；在传统的应用技术基础上，对业务人员的意图识别实现，需要结合场景从零开始定制化地模型训练，不仅训练成本高，同时也需要一定的开发周期；因此，相较于指标问答业务分析的传统应用技术实现，本发明从应用的准确性、业务实现的效率上大幅地得到提升；

42、(3)在大模型agent应用出现之前，传统的指标对话平台很难具备基于上下文的多轮会话功能；同时，业务数据的分析往往会涉及到不同的系统平台，而根据业务场景的不同，每次涉及协调和调用的系统平台会依据场景不同而不同，传统的指标对话平台天然地缺乏自然语言意图识别和系统行为规划能力。因此，传统的指标对话平台缺乏灵活地对不同业务平台的组织协调与调用，对某些场景的功能难以实现；

43、(4)尽管市场上同类产品在本发明的大模型agent应用之前，采用了不同的模型算法来解决以自然语言的方式分析业务指标。但由于模型的基础能力欠缺及缺乏智能化的agent规划、分析及推理能力，传统的指标中台依然未能从根本上解决指标的自主分析需求，往往导致业务指标的分析时效性不强，以及业务分析灵活性和准确性不够，因此传统指标中台难以在丰富的业务场景中发挥其真正的价值；

44、(5)本发明通过对agent的编程和提示词设计，基于指标问答会话模型对业务人员的意图识别，将意图做结构化的识别、拆分、规划，智能化地调用具有不同能力的业务系统；并综合业务系统的不同能力，根据拆分的每一步计算分析结果，agent判断业务分析是否达到业务人员的需求；如果没有达到业务人员的需求，agent会根据提示词指令，按照新的规划步骤，继续对业务计算分析，直到agent通过规划和执行结果判断最终结果满足业务人员的需求。在agent的规划和控制下，可以智能化地利用大模型的能力实现多轮业务指标数据的分析。

45、当然，实施发明的任一产品并不一定需要同时达到以上所述的所有优点。