本發(fā)明涉及突發(fā)事件管理系統(tǒng)的優(yōu)化方法，具體為一種基于llm和langchain的事件管理系統(tǒng)優(yōu)化方法。

背景技術(shù)：

1、現(xiàn)代戰(zhàn)場上涌現(xiàn)了大量的智能化作戰(zhàn)裝備和新型作戰(zhàn)樣式，提升了戰(zhàn)場全面感知能力，逐漸演化出一體化聯(lián)合的復(fù)雜作戰(zhàn)體系，依靠人工處理海量信息已經(jīng)變得十分困難，指揮人員需要掌握包括作戰(zhàn)裝備、作戰(zhàn)戰(zhàn)術(shù)、法律法規(guī)、戰(zhàn)場情報、社會輿情等大量知識，因此亟需人工智能技術(shù)輔助指揮人員進行籌劃決策和業(yè)務(wù)處理。

2、目前人工智能分為專用人工智能和通用人工智能，其中專用人工智能擅長在單一場景下處理特定任務(wù)，目前大多數(shù)智能應(yīng)用都屬于這一類，例如deepmind公司推出的“alphago”，能夠在國際象棋中擊敗人類世界象棋冠軍，但如果讓其為文本生成一段摘要是不現(xiàn)實的。對于業(yè)務(wù)復(fù)雜的大系統(tǒng)需要集成大量的模型，成本過高且難以融合。然而通用人工智能更關(guān)注靈活性和通用性，更擅長處理復(fù)雜綜合的任務(wù)，尤其是在指揮作戰(zhàn)這種復(fù)雜場景下，突發(fā)情況多變且事件的發(fā)展難以預(yù)測，需要融合多方面情報進行綜合分析，通用人工智能能夠發(fā)揮在事務(wù)中推理、計劃、解決問題、抽象思考、理解復(fù)雜思想、快速學(xué)習和從經(jīng)驗中學(xué)習的特長，協(xié)助指揮人員在緊張局勢下進行正確的事件處置決策。

3、通用人工智能主要指llm（大語言模型），最具代表性的應(yīng)用是2022年底由openai組織推出的“chatgpt”，以其具有強大的語言組織、本文處理、邏輯推理等能力火遍全球互聯(lián)網(wǎng)，一躍成為人工智能領(lǐng)域的現(xiàn)象級應(yīng)用。llm底層采用transformer模型，利用自注意力機制提升上下文理解能力，并通過大規(guī)模訓(xùn)練（通常具有十億級以上參數(shù)）獲得在事務(wù)中推理、計劃、解決問題、抽象思考、理解復(fù)雜思想、快速學(xué)習和從經(jīng)驗中學(xué)習的能力。

技術(shù)實現(xiàn)思路

1、為了提升指揮作戰(zhàn)場景下突發(fā)事件管理系統(tǒng)的效率，本發(fā)明提供了一種基于llm和langchain的事件管理系統(tǒng)優(yōu)化方法，該方法利用llm技術(shù)加速對各類情報、法規(guī)、案例等信息的快速處理，對事件管理系統(tǒng)進行智能賦能，利用langchain框架快速構(gòu)建領(lǐng)域llm應(yīng)用以提升事件處置流程自動化，同時通過自然語言的方式與用戶進行交互，對事件實體關(guān)系進行關(guān)聯(lián)，方便指揮人員對事件脈絡(luò)、事件態(tài)勢以及事件相關(guān)背景綜合理解，在突發(fā)情況下能夠基于llm向量庫中存儲的歷史案例輔助指揮人員快速做出正確反映和即時調(diào)整，從而提升指揮作戰(zhàn)能力。本發(fā)明采用langchain框架來快速構(gòu)建事件管理系統(tǒng)，可接入chatglm、qwen、localgpt、ollama等llm進行私有化部署，利用其強大的信息理解、事務(wù)推理能力來應(yīng)對指揮作戰(zhàn)場景下的突發(fā)問題，提升事件處置的效率。

2、本發(fā)明是采用如下的技術(shù)方案實現(xiàn)的：一種基于llm和langchain的事件管理系統(tǒng)優(yōu)化方法，事件管理系統(tǒng)采用應(yīng)用層、框架層、模型層3層系統(tǒng)架構(gòu)設(shè)計，應(yīng)用層圍繞指揮作戰(zhàn)突發(fā)事件處置業(yè)務(wù)邏輯開展設(shè)計，將突發(fā)事件處置流程劃分4個階段，包括事件數(shù)據(jù)管理、事件情況掌握、事件處置建議、事件處置組織協(xié)調(diào)；框架層采用大語言應(yīng)用開發(fā)框架langchain進行業(yè)務(wù)串聯(lián)和邏輯拼接，面向應(yīng)用層對突發(fā)事件的處置流程各階段進行優(yōu)化，為應(yīng)急狀態(tài)下的指揮人員決策提供智能輔助決策支撐，保證在緊張局勢下能夠?qū)ν话l(fā)狀況進行即時、正確的響應(yīng)；模型層對接開源llm，負責將輸入的自然語言信息經(jīng)過文本理解和知識推理形成期望的事件情況總結(jié)，能夠調(diào)用外部接口查詢事件熱點信息和相關(guān)案例支撐系統(tǒng)生成事件處置預(yù)案，能夠與外部系統(tǒng)進行交互自動下達指揮命令、作戰(zhàn)文書、消息警告等進行席位間組織協(xié)調(diào)。

3、上述的一種基于llm和langchain的事件管理系統(tǒng)優(yōu)化方法，事件數(shù)據(jù)管理模塊從情報系統(tǒng)和業(yè)務(wù)系統(tǒng)中獲取情報數(shù)據(jù)，為構(gòu)建領(lǐng)域llm提供數(shù)據(jù)支撐；事件情況掌握模塊的數(shù)據(jù)來源通過各席位的指揮人員進行上報，通過llm形成內(nèi)容摘要；事件處置建議模塊利用llm在歷史案例中抽象出事件處置經(jīng)驗，形成處置預(yù)案，并根據(jù)兵力對比、物資保障、社會輿論因素進行權(quán)衡，提供處置建議和理由，幫助指揮人員做出處置決定；事件處置組織協(xié)調(diào)模塊根據(jù)指揮人員制定的事件處置方案進行處突響應(yīng)，開展行動監(jiān)控、兵力布勢、反制謀劃，形成任務(wù)工單按照編組派發(fā)，支持各要素、各席位之間數(shù)據(jù)流轉(zhuǎn)，實現(xiàn)突發(fā)事件處置全過程在線組織協(xié)調(diào)。

4、上述的一種基于llm和langchain的事件管理系統(tǒng)優(yōu)化方法，事件數(shù)據(jù)管理模塊具體包括數(shù)據(jù)引接加載和內(nèi)容詞向量存儲2部分；數(shù)據(jù)引接加載時利用langchain數(shù)據(jù)加載器組件對情報系統(tǒng)和業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)進行引接加載，實現(xiàn)數(shù)據(jù)服務(wù)請求和數(shù)據(jù)抽取功能，通過數(shù)據(jù)加載器引接的情報數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)需要存儲到數(shù)據(jù)庫中為業(yè)務(wù)執(zhí)行過程中歷史案例查詢、法律法規(guī)查詢、處置預(yù)案推薦提供知識支撐，其數(shù)據(jù)過程包括文檔數(shù)據(jù)屬性提取、詞向量嵌入訓(xùn)練、數(shù)據(jù)存儲3個階段：①引接的數(shù)據(jù)采用doctran組件進行文檔屬性的提取，以便相關(guān)資料的精準查詢和關(guān)聯(lián)檢索；②將文檔的內(nèi)容進行詞向量嵌入訓(xùn)練，與上下文進行語義關(guān)聯(lián)和不同語境的區(qū)分，形成計算機能夠理解的高維向量格式，③采用chroma向量數(shù)據(jù)庫對訓(xùn)練好的詞向量內(nèi)容進行存儲。

5、上述的一種基于llm和langchain的事件管理系統(tǒng)優(yōu)化方法，數(shù)據(jù)引接加載時為防止數(shù)據(jù)引接通道的擁塞，增加buffermemory組件窗口過濾機制進行數(shù)據(jù)流的削峰填谷。

6、上述的一種基于llm和langchain的事件管理系統(tǒng)優(yōu)化方法，事件情況掌握模塊包括文檔元數(shù)據(jù)標記、知識化標簽類目生成和內(nèi)容綜合摘要生成兩部分，文檔元數(shù)據(jù)標簽標記對突發(fā)事件的歷史案例進行文檔標記，構(gòu)建事件的結(jié)構(gòu)化元數(shù)據(jù)標簽形成指揮作戰(zhàn)領(lǐng)域知識化標簽類目體系，通過文本嵌入模型存儲到chroma向量數(shù)據(jù)庫中；各席位上報的情況報告通過stuffdocumentchain切割成文件塊，通過索引器根據(jù)事件元數(shù)據(jù)從文件塊中查詢相關(guān)信息，并填入到對應(yīng)的摘要提示詞模板中，最終輸入到llm進行多個情況報告的內(nèi)容綜合摘要生成。

7、上述的一種基于llm和langchain的事件管理系統(tǒng)優(yōu)化方法，事件處置建議模塊由用戶觸發(fā)，用戶通過sqldatabasechain組件對業(yè)務(wù)系統(tǒng)引接數(shù)據(jù)庫進行查詢實現(xiàn)相關(guān)實時信息查詢，通過multifunctionagent組件調(diào)用自定義方法對現(xiàn)存作戰(zhàn)知識查詢系統(tǒng)進行知識查詢；采用思維鏈技術(shù)，將要解決突發(fā)事件所涉及的復(fù)雜問題q按照步驟拆解成一系列簡單問題q={q1,q2,q3,…，qn}，形成問題拆解模板為llm提供參考思路；系統(tǒng)將思維鏈填入處置預(yù)案生成提示詞模板中,利用示例選擇器進行自動匹配合適的思維鏈，實現(xiàn)讓llm按照同樣的思維生成處置預(yù)案；同時系統(tǒng)提供自定義輸出模板規(guī)定按照指定格式生成處置預(yù)案，然后將結(jié)果再次輸入llm并輸入評分提示詞模板，最終通過輸出分析器對處置預(yù)案進行分析比對生成處置建議。

8、上述的一種基于llm和langchain的事件管理系統(tǒng)優(yōu)化方法，事件處置組織協(xié)調(diào)模塊依靠langchain提供的callback機制實現(xiàn)對任務(wù)執(zhí)行的方法和時機進行預(yù)設(shè)，自定義工具可設(shè)置任務(wù)執(zhí)行的具體內(nèi)容，執(zhí)行代理可設(shè)置任務(wù)執(zhí)行的條件，系統(tǒng)能夠按照業(yè)務(wù)邏輯將多個任務(wù)進行串聯(lián)有序執(zhí)行形成完整的工作流；當突發(fā)事件處置進入方案實施階段，用戶觸發(fā)任務(wù)派發(fā)動作，系統(tǒng)將按照處置方案中處置步驟將任務(wù)加入工作流，非結(jié)構(gòu)化的處置方案通過llm翻譯轉(zhuǎn)換成格式化指揮命令，其內(nèi)容包括命令發(fā)送方、命令接收方、命令類型、命令內(nèi)容、緊急程度等要素；系統(tǒng)通過對話知識圖譜記憶組件完成事件實體和實體間關(guān)聯(lián)關(guān)系的圖譜構(gòu)建，完成格式化指揮命令各類要素內(nèi)容的填寫；系統(tǒng)監(jiān)聽指揮命令生成完畢后，通過callback機制調(diào)用接口完成作戰(zhàn)文書擬制，最終由指揮人員人工核查、修改、發(fā)送，實現(xiàn)人在回路的任務(wù)工單派發(fā)。

9、本發(fā)明在智能模型的選型、業(yè)務(wù)處理的優(yōu)化方法兩方面具有新穎性：

10、①智能模型的選型新穎，選擇了最先進且具有廣闊發(fā)展前景的llm作為底層支撐?，F(xiàn)有事件管理系統(tǒng)主要通過文書報告的形式進行上報和匯總，大多基于關(guān)鍵詞、規(guī)則、結(jié)構(gòu)化數(shù)據(jù)進行匹配和事件信息的抽取，來輔助指揮人員對突發(fā)事件進行情況掌握，這種方法受規(guī)則、格式的限制效果不佳，往往需要人工參與情況報告的審核、修改，效率較低。本發(fā)明采用llm，在內(nèi)容理解方面具有優(yōu)勢，不受規(guī)則、結(jié)構(gòu)等限制，可自動理解、總結(jié)各類情況報告，因此效率更高。

11、②業(yè)務(wù)處理的優(yōu)化方法新穎，在保障業(yè)務(wù)拓展性和系統(tǒng)集成性的同時，利用llm提升突發(fā)事件處置的業(yè)務(wù)處理效率。現(xiàn)有事件管理系統(tǒng)針對特定功能需求采用專用人工智能模型，一個模型智能解決某一類特定問題，對于復(fù)雜系統(tǒng)和多類型的場景需要大量模型，導(dǎo)致集成成本較高，且模型之間很難做到邏輯打通和上下文關(guān)聯(lián)。本發(fā)明采用langchain框架打通業(yè)務(wù)邏輯，可快速構(gòu)建和擴展系統(tǒng)功能，從而降低系統(tǒng)集成成本，同時采用的llm為通用智能模型對于業(yè)務(wù)理解采用統(tǒng)一模型進行調(diào)度，方便存儲業(yè)務(wù)上下文內(nèi)容，有利于理解事件脈絡(luò)和事件主體的關(guān)系，業(yè)務(wù)處理方面效率更高。

12、本發(fā)明在兩方面具有創(chuàng)造性，①在領(lǐng)域應(yīng)用的提升方面，創(chuàng)造性地將llm應(yīng)用于指揮作戰(zhàn)領(lǐng)域，解決指揮人員的突發(fā)事件處置業(yè)務(wù)痛點問題，為llm這種新興技術(shù)的應(yīng)用和普及提供了前沿性探索；②在先進技術(shù)的應(yīng)用方面，提出海量數(shù)據(jù)引接融合、多文本摘要提取、基于思維鏈的處置方案推理、基于圖譜記憶的工作流構(gòu)建等創(chuàng)新方法實現(xiàn)事件處置過程自動化、智能化改造，為突發(fā)事件管理系統(tǒng)提升工作效率。

13、本發(fā)明利用目前主流的langchain框架針對指揮作戰(zhàn)突發(fā)事件處置業(yè)務(wù)進行優(yōu)化，支持對接各類llm，支持私有化部署可投入實際運用，能夠靈活構(gòu)建業(yè)務(wù)流程快速形成基于llm的領(lǐng)域應(yīng)用，利用llm的泛化、遷移學(xué)習能力支持低成本進行業(yè)務(wù)拓展。相對傳統(tǒng)基于規(guī)則和概率的機器學(xué)習方法，本方法在語義理解、內(nèi)容生成、邏輯推理方面準確性和可用性更高，能夠在實際運用中提升指揮人員對海量信息的處理速度，快速掌握戰(zhàn)場態(tài)勢。能夠構(gòu)建作戰(zhàn)指揮知識庫為指揮人員提供合理的處置方案和建議，實現(xiàn)作戰(zhàn)文書生成和派發(fā)提升組織協(xié)調(diào)效率。