CN117950822A - 任务处理、资源注册、任务更新方法、电子设备 - Google Patents
任务处理、资源注册、任务更新方法、电子设备 Download PDFInfo
- Publication number
- CN117950822A CN117950822A CN202311537118.3A CN202311537118A CN117950822A CN 117950822 A CN117950822 A CN 117950822A CN 202311537118 A CN202311537118 A CN 202311537118A CN 117950822 A CN117950822 A CN 117950822A
- Authority
- CN
- China
- Prior art keywords
- task
- target
- user
- resource
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000012545 processing Methods 0.000 title claims abstract description 69
- 230000008569 process Effects 0.000 claims abstract description 45
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 33
- 230000007787 long-term memory Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 19
- 230000006399 behavior Effects 0.000 claims description 17
- 238000012790 confirmation Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 15
- 230000006403 short-term memory Effects 0.000 claims description 14
- 230000003111 delayed effect Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 230000003993 interaction Effects 0.000 abstract description 9
- 238000003672 processing method Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- SPBWHPXCWJLQRU-FITJORAGSA-N 4-amino-8-[(2r,3r,4s,5r)-3,4-dihydroxy-5-(hydroxymethyl)oxolan-2-yl]-5-oxopyrido[2,3-d]pyrimidine-6-carboxamide Chemical compound C12=NC=NC(N)=C2C(=O)C(C(=O)N)=CN1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O SPBWHPXCWJLQRU-FITJORAGSA-N 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000005291 magnetic effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008520 organization Effects 0.000 description 5
- 102100021677 Baculoviral IAP repeat-containing protein 2 Human genes 0.000 description 4
- 101000896157 Homo sapiens Baculoviral IAP repeat-containing protein 2 Proteins 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 102100021662 Baculoviral IAP repeat-containing protein 3 Human genes 0.000 description 1
- 101000896224 Homo sapiens Baculoviral IAP repeat-containing protein 3 Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Machine Translation (AREA)
Abstract
本申请实施例公开了一种任务处理方法及装置、资源注册方法及装置、任务更新方法及装置、计算机可读存储介质、电子设备。该方法包括:获得用户意图,所述用户意图根据所述用户在智能对话过程中输入的会话内容确定;所述智能对话为新建会话,从资源中心保存的多个应用场景中匹配所述用户意图关联的目标场景,所述资源中心保存有不同应用场景各自关联的任务步骤,以及不同任务步骤各自关联的资源对象;确定所述目标场景关联的目标任务步骤,获得与所述目标任务步骤关联的资源对象相关的目标资源信息,依序执行所述目标任务步骤。如此方案,有助于提高任务处理效率,提升任务处理的使用体验和交互体验。
Description
技术领域
本申请涉及信息处理技术领域,特别是涉及一种任务处理方法及装置、资源注册方法及装置、任务更新方法及装置、计算机可读存储介质、电子设备。
背景技术
GPT(Generative Pre-trained Transformer,生成式预训练Transformer模型)是一种基于预训练技术实现的自然语言处理模型,兼具“大规模”和“预训练”两种属性。其中,预训练指的是在海量通用数据上进行预先训练,能大幅提升AI(ArtificialIntelligence,人工智能)的泛化性、通用性、实用性。
基于GPT驱动的任务自动化是一种新兴的自然语言处理技术,它结合了自然语言处理和深度学习的技术,可以将人工智能应用于任务自动化领域,用于自动执行各种复杂的任务,例如文档处理、数据分析、客户服务等。
具体地,可以预先建立任务与已有AI模型之间的关联关系,GPT通过自然语言与用户交互,获得用户想要执行的任务,还可以作为控制器调用已有AI模型作为执行者,自动执行用户任务。任务自动化处理过程完全依赖于已有的各种AI模型,受AI模型性能和实现功能的限制,任务自动化实现过程较为封闭且有限。
发明内容
本申请提供了一种任务处理方法及装置、资源注册方法及装置、任务更新方法及装置、计算机可读存储介质、电子设备,有助于提高任务处理效率,提升任务处理的使用体验和交互体验。
本申请提供了如下方案:
一种任务处理方法,包括:
获得用户意图,所述用户意图根据所述用户在智能对话过程中输入的会话内容确定;
所述智能对话为新建会话,从资源中心保存的多个应用场景中匹配所述用户意图关联的目标场景,所述资源中心保存有不同应用场景各自关联的任务步骤,以及不同任务步骤各自关联的资源对象;
确定所述目标场景关联的目标任务步骤,获得与所述目标任务步骤关联的资源对象相关的目标资源信息,依序执行所述目标任务步骤。
其中,所述资源对象的类型包括以下类型中的至少一种:应用程序编程接口API、卡片、链接、文档。
其中,所述资源对象的类型为应用程序编程接口API,
所述获得与所述目标任务步骤关联的资源对象相关的目标资源信息,包括:
生成提示信息发送至语言模型,所述提示信息包括所述会话内容、以及所述API关联的输入参数和接口结构类型,以便所述语言模型从所述会话内容中提取所述输入参数对应的参数值;
获得所述语言模型按照所述接口结构类型返回的参数值,作为所述目标资源信息进行API调用。
其中,确定所述输入参数中存在缺失参数时,按照以下方式中的至少一种获得所述缺失参数对应的参数值,所述缺失参数为未从所述会话内容中提取到参数值的输入参数:
在所述智能对话过程中提示所述用户输入所述缺失参数对应的参数值;
从所述用户关联的多个行为习惯中,确定与所述会话内容相匹配的目标行为习惯,根据所述目标行为习惯关联的参数值,获得所述缺失参数对应的预测参数值;
从所述用户关联的多个会话场景中,确定与所述会话内容相匹配的目标会话场景,从所述目标会话场景关联的会话内容中提取获得所述缺失参数对应的预测参数值。
其中,所述方法还包括:
获得依序执行所述目标任务步骤时的操作链路;
对所述目标场景关联的目标任务步骤和/或所述目标任务步骤关联的资源对象进行更新处理,以优化所述操作链路。
其中,所述方法还包括:
所述智能对话为已有会话,从任务中心的短期记忆中获得所述已有会话关联的上下文信息,所述上下文信息包括:在所述智能对话过程中输入的历史会话内容、以及从资源中心匹配的与所述历史会话内容确定的用户意图相关联的目标场景,所述资源中心保存有不同应用场景各自关联的任务步骤,以及不同任务步骤各自关联的资源对象;
根据所述会话内容和所述历史会话内容,从所述目标场景关联的任务步骤中确定待执行步骤;
获得与所述待执行步骤关联的资源对象相关的目标资源信息,执行所述待执行步骤。
其中,所述方法还包括:
所述目标任务步骤中存在滞后执行的步骤,生成与所述滞后执行的步骤相关的待办任务,保存至任务中心的长期记忆,所述滞后执行的步骤为不在所述智能对话过程中执行的步骤。
其中,所述方法还包括:
获得所述目标任务步骤的执行结果,在所述智能对话过程中提供给所述用户。
一种资源注册方法,包括:
资源中心接收针对待注册资源对象提交的注册请求,获得与所述资源对象实现功能相关的描述信息;
从所述资源中心保存的多个应用场景关联的任务步骤中,确定与所述实现功能相匹配的待用任务步骤;
建立所述待用任务步骤与所述资源对象之间的关联关系,以便从所述资源中心匹配用户意图关联的目标场景,且所述目标场景关联有所述待用任务步骤时,获得与所述资源对象相关的目标资源信息以执行所述待用任务步骤。
一种任务更新方法,包括:
获得用户意图,所述用户意图根据第一用户在智能对话过程中输入的会话内容确定;
所述用户意图关联的目标场景为提交用户需求,执行所述目标场景关联的任务步骤获得所述第一用户提交的第一需求信息;
从任务中心的长期记忆保存的待办任务中,获得所述目标场景关联的至少一个第二需求信息,所述第二需求信息为除所述第一用户之外的第二用户提交;
所述至少一个第二需求信息中存在与所述第一需求信息相匹配的可用需求信息,从所述第一需求信息和所述可用需求信息中确定目标需求信息;
根据所述目标需求信息对所述长期记忆保存的待办任务进行任务更新。
其中,所述方法还包括:
所述目标需求信息为所述可用需求信息,在所述智能对话过程中将所述可用需求信息提供给所述第一用户确认;
获得所述第一用户提交的确认信息,再执行根据所述目标需求信息进行任务更新的步骤。
其中,所述方法还包括:
所述目标需求信息为所述第一需求信息,将所述第一需求信息提供给所述可用需求信息关联的第二用户确认;
获得所述第二用户提交的确认信息,再执行根据所述目标需求信息进行任务更新的步骤。
其中,所述方法还包括:
根据所述第一需求信息进行任务更新后,将所述第一需求信息同步更新至进行需求处理的第三用户。
一种任务处理装置,包括:
用户意图获得单元,用于获得用户意图,所述用户意图根据所述用户在智能对话过程中输入的会话内容确定;
目标场景匹配单元,用于在所述智能对话为新建会话时,从资源中心保存的多个应用场景中匹配所述用户意图关联的目标场景,所述资源中心保存有不同应用场景各自关联的任务步骤,以及不同任务步骤各自关联的资源对象;
资源信息获得单元,用于确定所述目标场景关联的目标任务步骤,获得与所述目标任务步骤关联的资源对象相关的目标资源信息,依序执行所述目标任务步骤。
一种资源注册装置,应用于资源中心,所述装置包括:
注册请求接收单元,用于接收针对待注册资源对象提交的注册请求,获得与所述资源对象实现功能相关的描述信息;
待用任务步骤确定单元,用于从所述资源中心保存的多个应用场景关联的任务步骤中,确定与所述实现功能相匹配的待用任务步骤;
关联关系建立单元,用于建立所述待用任务步骤与所述资源对象之间的关联关系,以便从所述资源中心匹配用户意图关联的目标场景,且所述目标场景关联有所述待用任务步骤时,获得与所述资源对象相关的目标资源信息以执行所述待用任务步骤。
一种任务更新装置,包括:
用户意图获得单元,用于获得用户意图,所述用户意图根据第一用户在智能对话过程中输入的会话内容确定;
第一需求信息获得单元,用于在所述用户意图关联的目标场景为提交用户需求时,执行所述目标场景关联的任务步骤获得所述第一用户提交的第一需求信息;
第二需求信息获得单元,用于从任务中心的长期记忆保存的待办任务中,获得所述目标场景关联的至少一个第二需求信息,所述第二需求信息为除所述第一用户之外的第二用户提交;
目标需求信息确定,用于在所述至少一个第二需求信息中存在与所述第一需求信息相匹配的可用需求信息时,从所述第一需求信息和所述可用需求信息中确定目标需求信息;
任务更新单元,用于根据所述目标需求信息对所述长期记忆保存的待办任务进行任务更新。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述任一项所述的方法的步骤。
一种电子设备,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行前述任一项所述的方法的步骤。
根据本申请提供的具体实施例,本申请公开了以下技术效果:
本申请实施例可以提供一种新的任务自动化实现方案。具体地,可以将可用资源对象注册到资源中心,实现资源对象的电子化,并建立应用场景、任务步骤和资源对象三者之间的关联关系。如此,基于智能对话方式获得用户意图后,可以先匹配用户意图关联的应用场景,确定出应用场景关联的任务步骤,再获得与各任务步骤关联的资源对象相关的资源信息,据此顺序执行各任务步骤,实现任务自动化处理。如此方案,有助于提高任务处理效率,提升任务处理的使用体验和交互体验。
当然,实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的任务处理系统的示意图;
图2是本申请实施例提供的任务处理方法的流程图;
图3是本申请实施例提供的会议预约场景的会话示意图;
图4是本申请实施例提供的参数补充页面的示意图;
图5是本申请实施例提供的任务更新方法的流程图;
图6是本申请实施例提供的任务处理装置的示意图;
图7是本申请实施例提供的资源注册装置的示意图;
图8是本申请实施例提供的任务更新装置的示意图;
图9是本申请实施例提供的电子设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本申请保护的范围。
在介绍本申请实施例方案前,先对所涉及的技术术语进行解释说明。
生成式预训练Transformer模型(Generative Pre-Trained Transformer,GPT)是一种基于预训练模型的自然语言处理技术。预训练模型是指在大规模的数据集上训练的模型,通常具有预训练步骤和微调步骤。预训练步骤的主要目标是使用海量语料库学习通用语言特征,并生成一个通用的语言模型,即GPT模型。GPT模型可以通过泛化训练的文本,生成高质量自然语言文本。微调模型的主要目的是利用较小的数据集,修改通用的模型以完成特定的任务。
大语言模型(Large Language Model,LLM)是指使用大量文本数据训练的深度学习模型,可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务,如文本分类、问答、对话等。
Prompt通常指机器学习中的提示信息,是机器学习中的一种输入方式,用于指导机器学习模型生成所需的输出结果。Prompt通常是一些简短的文本或问题,用来引导模型学习和推理,以便生成所需的输出结果。
参见图1所示系统架构图,本申请实施例的任务处理系统可以包括:语言模型、资源中心、任务中心和任务处理模块。
其中,语言模型可以为基于传统深度学习方式训练获得的模型;或者,可以为基于预训练技术获得的GPT模型,例如,大语言模型。可以理解地,本申请实施例方案应用于目标组织,向目标组织关联的用户提供组织内的任务自动化处理服务时,还可以根据目标组织域内的相关知识,对大语言模型进行微调处理,更好地适配组织内用户的任务处理需求。
本申请实施例中,用户可以与语言模型建立会话,通过智能对话方式提交用户意图,以触发任务处理模块匹配用户意图关联的目标场景,进行任务自动化处理。
在实际应用中,语言模型可以集成于可实现任务自动化功能的专有客户端;或者,可以集成于其他可进行人机交互的客户端,例如,即时通讯客户端、智能对话客户端、智能客服客户端等,本申请实施例对集成语言模型功能的客户端不做限定。
本申请实施例中,资源中心用于进行资源对象注册,以及保存多个应用场景相关的配置信息,该配置信息可以体现为不同应用场景各自关联的任务步骤,以及不同任务步骤各自关联的资源对象。
例如,资源中心可以创建并维护场景信息库,该信息库中保存有多个应用场景、应用场景关联的任务步骤、以及任务步骤关联的资源对象。如此,任务处理模块获得用户意图后,可以通过查表方式,从信息库中匹配用户意图关联的目标场景,进而明确所需执行的目标任务步骤,并在获得与目标任务步骤关联的资源对象相关的目标资源信息后,依序执行各目标任务步骤,实现任务自动化处理。
结合使用需求,资源对象的类型可以包括以下类型中的至少一种:应用程序编程接口(Application Programming Interface,API)、卡片、链接、文档。
本申请实施例中,任务中心可以提供短期记忆和长期记忆两个功能模块。其中,短期记忆可用于保存与本次智能对话相关的信息,且在会话结束后进行信息清理;对应的,需要滞后执行的长期任务步骤,即不在本次智能对话过程中执行的步骤,则可在长期记忆中挂起,以便后续需要时再从中读取继续执行。
下面结合示例,对本申请实施例提供的任务处理方法的具体实现过程进行详细说明,参见图2所示流程图,可以包括:
S201:任务处理模块获得用户意图,所述用户意图根据所述用户在智能对话过程中输入的会话内容确定。
在实际应用中,用户与语言模型建立会话,语言模型可以对智能对话过程中输入的会话内容(可以是用户输入的会话内容,也可以是用户和语言模型交互输入的会话内容)进行语义分析,提取用户意图提交至任务处理模块。或者,如果语言模型不具有语义分析能力时,还可以将会话内容提交至任务处理模块,由任务处理模块从中提取用户意图。
S202:所述智能对话为新建会话,从资源中心保存的多个应用场景中匹配所述用户意图关联的目标场景,所述资源中心保存有不同应用场景各自关联的任务步骤,以及不同任务步骤各自关联的资源对象。
本申请实施例中,可以将可用资源扫描注册到资源中心,实现资源对象的电子化,并建立应用场景、任务步骤和资源对象三者之间的关联关系,以便在需要时调用所需资源自动执行对应的任务步骤。
以会议预约场景为例,三者之间的关联关系可如下表1所示。作为一种示例,不同任务步骤在表中的先后顺序可用于表示任务执行时的执行顺序。
表1
本申请实施例可以提供一种资源对象注册方法,包括:资源中心接收针对待注册资源对象提交的注册请求,获得与所述资源对象实现功能相关的描述信息;从所述资源中心保存的多个应用场景关联的任务步骤中,确定与所述实现功能相匹配的待用任务步骤;建立所述待用任务步骤与所述资源对象之间的关联关系,以便从所述资源中心匹配用户意图关联的目标场景,且所述目标场景关联有所述待用任务步骤时,获得与所述资源对象相关的目标资源信息以执行所述待用任务步骤。
例如,资源对象持有者可以在需要时,向资源中心提交注册请求,将资源对象注册到资源中心,供任务处理时使用。
可以理解地,对于卡片、链接、文档类型的资源对象来说,描述信息可以体现为资源对象可实现的功能。表1所举示例中,“会议室预约”步骤关联的Web链接的描述信息可以体现为:用于访问会议室预约系统的Web页面,提供会议室预约服务。
对于API类型的资源对象来说,描述信息中还可以包括与API调用相关的结构化描述,例如,API接口关联的输入参数、返回值、接口结构类型等。表1所举示例中,“日程预约”步骤关联的API接口的输入参数可以为会议时间、会议地点、参会人员3个入参,返回值可以为会议预约结果,接口结构类型可以为JSON(JavaScript Object Notation,JS对象简谱,是一种轻量级的数据交换格式)。
作为一种示例,可以通过人为配置的方式,确定任务步骤和资源对象之间的关联关系;或者,可以由语言模型或者任务处理模块通过语义分析技术,对任务步骤的功能需求和资源对象的描述信息进行语义匹配,自动配置任务步骤和资源对象之间的关联关系。
本申请实施例中,可以为每个智能对话分配对应的会话标识,保存于任务中心的短期记忆中,通过会话标识识别智能对话为新建会话时,可以先从资源中心匹配用户意图关联的目标场景。
可选地,可以通过向量检索方式匹配用户意图关联的目标场景。具体地,可以对应用场景相关的信息,例如应用场景的名称、场景描述信息等进行向量表示,以及对用户意图进行向量表示,通过向量检索技术匹配用户意图关联的目标场景,有助于提高目标场景检索的泛化性。
在实际应用中,如果针对用户意图匹配到至少两个应用场景,一种实现方式下,可以在智能对话过程中将至少两个应用场景提供给用户,供用户从中确定目标场景;或者,可以针对会话内容进行上下文分析,从中提取与用户意图相关的补充信息,根据补充信息从至少两个应用场景中确定目标场景。
S203:确定所述目标场景关联的目标任务步骤,获得与所述目标任务步骤关联的资源对象相关的目标资源信息,依序执行所述目标任务步骤。
匹配到用户意图关联的目标场景后,可以确定目标场景关联的目标任务步骤,分别获得执行各目标任务步骤所需的目标资源信息,进而根据目标任务步骤的执行顺序,依序执行各目标任务步骤,完成用户意图下的任务自动化处理。
可以理解地,任务处理过程中可能存在需要反馈给用户的中间处理结果,可以获得对应在该目标任务步骤下的执行结果,在智能对话过程中提供给用户查看。不存在需要反馈给用户的中间处理结果时,可以在全部目标任务步骤顺序执行完成后,获得对应的执行结果,在智能对话过程中提供给用户查看。
作为一种示例,目标任务步骤关联的资源对象的类型为卡片,对应反馈给用户的执行结果为卡片,用户可以点击使用该卡片。
目标任务步骤关联的资源对象的类型为链接,对应反馈给用户的执行结果为Web应用或Web网页对应的Web链接,用户可以点击该链接跳转到对应页面。
目标任务步骤关联的资源对象的类型为文档,对应反馈给用户的执行结果为电子文档,用户可以点击查看该电子文档。可选地,还可以获得用户提交用户意图的会话交互渠道,根据会话交互渠道的标准格式,向用户提供对应格式的电子文档。
目标任务关联的资源对象的类型为API,对应反馈给用户的执行结果可以为进行API调用可访问的系统或应用程序的页面,供用户查看和操作。
在实际应用中,智能对话过程中输入的会话内容属于非结构化的自然语言,无法直接识别完成API调用。对应于此,本申请实施例可以提供一种基于Prompt提示信息,通过语言模型实现结构化输出的方案。
具体地,任务处理模块可以根据会话内容、API的结构化描述等信息生成提示信息,发送至语言模型。例如,针对表1所举示例,构造的Prompt可以为“对于日程预约API,需要会议时间、会议地点、参会人员3个入参,请判断能否从以下会话内容中完成参数提取,如果能,请以JSON结构返回给我。会话内容为:XXXXXX”。
如此,语言模型可以从提示信息指定的会话内容中提取输入参数对应的参数值。如果提取到API调用所需的全部参数,语言模型可以向任务处理模块提供一个结构化返回;如果提取到API调用所需的部分参数,即存在缺失参数(未从会话内容中提取到参数值的输入参数)时,语言模型可以在智能对话过程中提示用户输入缺失参数对应的参数值。
作为一种示例,语言模型可以卡片形式提示用户输入缺失参数对应的参数值,由用户进行参数值确认。具体可参见下文图3所举示例,此处暂不详述。
作为另一种示例,语言模型还可以根据用户行为习惯和/或会话场景,针对缺失参数进行参数值预测。
具体地,可以从所述用户关联的多个行为习惯中,确定与所述会话内容相匹配的目标行为习惯,根据所述目标行为习惯关联的参数值,获得所述缺失参数对应的预测参数值。以会议预约为例,如果用户关联有定期参与的会议,例如周会等,可以统计分析用户的历史会议预约行为,获得用户关于会议预约的行为习惯,可以包括预约会议的时间、所约会议的时间、地点、人数等。如果存在缺失参数,且根据会话内容匹配到目标行为习惯(可以是会话内容本身,也可以是会话内容对应的会话时间,例如会话时间与分析所得预约会议的时间相匹配),则可将目标行为习惯关联的会议时间、地点、人数,确定为缺失参数对应的预测参数值。
具体地,可以从所述用户关联的多个会话场景中,确定与所述会话内容相匹配的目标会话场景,从所述目标会话场景关联的会话内容中提取获得所述缺失参数对应的预测参数值。也就是说,还可以统计分析用户的历史会话信息,获得用户关联的会话场景,如果存在缺失参数,且根据当前会话内容,从用户关联的会话场景中,确定出相似度最高的目标会话场景,则可从目标会话场景关联的会话内容中提取缺失参数对应的参数值,作为缺失参数对应的预测参数值。
可以理解地,语言模型获得预测参数值后,还可以提供给用户进行确认,既可提高参数提取的效率,又可确保后续处理所用参数值的准确性。
如此,任务处理模块便可获得语言模型按照API要求的接口结构类型返回的参数值,作为目标资源信息进行日程预约API的调用。例如,任务处理模块可以将目标资源信息提供给资源中心,由资源中心利用目标资源信息完成日程预约API的调用。
可选地,为了进一步优化任务处理过程,还可以获得依序执行所述目标任务步骤时的操作链路;对所述目标场景关联的目标任务步骤和/或所述目标任务步骤关联的资源对象进行更新处理,以优化所述操作链路。
具体地,可以获得任务执行过程中的操作链路,例如可以读取目标任务步骤执行过程中产生的日志信息,确定操作链路中存在可优化的任务步骤时,可以对目标场景关联的目标任务步骤和/或目标任务步骤关联的资源对象进行更新处理,以优化在目标场景下执行任务步骤的操作链路。
在实际应用中,可以向用户提供用于提交可优化任务步骤标识信息的操作选项,通过操作选项收集需要优化处理的任务步骤,在需要时启动操作链路更新流程。例如,可以如图3所示,在会话过程中,针对语言模型输入的会话内容、任务执行结果等,提供对应的操作选项,如图中“反馈”字样关联的2个图标,用户可以根据使用体验点选对应的图标,确定是否将图标对应的会话内容、执行结果等关联的任务步骤确定为可优化任务步骤。
或者,还可以分析操作链路的流转过程,确定其中是否存在可优化任务步骤。
以表1所举示例为例,“会议室预约”步骤关联的资源对象为会议室预约系统的Web链接,执行该步骤时,可以将Web链接作为执行结果提供给用户,用户点击Web链接可以跳转到会议室预约系统的预约页面,由用户手动操作进行会议室预约。如此操作链路中,用户需要从当前的会话客户端跳转到会议室预约系统,通过手动操作完成会议室预约,且在完成“会议室预约”步骤后,还需要跳转回到会话客户端顺序执行“日程预约”步骤,导致操作复杂。
对应于此,可以将“会议室预约”步骤确定为可优化任务步骤,对其关联的资源对象进行更新处理。例如,可以在资源中心注册会议室预约系统的API,并配置API的描述信息,获得表2所示关联关系。如此更新处理后,执行“会议室预约”步骤时,可以获得会议室预约所需的资源信息进行API调用,自动完成会议室预约步骤。可以简化页面跳转和手动预约等操作过程,优化原有操作链路。
表2
下面结合表2所示关联关系,对会议预约场景的任务自动处理过程进行解释说明。
图3所举示例中,用户在智能对话过程中输入“预约会议”,任务处理模块按照以下步骤进行任务处理:
首先,确定该会话为新建会话,可以在任务中心为该会话分配新的会话标识,并从资源中心匹配用户意图关联的目标场景为会议预约场景。如此处理后,可以在任务中心的短期记忆中进行如下信息更新:
更新会话关联的任务状态为:已识别场景;
更新会话关联的上下文信息:将“预约会议”作为历史会话内容;命中的目标场景为会议预约场景,且关联有“会议室预约”和“日程预约”2个任务步骤,其中,“会议室预约”步骤关联的资源对象为会议室预约系统的API(以下简称API1),“日程预约”步骤关联的资源对象为日程预约系统的API(以下简称API2)。
其次,执行“会议室预约”步骤时,可以生成Prompt1“对于API1,需要会议时间、参会人员2个入参,请判断能否从以下会话内容中完成参数提取,如果能,请以JSON结构返回给我。会话内容为:预约会议”,发送至语言模型。
语言模型根据会话内容无法获知会议时间,故可将会议时间确定为缺失参数,通过会话方式,在智能对话过程中提示用户输入对应的参数值。
本示例中,语言模型如图3所示输入“请告诉我开始时间和结束时间”,用户对应输入“明天早上10点到12点”。
针对当前输入的会话内容,任务处理模块根据会话标识确定为已有会话,可以在任务中心的短期记忆中获得该已有会话关联的上下文信息,根据当前输入的会话内容和历史会话内容,从目标场景关联的任务步骤中确定待执行步骤。本示例中,待执行步骤即为“会议室预约”步骤。
为了获得与待执行步骤关联的资源对象相关的目标资源信息,可以生成Prompt2“对于API1,需要会议时间、参会人员2个入参,请判断能否从以下会话内容中完成参数提取,如果能,请以JSON结构返回给我。会话内容为:预约会议;请告诉我开始时间和结束时间;明天早上10点到12点”,发送至语言模型。
如此,语言模型可以综合当前时间、历史会话内容“预约会议”、当前输入的会话内容“请告诉我开始时间和结束时间”“明天早上10点到12点”,提取到会议时间对应的参数值,可以包括会议日期和会议起止时间。
除此之外,语言模型还可以将参会人员确定为缺失参数,生成图3所示“请确认任务信息”的卡片,通过在智能对话过程中发送卡片的方式,提示用户输入对应的参数值。
作为一种示例,用户点击卡片可以查看图4所示参数补充详情页,该详情页中可以提供用于提交缺失参数的参数值的操作选项,用户可以通过缺失参数关联的操作选项,提交对应的参数值。
需要说明的是,卡片中的“标题”、“日程描述”等为API1关联的可选入参,还可以根据使用需求添加其他可选入参,本申请实施例对此不做限定。
在实际应用中,语言模型可以一次将会议时间和参会人员确定为缺失参数,通过发送卡片的方式提示用户输入所有缺失参数对应的参数值。
可以理解地,语言模型获得会议时间和参会人员对应的参数值后,可以将参数值按照JSON格式进行结构化返回,通过任务处理模块转发至资源中心,由资源中心利用获得的参数值(即本申请实施例中的目标资源信息)调用API1,完成“会议室预约”步骤。可以获得表示会议室预约成功的返回值,其中可以包括会议时间、会议地点、参会人员等信息,作为“日程预约”步骤的入参。
可选地,还可以在任务中心的短期记忆中进行如下信息更新:
更新会话关联的任务状态为:“会议室预约”步骤执行完毕;
更新会话关联的上下文信息:新增“请告诉我开始时间和结束时间”、“明天早上10点到12点”作为历史会话内容。
接着,顺序执行“日程预约”步骤时,可以利用上述入参调用“日程预约”步骤关联的资源对象API2,完成日程预约步骤,获得表示日程预约成功的返回值。参会人员关联的日程预约客户端可以据此进行日程记录,还可以向参会人员进行会议预约信息提醒。
可选地,还可以在任务中心的短期记忆中进行如下信息更新:
更新会话关联的任务状态为:“日程预约”步骤执行完毕。
最后,如果用户选择结束会话,或者在预设时间内未再进行会话输入,任务处理模块可以确定本次智能对话结束,可以在任务中心的短期记忆中更新会话关联的任务状态为:会话结束。
对于标识为会话结束状态的会话来说,可以即时对相关信息进行信息清理,或者可以等待预设时长后进行信息清理,或者可以定时对标识为会话结束状态的会话进行批量信息清理。
可选地,还可以对会话关联的任务状态进一步细化,例如可以包括:参数补充、参数确认等,具体可根据实际使用需求确定,本申请实施例对此不做限定。
综上,用户可以通过多轮对话实现会议预约任务的自动化处理,有助于提升用户在会议预约需求下的使用体验和交互体验。
作为一种优选方案,除了可以在本次智能对话过程中针对用户需求进行任务自动化处理之外,还可以针对需要滞后执行的任务步骤,即不在本次智能对话过程中执行的步骤,提供长期任务自动化处理服务。
具体地,任务处理模块确定目标场景关联的目标任务步骤中存在滞后执行的步骤时,可以将滞后执行的步骤保存至任务中心的长期记忆,即在长期记忆中进行任务持久化,将需要滞后执行的步骤挂起,并在后续需要时再重启执行。
任务中心针对不同任务步骤,分别提供短期记忆和长期记忆功能,通过长期记忆进行任务持久化处理,避免由短期记忆长时间维护需要滞后执行的步骤相关的信息,有助于节省资源消耗。
作为一种示例,可以根据用户指示,将需要滞后执行的步骤保存至任务中心的长期记忆。例如,用户在智能对话过程中输入“两天后执行”,可以在长期记忆中挂起当前执行的任务步骤。
或者,作为另一种示例,可以预先对需要滞后执行的步骤进行标识。例如,可以在场景信息库中添加表示任务步骤是否为长期任务的标识信息。
可选地,任务中心还可以对用户关联的长期任务进行汇总展示,将滞后执行的步骤作为待办任务,生成待办任务列表提供给用户查看。
作为一种示例,本申请实施例提供的任务处理方法可用于收集用户需求,实现用户需求任务的更新。
目前,大多通过多用户手动填写的方式收集用户需求。例如,针对系统A的实现功能收集用户需求时,可以提供一张可供多用户编辑的电子表格,如Excel表格,不同用户可以在电子表格中手动填写自己针对系统A实现功能的用户需求。
手动填报用户需求时(特别是在需求数量较多时),用户通常不会逐条翻看,查阅其中是否存在自己想要提交的用户需求,导致用户需求重复提交,增大需求汇总难度;此外,对于相同用户需求,但因用户表述各有差异,也是导致用户需求重复提交的一个重要原因,且这种情况下需求汇总的难度更大。
此外,完成需求收集后,还可以进行需求汇总和需求评估,并对通过评估的用户需求进行需求开发和功能上线。整个过程中,提交需求的用户并不清楚何时进行需求评估、所提需求是否通过评估、需求的开发进度等信息。
针对于此,本申请实施例可以提供一种针对用户需求任务的任务更新方法。具体地,可以将针对系统A提交用户需求配置为一个新的应用场景,确定该新的应用场景关联的任务步骤以及对应的资源对象,用户可以基于上文所做介绍,通过对话方式自动执行提交用户需求的任务,且该过程中可以对用户需求进行语义分析,理解并提取出可表述用户需求的描述信息,进行需求匹配以及需求更新。
下面结合示例,对本申请实施例提供的任务更新方法的具体实现过程进行详细说明,参见图5所示流程图,可以包括:
S501:获得用户意图,所述用户意图根据第一用户在智能对话过程中输入的会话内容确定。
S502:所述用户意图关联的目标场景为提交用户需求,执行所述目标场景关联的任务步骤获得所述第一用户提交的第一需求信息。
S503:从任务中心的长期记忆保存的待办任务中,获得所述目标场景关联的至少一个第二需求信息,所述第二需求信息为除所述第一用户之外的第二用户提交。
S504:所述至少一个第二需求信息中存在与所述第一需求信息相匹配的可用需求信息,从所述第一需求信息和所述可用需求信息中确定目标需求信息。
S505:根据所述目标需求信息对所述长期记忆保存的待办任务进行任务更新。
任务处理模块获得用户意图,匹配用户意图关联的目标场景、执行目标场景关联的任务步骤的实现过程,可参见上文介绍,此处不再举例说明。
可以理解地,如果智能对话为新建会话,可以根据用户意图从资源中心匹配目标场景;如果智能对话为已有会话,可以根据会话标识从任务中心的短期记忆中匹配目标场景。
本示例中,用户意图关联的目标场景为针对系统A提交用户需求,且目标场景关联有需求提交、需求更新、需求汇总3个任务步骤。
执行“需求提交”步骤,可以获得正在进行会话的第一用户针对系统A提交的第一需求信息。
执行“需求更新”步骤,可以从任务中心的长期记忆保存的待办任务中,获得目标场景关联的至少一个第二需求信息,与第一需求信息进行需求匹配,确定其中是否存在与第一需求信息相匹配的可用需求信息。
其中,第二需求信息由除第一用户之外的第二用户提交,即第二用户针对系统A提交的用户需求。可以对第一需求信息和第二需求信息进行语义分析,针对提取的用户需求描述信息进行需求匹配,确定至少一个第二需求信息中是否存在与第一需求信息相匹配的可用需求信息。
如果匹配到可用需求信息,即可用需求信息与第一需求信息用于表述相同用户需求,可以从第一需求信息和可用需求信息中确定目标需求信息,根据目标需求信息对长期记忆保存的待办任务进行任务更新。
具体地,可用需求信息与第一需求信息表述的用户需求完全相同时,可以将其中表述更为简洁的需求信息确定为目标需求信息。或者,可用需求信息与第一需求信息表述的用户需求部分相同时,可以将其中包括更丰富内容的需求信息确定为目标需求信息。
一种实现方式下,如果目标需求信息为可用需求信息,可以在智能对话过程中将可用需求信息提供给第一用户确认;获得第一用户提交的确认信息后,再执行根据目标需求信息进行任务更新的步骤。即,经第一用户确认后,再将其提交的第一需求信息更新替换为目标需求信息。
另一种实现方式下,如果目标需求信息为第一需求信息,可以将第一需求信息提供给可用需求信息关联的第二用户确认;获得第二用户提交的确认信息后,再执行根据目标需求信息进行任务更新的步骤。即,经第二用户确认后,再将其提交的第二需求信息更新替换为第一需求信息。
经上述需求更新后,可以确保目标场景下不存在重复提交的用户需求,且所提用户需求均为优选需求信息。即,可以是表述最为简洁的需求信息,有助于降低需求汇总难度;或者,可以是包括更丰富内容的需求信息,如此单次需求开发可以实现更丰富的功能。
完成“需要更新”步骤后,可以将用户需求作为待办任务挂起,直至到达“需求汇总”步骤的执行时间,再读取目标场景关联的所有用户需求进行需求汇总和需求评估。
可选地,第一用户进行需求提交时,还可以获得与第一需求信息相关的需求任务状态,提供给第一用户,便于用户了解需求开发进度。例如,未匹配到可用需求信息时,可以确定需求任务状态为新需求,向第一用户进行信息提示;匹配到可用需求信息且利用可用需求信息进行需求更新时,可以确定需求任务状态为已存在相关需求,向第一用户进行信息提示;匹配到可用需求信息且利用第一需求信息进行需求更新时,可以确定需求任务状态为已进行需求更新,向第一用户进行信息提示。
在实际应用中,除了配置与需求提交相关的需求任务状态外,还可以配置与需求评估、需求开发相关的需求任务状态,例如还可以包括未通过评估、已通过评估未开发、正在开发等。
此外,针对正在开发的用户需求,如果进行了需求更新,例如根据第一需求信息进行任务更新后,还可以将第一需求信息同步更新至进行需求处理的第三用户,以便第三用户基于优选需求信息进行需求开发和功能上线。本示例中,第三用户可以为负责需求开发的人员。
需要说明的是,本申请所涉及用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
与前述方法实施例相对应,本申请实施例还提供了一种任务处理装置,参见图6,该装置可以包括:
用户意图获得单元601,用于获得用户意图,所述用户意图根据所述用户在智能对话过程中输入的会话内容确定;
目标场景匹配单元602,用于在所述智能对话为新建会话时,从资源中心保存的多个应用场景中匹配所述用户意图关联的目标场景,所述资源中心保存有不同应用场景各自关联的任务步骤,以及不同任务步骤各自关联的资源对象;
资源信息获得单元603,用于确定所述目标场景关联的目标任务步骤,获得与所述目标任务步骤关联的资源对象相关的目标资源信息,依序执行所述目标任务步骤。
其中,所述资源对象的类型包括以下类型中的至少一种:应用程序编程接口API、卡片、链接、文档。
其中,所述资源对象的类型为应用程序编程接口API,
所述获得与所述目标任务步骤关联的资源对象相关的目标资源信息,所述资源信息获得单元,具体可用于:生成提示信息发送至语言模型,所述提示信息包括所述会话内容、以及所述API关联的输入参数和接口结构类型,以便所述语言模型从所述会话内容中提取所述输入参数对应的参数值;获得所述语言模型按照所述接口结构类型返回的参数值,作为所述目标资源信息进行API调用。
其中,确定所述输入参数中存在缺失参数时,所述资源信息获得单元具体可用于按照以下方式中的至少一种获得所述缺失参数对应的参数值,所述缺失参数为未从所述会话内容中提取到参数值的输入参数:
在所述智能对话过程中提示所述用户输入所述缺失参数对应的参数值;
从所述用户关联的多个行为习惯中,确定与所述会话内容相匹配的目标行为习惯,根据所述目标行为习惯关联的参数值,获得所述缺失参数对应的预测参数值;
从所述用户关联的多个会话场景中,确定与所述会话内容相匹配的目标会话场景,从所述目标会话场景关联的会话内容中提取获得所述缺失参数对应的预测参数值。
其中,所述装置还包括:
操作链路优化单元,用于获得依序执行所述目标任务步骤时的操作链路;对所述目标场景关联的目标任务步骤和/或所述目标任务步骤关联的资源对象进行更新处理,以优化所述操作链路。
其中,所述装置还包括:
待执行步骤执行单元,用于在所述智能对话为已有会话时,从任务中心的短期记忆中获得所述已有会话关联的上下文信息,所述上下文信息包括:在所述智能对话过程中输入的历史会话内容、以及从资源中心匹配的与所述历史会话内容确定的用户意图相关联的目标场景,所述资源中心保存有不同应用场景各自关联的任务步骤,以及不同任务步骤各自关联的资源对象;根据所述会话内容和所述历史会话内容,从所述目标场景关联的任务步骤中确定待执行步骤;获得与所述待执行步骤关联的资源对象相关的目标资源信息,执行所述待执行步骤。
其中,所述装置还包括:
待办任务保存单元,用于在所述目标任务步骤中存在滞后执行的步骤时,生成与所述滞后执行的步骤相关的待办任务,保存至任务中心的长期记忆,所述滞后执行的步骤为不在所述智能对话过程中执行的步骤。
其中,所述装置还包括:
获得所述目标任务步骤的执行结果,在所述智能对话过程中提供给所述用户。
与前述方法实施例相对应,本申请实施例还提供了一种资源注册装置,应用于资源中心,参见图7,该装置可以包括:
注册请求接收单元701,用于接收针对待注册资源对象提交的注册请求,获得与所述资源对象实现功能相关的描述信息;
待用任务步骤确定单元702,用于从所述资源中心保存的多个应用场景关联的任务步骤中,确定与所述实现功能相匹配的待用任务步骤;
关联关系建立单元703,用于建立所述待用任务步骤与所述资源对象之间的关联关系,以便从所述资源中心匹配用户意图关联的目标场景,且所述目标场景关联有所述待用任务步骤时,获得与所述资源对象相关的目标资源信息以执行所述待用任务步骤。
与前述方法实施例相对应,本申请实施例还提供了一种任务更新装置,参见图8,该装置可以包括:
用户意图获得单元801,用于获得用户意图,所述用户意图根据第一用户在智能对话过程中输入的会话内容确定;
第一需求信息获得单元802,用于在所述用户意图关联的目标场景为提交用户需求时,执行所述目标场景关联的任务步骤获得所述第一用户提交的第一需求信息;
第二需求信息获得单元803,用于从任务中心的长期记忆保存的待办任务中,获得所述目标场景关联的至少一个第二需求信息,所述第二需求信息为除所述第一用户之外的第二用户提交;
目标需求信息确定804,用于在所述至少一个第二需求信息中存在与所述第一需求信息相匹配的可用需求信息时,从所述第一需求信息和所述可用需求信息中确定目标需求信息;
任务更新单元805,用于根据所述目标需求信息对所述长期记忆保存的待办任务进行任务更新。
其中,所述装置还包括:
第一用户确认单元,用于在所述目标需求信息为所述可用需求信息时,在所述智能对话过程中将所述可用需求信息提供给所述第一用户确认;获得所述第一用户提交的确认信息,再执行根据所述目标需求信息进行任务更新的步骤。
其中,所述装置还包括:
第二用户确认单元,用于在所述目标需求信息为所述第一需求信息时,将所述第一需求信息提供给所述可用需求信息关联的第二用户确认;获得所述第二用户提交的确认信息,再执行根据所述目标需求信息进行任务更新的步骤。
其中,所述装置还包括:
需求信息更新单元,用于在根据所述第一需求信息进行任务更新后,将所述第一需求信息同步更新至进行需求处理的第三用户。
另外,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述方法实施例中任一项所述的方法的步骤。
以及一种电子设备,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行前述方法实施例中任一项所述的方法的步骤。
其中,图9示例性的展示出了电子设备的架构,例如,设备900可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理,飞行器等。
参照图9,设备900可以包括以下一个或多个组件:处理组件902,存储器904,电源组件906,多媒体组件908,音频组件910,输入/输出(I/O)接口912,传感器组件914,以及通信组件916。
处理组件902通常控制设备900的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件902可以包括一个或多个处理器920来执行指令,以完成本公开技术方案提供的方法的全部或部分步骤。此外,处理组件902可以包括一个或多个模块,便于处理组件902和其他组件之间的交互。例如,处理组件902可以包括多媒体模块,以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在设备900的操作。这些数据的示例包括用于在设备900上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件906为设备900的各种组件提供电力。电源组件906可以包括电源管理系统,一个或多个电源,及其他与为设备900生成、管理和分配电力相关联的组件。
多媒体组件908包括在设备900和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件908包括一个前置摄像头和/或后置摄像头。当设备900处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如,音频组件910包括一个麦克风(MIC),当设备900处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中,音频组件910还包括一个扬声器,用于输出音频信号。
输入/输出(I/O)接口912为处理组件902和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器,用于为设备900提供各个方面的状态评估。例如,传感器组件914可以检测到设备900的打开/关闭状态,组件的相对定位,例如所述组件为设备900的显示器和小键盘,传感器组件914还可以检测设备900或设备900一个组件的位置改变,用户与设备900接触的存在或不存在,设备900方位或加速/减速和设备900的温度变化。传感器组件914可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件914还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件916被配置为便于设备900和其他设备之间有线或无线方式的通信。设备900可以接入基于通信标准的无线网络,如WiFi,或2G、3G、4G/LTE、5G等移动通信网络。在一个示例性实施例中,通信组件916经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件916还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,设备900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器904,上述指令可由设备900的处理器920执行以完成本公开技术方案提供的方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上对本申请所提供的方案,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本申请的限制。
Claims (14)
1.一种任务处理方法,其特征在于,包括:
获得用户意图,所述用户意图根据所述用户在智能对话过程中输入的会话内容确定;
所述智能对话为新建会话,从资源中心保存的多个应用场景中匹配所述用户意图关联的目标场景,所述资源中心保存有不同应用场景各自关联的任务步骤,以及不同任务步骤各自关联的资源对象;
确定所述目标场景关联的目标任务步骤,获得与所述目标任务步骤关联的资源对象相关的目标资源信息,依序执行所述目标任务步骤。
2.根据权利要求1所述的方法,其特征在于,所述资源对象的类型包括以下类型中的至少一种:应用程序编程接口API、卡片、链接、文档。
3.根据权利要求1所述的方法,其特征在于,所述资源对象的类型为应用程序编程接口API,
所述获得与所述目标任务步骤关联的资源对象相关的目标资源信息,包括:
生成提示信息发送至语言模型,所述提示信息包括所述会话内容、以及所述API关联的输入参数和接口结构类型,以便所述语言模型从所述会话内容中提取所述输入参数对应的参数值;
获得所述语言模型按照所述接口结构类型返回的参数值,作为所述目标资源信息进行API调用。
4.根据权利要求3所述的方法,其特征在于,确定所述输入参数中存在缺失参数时,按照以下方式中的至少一种获得所述缺失参数对应的参数值,所述缺失参数为未从所述会话内容中提取到参数值的输入参数:
在所述智能对话过程中提示所述用户输入所述缺失参数对应的参数值;
从所述用户关联的多个行为习惯中,确定与所述会话内容相匹配的目标行为习惯,根据所述目标行为习惯关联的参数值,获得所述缺失参数对应的预测参数值;
从所述用户关联的多个会话场景中,确定与所述会话内容相匹配的目标会话场景,从所述目标会话场景关联的会话内容中提取获得所述缺失参数对应的预测参数值。
5.根据权利要求1至4任一项所述的方法,其特征在于,还包括:
获得依序执行所述目标任务步骤时的操作链路;
对所述目标场景关联的目标任务步骤和/或所述目标任务步骤关联的资源对象进行更新处理,以优化所述操作链路。
6.根据权利要求1至4任一项所述的方法,其特征在于,还包括:
所述智能对话为已有会话,从任务中心的短期记忆中获得所述已有会话关联的上下文信息,所述上下文信息包括:在所述智能对话过程中输入的历史会话内容、以及从资源中心匹配的与所述历史会话内容确定的用户意图相关联的目标场景,所述资源中心保存有不同应用场景各自关联的任务步骤,以及不同任务步骤各自关联的资源对象;
根据所述会话内容和所述历史会话内容,从所述目标场景关联的任务步骤中确定待执行步骤;
获得与所述待执行步骤关联的资源对象相关的目标资源信息,执行所述待执行步骤。
7.根据权利要求1至4任一项所述的方法,其特征在于,还包括:
所述目标任务步骤中存在滞后执行的步骤,生成与所述滞后执行的步骤相关的待办任务,保存至任务中心的长期记忆,所述滞后执行的步骤为不在所述智能对话过程中执行的步骤。
8.根据权利要求1至4任一项所述的方法,其特征在于,还包括:
获得所述目标任务步骤的执行结果,在所述智能对话过程中提供给所述用户。
9.一种资源注册方法,其特征在于,包括:
资源中心接收针对待注册资源对象提交的注册请求,获得与所述资源对象实现功能相关的描述信息;
从所述资源中心保存的多个应用场景关联的任务步骤中,确定与所述实现功能相匹配的待用任务步骤;
建立所述待用任务步骤与所述资源对象之间的关联关系,以便从所述资源中心匹配用户意图关联的目标场景,且所述目标场景关联有所述待用任务步骤时,获得与所述资源对象相关的目标资源信息以执行所述待用任务步骤。
10.一种任务更新方法,其特征在于,包括:
获得用户意图,所述用户意图根据第一用户在智能对话过程中输入的会话内容确定;
所述用户意图关联的目标场景为提交用户需求,执行所述目标场景关联的任务步骤获得所述第一用户提交的第一需求信息;
从任务中心的长期记忆保存的待办任务中,获得所述目标场景关联的至少一个第二需求信息,所述第二需求信息为除所述第一用户之外的第二用户提交;
所述至少一个第二需求信息中存在与所述第一需求信息相匹配的可用需求信息,从所述第一需求信息和所述可用需求信息中确定目标需求信息;
根据所述目标需求信息对所述长期记忆保存的待办任务进行任务更新。
11.根据权利要求10所述的方法,其特征在于,还包括:
所述目标需求信息为所述可用需求信息,在所述智能对话过程中将所述可用需求信息提供给所述第一用户确认;
获得所述第一用户提交的确认信息,再执行根据所述目标需求信息进行任务更新的步骤。
12.根据权利要求10所述的方法,其特征在于,还包括:
所述目标需求信息为所述第一需求信息,将所述第一需求信息提供给所述可用需求信息关联的第二用户确认;
获得所述第二用户提交的确认信息,再执行根据所述目标需求信息进行任务更新的步骤。
13.根据权利要求12所述的方法,其特征在于,还包括:
根据所述第一需求信息进行任务更新后,将所述第一需求信息同步更新至进行需求处理的第三用户。
14.一种电子设备,其特征在于,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行权利要求1至13任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311537118.3A CN117950822A (zh) | 2023-11-17 | 2023-11-17 | 任务处理、资源注册、任务更新方法、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311537118.3A CN117950822A (zh) | 2023-11-17 | 2023-11-17 | 任务处理、资源注册、任务更新方法、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117950822A true CN117950822A (zh) | 2024-04-30 |
Family
ID=90800358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311537118.3A Pending CN117950822A (zh) | 2023-11-17 | 2023-11-17 | 任务处理、资源注册、任务更新方法、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117950822A (zh) |
-
2023
- 2023-11-17 CN CN202311537118.3A patent/CN117950822A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9262175B2 (en) | Systems and methods for storing record of virtual agent interaction | |
US10868684B2 (en) | Proactive suggestion for sharing of meeting content | |
US20190392395A1 (en) | Worry-free meeting conferencing | |
CN110178132A (zh) | 使用语言模型对消息中接收到的图像的自动建议响应 | |
EP4109827A1 (en) | Group display method and device | |
CN110892382A (zh) | 用于经由自动化助理恢复对话会话的系统、方法和装置 | |
CN110022258B (zh) | 一种即时通信的会话控制方法及装置、电子设备 | |
CN109255128B (zh) | 多层级标签的生成方法、装置和存储介质 | |
CN112269650A (zh) | 任务调度方法、装置、电子设备和存储介质 | |
CN111898018B (zh) | 一种虚拟资源的发送方法、装置、电子设备及存储介质 | |
CN117151662A (zh) | 基于ai的岗位信息处理方法、装置、设备及存储介质 | |
CN111028835B (zh) | 资源置换方法、装置、系统、计算机可读存储介质 | |
CN115840841A (zh) | 多模态对话方法、装置、设备及存储介质 | |
CN117455430B (zh) | 基于ai的简历信息处理方法、装置、设备及存储介质 | |
CN112631435A (zh) | 一种输入方法、装置、设备及存储介质 | |
CN112733020A (zh) | 一种信息处理方法及装置 | |
CN112242909B (zh) | 一种管理模板的生成方法、装置、电子设备及存储介质 | |
CN117094690A (zh) | 信息处理方法、电子设备及存储介质 | |
CN111835617B (zh) | 用户头像调整方法、装置及电子设备 | |
CN117950822A (zh) | 任务处理、资源注册、任务更新方法、电子设备 | |
CN110290050A (zh) | 消息处理方法、装置、电子设备及存储介质 | |
CN114363103B (zh) | 一种处理会议信息的方法、装置及计算机可读介质 | |
CN110633361B (zh) | 输入控制方法、装置和智能会话服务器 | |
CN113254611A (zh) | 提问推荐方法及装置、电子设备及存储介质 | |
CN114666291A (zh) | 消息发送方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |