CN117472478B - 自动化流程生成方法及相关装置和***、设备和存储介质 - Google Patents
自动化流程生成方法及相关装置和***、设备和存储介质 Download PDFInfo
- Publication number
- CN117472478B CN117472478B CN202311775435.9A CN202311775435A CN117472478B CN 117472478 B CN117472478 B CN 117472478B CN 202311775435 A CN202311775435 A CN 202311775435A CN 117472478 B CN117472478 B CN 117472478B
- Authority
- CN
- China
- Prior art keywords
- flow
- agent
- result
- subtasks
- subtask
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 316
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 225
- 238000012512 characterization method Methods 0.000 claims abstract description 32
- 238000012795 verification Methods 0.000 claims description 129
- 230000006870 function Effects 0.000 claims description 98
- 238000004458 analytical method Methods 0.000 claims description 38
- 230000004044 response Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 14
- 238000011112 process operation Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 230000002787 reinforcement Effects 0.000 claims description 6
- 230000001172 regenerating effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 239000003795 chemical substances by application Substances 0.000 description 405
- 238000010586 diagram Methods 0.000 description 21
- 230000002452 interceptive effect Effects 0.000 description 16
- 230000001960 triggered effect Effects 0.000 description 6
- 235000002198 Annona diversifolia Nutrition 0.000 description 5
- 241000282842 Lama glama Species 0.000 description 5
- 230000009471 action Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000010365 information processing Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004801 process automation Methods 0.000 description 3
- 238000009966 trimming Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
- G06F9/4482—Procedural
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了一种自动化流程生成方法及相关装置和***、设备和存储介质，其中，自动化流程生成方法包括：获取目标任务的任务描述文本；基于任务描述文本，得到构成目标任务的若干子任务；对于各个子任务：生成子任务的实现流程，并运行子任务的实现流程，得到运行结果，响应于实现流程运行成功，校验运行结果，得到表征运行结果是否符合预期的校验结果，以及基于校验结果，得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否对下一子任务继续执行生成子任务的实现流程的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。上述方案，能够提高自动化流程的生成效率和质量。
Description
技术领域
本申请涉及人工智能技术领域，特别是涉及一种自动化流程生成方法及相关装置和***、设备和存储介质。
背景技术
得益于机器人流程自动化（Robotic Process Automation，RPA）能够模仿用户的手动操作方式，实现用户手动操作流程的自动化，其已经在各行各业得到广泛应用。
现有技术中，通常需要用户手动编排流程，进而创建自动化应用程序，以实现机器人流程自动化。但是人工编排需要耗费大量人力，且受限于用户编排经验，其质量也难以得到保证。有鉴于此，如何提高自动化流程的生成效率和质量，成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种自动化流程生成方法及相关装置和***、设备和存储介质，能够提高自动化流程的生成效率和质量。
为了解决上述技术问题，本申请第一方面提供了一种自动化流程生成方法，包括：获取目标任务的任务描述文本；基于任务描述文本，得到构成目标任务的若干子任务；对于各个子任务：生成子任务的实现流程，并运行子任务的实现流程，得到运行结果，响应于实现流程运行成功，校验运行结果，得到表征运行结果是否符合预期的校验结果，以及基于校验结果，得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否对下一子任务继续执行生成子任务的实现流程的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
为了解决上述技术问题，本申请第二方面提供了一种自动化流程生成方法，包括：获取目标任务的任务描述文本；基于任务描述文本，得到构成目标任务的若干子任务；发送子任务至流程生成智能体；其中，流程生成智能体生成子任务的实现流程，并发送子任务的实现流程至流程执行智能体，流程执行智能体运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体；接收来自执行校验智能体的校验结果，并基于校验结果得到表征子任务的实现流程是否生成成功的确定结果；基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
为了解决上述技术问题，本申请第三方面提供了一种自动化流程生成方法，包括：接收来自协同枢纽智能体的子任务；其中，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成目标任务的若干子任务，以发送子任务至流程生成智能体；生成子任务的实现流程，并发送子任务的实现流程至流程执行智能体；其中，流程执行智能体运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体，协同枢纽智能体基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
为了解决上述技术问题，本申请第四方面提供了一种自动化流程生成方法，包括：接收来自流程生成智能体的子任务的实现流程；其中，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成目标任务的若干子任务，以发送子任务至流程生成智能体，流程生成智能体生成子任务的实现流程，并发送子任务的实现流程至流程执行智能体；运行子任务的实现流程得到运行结果；响应于实现流程运行成功，发送运行结果至执行校验智能体；其中，执行校验智能体校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体，协同枢纽智能体基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
为了解决上述技术问题，本申请第五方面提供了一种自动化流程生成方法，包括：接收来自流程执行智能体的运行结果；其中，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成目标任务的若干子任务，以发送子任务至流程生成智能体，流程生成智能体生成子任务的实现流程，并发送子任务的实现流程至流程执行智能体，流程执行智能体运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体；校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体；其中，协同枢纽智能体基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
为了解决上述技术问题，本申请第六方面提供了一种自动化流程生成方法，包括：协同枢纽智能体获取目标任务的任务描述文本，并基于任务描述文本，得到构成目标任务的若干子任务，以及发送子任务至流程生成智能体；流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，及发送子任务的实现流程至流程执行智能体；流程执行智能体接收来自流程生成智能体的子任务的实现流程，并运行子任务的实现流程得到运行结果，以及响应于实现流程运行成功，发送运行结果至执行校验智能体；执行校验智能体接收来自流程执行智能体的运行结果，并体校验运行结果，得到表征运行结果是否符合预期的校验结果，以及发送校验结果至协同枢纽智能体；协同枢纽智能体接收来自执行校验智能体的校验结果，并基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，以及基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
为了解决上述技术问题，本申请第七方面提供了一种电子设备，包括相互耦接的存储器和处理器，存储器中存储有程序指令，处理器用于执行程序指令以实现上述第一方面至第五方面中的自动化流程生成方法。
为了解决上述技术问题，本申请第八方面提供了一种自动化流程生成***，包括彼此之间通信连接的协同枢纽智能体、流程生成智能体、流程执行智能体和执行校验智能体，且协同枢纽智能体用于执行上述第一方面的自动化流程生成方法，流程生成智能体用于执行上述第二方面的自动化流程生成方法，流程执行智能体用于执行上述第三方面的自动化流程生成方法，执行校验智能体用于执行上述第四方面的自动化流程生成方法。
为了解决上述技术问题，本申请第九方面提供了一种计算机可读存储介质，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面至第五方面的自动化流程生成方法。
上述方案，获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，生成子任务的实现流程，并运行子任务的实现流程得到运行结果，当实现流程运行成功时，校验运行结果，得到表征运行结果是否符合预期的校验结果，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否对下一子任务继续执行生成子任务的实现流程的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程，因此基于关于目标任务的任务描述文本即可触发实现目标任务的流程自动化生成，并基于运行结果和确定结果判断实现流程的生成质量，故能提高自动化流程的生成效率和质量。
附图说明
图1是本申请自动化流程生成方法一实施例的流程示意图；
图2是本申请自动化流程生成方法一实施例的流程示意图；
图3是本申请自动化流程生成方法一实施例的流程示意图；
图4是本申请自动化流程生成方法一实施例的流程示意图；
图5是本申请自动化流程生成方法一实施例的流程示意图；
图6是本申请自动化流程生成方法一实施例的流程示意图；
图7是本申请自动化流程生成装置一实施例的框架示意图；
图8是本申请自动化流程生成装置一实施例的框架示意图；
图9是本申请自动化流程生成装置一实施例的框架示意图；
图10是本申请自动化流程生成装置一实施例的框架示意图；
图11是本申请自动化流程生成装置一实施例的框架示意图；
图12是本申请自动化流程生成装置一实施例的框架示意图；
图13是本申请电子设备一实施例的框架示意图；
图14是本申请自动化流程生成***一实施例的框架示意图；
图15是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面结合说明书附图，对本申请实施例的方案进行详细说明。
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、接口、技术之类的具体细节，以便透彻理解本申请。
本文中术语“***”和“网络”在本文中常被互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中片段“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
请参阅图1，图1是本申请自动化流程生成方法一实施例的流程示意图。具体而言，可以包括如下步骤：
步骤S11：获取目标任务的任务描述文本。
本公开实施例中，任务描述文本以自然语言描述目标任务，自然语言可以通过用户输入得到，示例性地，任务描述文本为“我想在A平台网购一双黑色篮球鞋”，或者为“使用B软件观看纪录片C”，在此不再一一举例。
步骤S12：基于任务描述文本，得到构成目标任务的若干子任务。
在一个实施场景中，基于任务描述文本的语义以及目标任务的实现逻辑进行分解，得到若干子任务，例如，任务描述文本为“我想在A平台网购一双黑色篮球鞋”，将目标任务依序分解为子任务1“打开浏览器”、子任务2“定位输入框”、子任务3“输入A平台网址”、子任务4“定位检索框”、子任务5“输入‘黑色篮球鞋’”和子任务6“点击搜索按钮”，以得到构成目标任务的若干子任务。上述方法，基于分治的处理逻辑将目标任务分解为尽可能合理的若干子任务，提高自动化流程生成的效率。
步骤S13：对于各个子任务：生成子任务的实现流程，并运行子任务的实现流程，得到运行结果，响应于实现流程运行成功，校验运行结果，得到表征运行结果是否符合预期的校验结果，以及基于校验结果，得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否对下一子任务继续执行生成子任务的实现流程的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
在一个实施场景中，基于流程库中各个功能函数的说明文档，选择与子任务匹配的功能函数作为目标函数，调用目标函数，以生成子任务的实现流程。上述方法，基于功能函数的说明文档调用目标函数，提高实现流程生成的效率以及生成质量。
在一个具体的实施场景中，功能函数的说明文档由开发者编撰，基于说明文档进行函数调用时，可以向函数传递参数，这些参数将作为函数的输入，在函数体内被使用，函数执行完后，可以返回一个结果，通过函数的调用，实现流程的复用。
在一个具体的实施场景中，开发者可以修改调整关于功能函数的说明文档，示例性的，修改函数名称，使用语言清晰、准确表达的自然语言文本，并避免函数名称产生歧义，不同功能的功能函数的名称之间存在一定的差异。
在一个实施场景中，运行子任务的实现流程，得到运行结果，运行结果包括表征运行失败的运行结果和表征运行成功的运行结果中的一者。
在一个具体的实施场景中，当实现流程运行异常时导致运行结果表征实现流程运行失败时，基于运行结果中任务的实现流程运行失败的报错信息重新生成子任务的实现流程，示例性地，报错信息包括但不限于：违反编程语言的语法规则、空指针异常、类型转换异常等，在此不再一一举例，结合报错信息，重新生成子任务的实现流程。
在另一个具体的实施场景中，当子任务的实现流程基于流程库中各个功能函数的说明文档选择并调用功能函数而生成，且所生成的实现流程运行失败时，基于报错信息修正流程库中功能函数的说明文档，示例性地，报错信息包括但不限于：违反编程语言的语法规则、空指针异常、类型转换异常等，在此不再一一举例，结合报错信息修正流程库中功能函数的说明文档，降低后续功能函数调用的出错率，提高自动化流程的生成效率和质量。
在一个实施场景中，当运行结果表征实现流程运行成功时，校验运行结果，得到表征运行结果是否符合预期的校验结果，基于校验结果，得到表征子任务的实现流程是否生成成功的确定结果，确定结果表征生成成功的确定结果和表征生成失败的确定结果中的一者，示例性的，当子任务的实现流程不可用于解决子任务时，确定结果表征生成失败，当子任务的实现流程可用于解决子任务时，确定结果表征生成成功。
在一个实施场景中，检测确定结果表征生成成功或生成失败，基于确定结果选择是否对下一子任务继续执行生成子任务的实现流程的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
在一个具体的实施场景中，当校验结果表征运行结果符合预期时，获取表征子任务的实现流程生成成功的确定结果，当校验结果表征运行结果不符合预期时，获取表征子任务的实现流程生成失败的确定结果。
在一个具体的实施场景中，当确定结果表征生成成功时，对下一子任务继续执行生成所述子任务的实现流程的步骤。当确定结果表征生成失败时，获取表征目标任务分解为若干子任务是否合理的分析结果，并基于分析结果，返回基于任务描述文本，得到构成目标任务的若干子任务的步骤。
在一个具体的实施场景中，当分析结果表征目标任务分解为若干子任务合理，基于任务描述文本无法重新生成质量更好的若干子任务，可以获取目标对象对目标任务进行分解的意见描述文本，示例性的，目标对象为人类管理者，意见描述文本为自然语言文本，结合意见描述文本，返回基于任务描述文本，得到构成目标任务的若干子任务的步骤，重新生成新的若干子任务。上述方法，基于人类管理者的意见描述文本为子任务的重新获取提供辅助信息，提高子任务的生成质量。
在另一个具体的实施场景中，当分析结果表征目标任务分解为若干子任务不合理时，基于任务描述文本即可重新生成质量更好的若干子任务，返回基于任务描述文本，得到构成目标任务的若干子任务的步骤，重新生成新的质量更好的若干子任务。
上述方案，获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，生成子任务的实现流程，并运行子任务的实现流程得到运行结果，当实现流程运行成功时，校验运行结果，得到表征运行结果是否符合预期的校验结果，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否对下一子任务继续执行生成子任务的实现流程的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程，因此基于关于目标任务的任务描述文本即可触发实现目标任务的流程自动化生成，并基于运行结果和确定结果判断实现流程的生成质量，故能提高自动化流程的生成效率和质量。
请参阅图2，图2是本申请自动化流程生成方法一实施例的流程示意图。需要说明的是，本公开实施例主要对与前述公开实施例的不同之处进行说明，与前述公开实施例的相同或相似之处，可以参阅前述公开实施例中相关描述，在此不再赘述。具体而言，本公开实施例以协同枢纽智能体为执行主体，可以包括如下步骤：
步骤S21：获取目标任务的任务描述文本。
在一个实施场景中，协同枢纽智能体获取用户输入的关于目标任务的任务描述文本，智能体（Agent）是驻留于环境中的实体，它可以解释从环境中获得的反映环境中所发生事件的数据，并执行对环境产生影响的行动，需要说明的是，本申请中所涉及的各个智能体既可以是硬件，也可以是软件，具体原理可以参阅智能体的技术细节，在此不再赘述。
步骤S22：基于任务描述文本，得到构成目标任务的若干子任务。
在一个实施场景中，协同枢纽智能体基于任务描述文本的语义以及目标任务的实现逻辑进行分解，得到若干子任务，例如，任务描述文本为“我想在A平台网购一双黑色篮球鞋”，将目标任务依序分解为子任务1“打开浏览器”、子任务2“定位输入框”、子任务3“输入A平台网址”、子任务4“定位检索框”、子任务5“输入‘黑色篮球鞋’”和子任务6“点击搜索按钮”，以得到构成目标任务的若干子任务。上述方法，基于分治的处理逻辑将目标任务分解为尽可能合理的若干子任务，实现多智能体的交互和目标任务的执行，提高自动化流程生成的效率。
在一个具体的实施场景中，协同枢纽智能体含有第一大模型，第一大模型为大语言模型，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，融合了各种语言知识和语言规律的人工智能模型。大语言模型可以处理多种自然语言任务，具备对自然语言进行理解、生成和处理的能力。基于第一大模型对任务描述文本进行任务分解，得到构成目标任务的若干子任务。上述方法，使用第一大模型对任务描述文本进行分解，得到若干子任务，提高目标任务分解的合理性，尽可能的提高自动化流程生成的质量。
需要说明的是，第一大模型可以包括但不限于：LLAMA、Bloom等开源大模型，在此对第一大模型的网络架构不做限定。
在一个具体的实施场景中，第一大模型基于预设大模型进行参数微调得到，示例性的，参数微调的微调方式可以包括但不限于：LORA、PT、SSF等，在此对参数微调的具体方式不做限定。以采用LORA进行参数微调为例，其在预设大模型的输入输出之间加入一类似于编码器－解码器架构的网络结构，且该网络结构仅具有少量参数，以与预设大模型的原路径并列执行，通过参数微调能够实现仅调整少量参数即可将特征分布迁移至期望分布，具体原理可以参阅上述任一参数微调的技术细节，在此不再赘述。
在一个具体的实施场景中，第一大模型预先基于人类反馈强化学习（RLHF）进行参数微调，人类管理者通过提供额外的奖励和惩罚信号，或者训练奖励模型所需的数据为第一大模型的参数调整提供帮助，使得进行参数微调后的第一大模型可以稳定地根据目标任务生成合理且详细的子任务，具体原理可以参阅人类反馈强化学习的技术细节，在此不再赘述。具体可以参阅下述公式：
公式（1）中，表示分解后的子任务，/>表示第一大模型，/>表示第一大模型的参数，/>表示任务描述文本。公式（1）表征第一大模型基于任务描述文本分解得到若干子任务，引入人类反馈强化学习对第一大模型进行参数微调，具体可以参阅下述公式：
公式（2）中，表示分解后的子任务，/>表示第一大模型，/>表示第一大模型的参数，/>表示任务描述文本，/>表示人工反馈信号。公式（2）表征引入人工反馈信号对第一大模型进行参数微调后的第一大模型基于任务描述文本分解得到若干子任务，参数微调后的第一大模型具体可以参阅下述公式：
公式（3）中，表示第一大模型，/>表示第一大模型的参数，/>表示任务描述文本，/>表示人工反馈信号，/>表示最小参数微调损失。公式（3）表征参数微调后的第一大模型。
在一个具体的实施场景中，基于目标任务的任务描述文本的前后对话文本，为子任务的获取提供辅助信息，具体可以参阅下述公式：
公式（4）中，表示分解后的子任务，/>表示第一大模型，/>表示第一大模型的参数，/>表示任务描述文本，/>表示前后对话文本。公式（4）表征第一大模型基于任务描述文本和前后对话文本分解得到若干子任务，前后对话文本为第一大模型对目标任务的逻辑理解提供辅助信息，提高子任务的生成质量。
在一个具体的实施场景中，训练奖励模型为第一大模型的参数微调提供帮助，示例性的，奖励模型的模型类型可以包括但不限于：LLAMA、Bloom等开源大模型，在此对奖励模型的网络架构不做限定。获取样本数据集，样本数据集中的样本数据为样本任务的样本描述文本，基于样本描述文本生成有若干包含有若干样本子任务的子任务集合，人工评估人员基于人类偏好对各个子任务集合的质量进行质量评分，并分别将各个子任务集合和对应的质量评分标注在样本描述文本中，示例性的，评分越高表征对应的子任务集合越符合人类偏好，相应的，评分越低表征对应的子任务集合越不符合人类偏好，基于奖励模型对样本数据集中的各个样本描述文本的各个子任务集合进行预测打分，基于预测打分和标注的质量评分之间的差异，调整奖励模型的模型参数，直至奖励模型满足第一预设条件为止，以得到用于人类反馈强化学习的奖励模型。需要说明的是，上述差异可以采用诸如交叉熵等损失函数进行度量。上述方法，奖励模型为第一大模型的参数微调提供帮助，并基于样本数据集对奖励模型进行参数调整，尽可能提高奖励模型的评测质量，为第一大模型进行参数微调提供尽可能有效的辅助信息，故能提高自动化流程生成的生成质量。
在一个具体的实施场景中，第一预设条件可以包括但不限于：训练次数不低于次数阈值、训练损失低于损失阈值等，在此不做限定。
在一个具体的实施场景中，奖励模型为第一大模型的子模型，第一大模型调整生成偏置以及生成权重，样本数据集基于第一大模型生成若干包含有若干样本子任务的子任务集合，人工评估人员基于人类偏好对各个子任务集合的质量进行质量评分，并分别将各个子任务集合和对应的质量评分标注在样本描述文本中。上述方法，基于第一大模型对样本描述文本进行若干子任务集合的生成，尽可能提高奖励模型为第一大模型进行参数微调的辅助信息的质量，故能提高自动化流程生成的生成质量。
步骤S23：发送子任务至流程生成智能体。
在一个实施场景中，协同枢纽智能体发送子任务为单线程任务发送状态，即基于若干子任务的先后顺序，依次发送各个子任务，且仅当当前子任务成功生成实现流程后，发送下一子任务至生成智能体，例如，协同枢纽智能体将目标任务依序分解为子任务1、子任务2、子任务3、子任务4、子任务5和子任务6，以得到构成目标任务的若干子任务，根据目标任务的实现逻辑，首先将子任务1发送至流程生成智能体，并在协同枢纽智能体确定子任务1成功生成实现流程后，发送子任务2至流程生成智能体，以此类推，在此不再一一举例。
在另一个实施场景中，协同枢纽智能体发送子任务为多线程任务发送状态，可以理解的，其他智能体同样基于多线程处理子任务数据，即多个子任务分别在不同的线程中进行数据处理，例如，协同枢纽智能体将目标任务依序分解为子任务1、子任务2、子任务3、子任务4、子任务5和子任务6，智能解析任务体具有线程A1、线程A2和线程A3，流程生成智能体具有线程B1、线程B2和线程B3，使用线程A1发送子任务1至线程B1，使用线程A2发送子任务2至线程B2，使用线程A3发送子任务3至线程B3，以此类推，在此不再一一举例。
在一个具体的实施场景中，在协同枢纽智能体发送子任务为多线程任务发送状态时，对基于目标任务分解顺序得到的各个子任务标注生成序号，各个子任务对应生成的实现流程标注有与子任务一致的生成序号，基于各个子任务生成的实现流程和生成序号进行拼接组合，以得到用于自动执行目标任务的实现流程。
在一个实施场景中，协同枢纽智能体将子任务发送至流程生成智能体之后，流程生成智能体生成子任务的实现流程，并发送实现流程至流程执行智能体，流程执行智能体运行子任务的实现流程得到运行结果，并在实现流程运行成功的情况下，发送运行结果至执行校验智能体，执行校验智能体用于校验运行结果与目标任务是否符合预期，将表征运行结果是否符合预期的校验结果发送至协同枢纽智能体，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程生成的通用性以及生成质量。
步骤S24：接收来自执行校验智能体的校验结果，并基于校验结果得到表征子任务的实现流程是否生成成功的确定结果。
在一个实施场景中，执行校验智能体的校验结果包括表征运行结果符合预期的第一校验结果和表征运行结果不符合预期的第二校验结果，造成运行结果不符合预期的原因包括但不限于函数调用错误、子任务语义理解错误等。基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，当校验结果为第一校验结果时，确定结果表征生成成功，当校验结果为第二校验结果时，确定结果表征生成失败。
在一个具体的实施场景中，当校验结果表征运行结果符合预期时，获取表征子任务的实现流程生成成功的确定结果。
在另一个具体的实施场景中，当校验结果保证运行结果不符合预期时，获取表征子任务的实现流程生成失败的确定结果。
步骤S25：基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
在一个实施场景中，检测确定结果表征是否生成成功，当确定结果表征子任务的实现流程生成成功时，返回发送子任务至流程生成智能体的步骤，并发送下一子任务执行后续的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
在另一个实施场景中，检测确定结果表征是否生成成功，当确定结果表征子任务的实现流程生成失败时，获取表征目标任务分解为若干子任务是否合理的分析结果，并基于分析结果，返回基于任务描述文本，得到构成目标任务的若干子任务的步骤，重新分解得到若干新的子任务，并执行后续步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
在一个具体的实施场景中，当分析结果表征目标任务分解为若干子任务合理，第一大模型无法基于自身的网络结构生成质量更好的若干子任务，获取目标对象对目标任务进行分解的意见描述文本，示例性的，目标对象为人类管理者，意见描述文本为自然语言文本，第一大模型结合意见描述文本，返回基于任务描述文本，得到构成目标任务的若干子任务的步骤，重新生成新的若干子任务。上述方法，基于人类管理者的意见描述文本为第一大模型进行子任务的重新获取提供辅助信息，提高子任务的生成质量。
在另一个具体的实施场景中，当分析结果表征目标任务分解为若干子任务不合理时，返回基于任务描述文本，得到构成目标任务的若干子任务的步骤，重新生成新的质量更好的若干子任务。
需要说明的是，获取分析结果的方法在本申请中不做限定，例如构建任务分析模型，基于任务分析模型得到表征若干子任务是否合理的分析结果，任务分析模型的网络结果不做限定，可以包括但不限于：LLAMA、Bloom等开源大模型。
需要说明的是，如前所述，协同枢纽智能体不仅负责理解任务描述文本，还负责将目标任务拆解为尽可能合理的若干子任务，以分治思想解决问题，协同枢纽智能体还负责基于执行校验智能体所反馈的校验结果、目标对象的意见描述文本等优化子任务。由此可见，其在自动化流程生成的整个链路中起到关键枢纽作用，故称之为协同枢纽智能体。
上述方案，协同枢纽智能体获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体，流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体，流程执行智能体接收来自流程生成智能体的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体接收来自流程执行智能体的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程的生成效率和质量。
请参阅图3，图3是本申请自动化流程生成方法一实施例的流程示意图。需要说明的是，本公开实施例主要对与前述公开实施例的不同之处进行说明，与前述公开实施例的相同或相似之处，可以参阅前述公开实施例中相关描述，在此不再赘述。具体而言，本公开实施例以程序生成智能体为执行主体，可以包括如下步骤：
步骤S31：接收来自协同枢纽智能体的子任务。
在一个实施场景中，程序生成智能体接收来自协同枢纽智能体的子任务，智能体（Agent）是驻留于环境中的实体，它可以解释从环境中获得的反映环境中所发生事件的数据，并执行对环境产生影响的行动，需要说明的是，本申请中所涉及的各个智能体既可以是硬件，也可以是软件，具体原理可以参阅智能体的技术细节，在此不再赘述。
在一个实施场景中，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成目标任务的若干子任务，以发送子任务至流程生成智能体，协同枢纽智能体生成并发送子任务可以参阅上述实施例中的详细阐述，为了简洁，在此不再赘述。
步骤S32：生成所述子任务的实现流程，并发送所述子任务的实现流程至流程执行智能体。
在一个实施场景中，基于API（Application Programming Interface，应用程序编程接口）说明文档，生成子任务的实现流程，每个API说明文档包括：API名称、参数列表、API描述等（如下表1所示），API名称提供了API的摘要，有助于将任务链接到此API，以调用目标函数，API的参数列表包括输入参数和返回值，每个参数都有参数名称、参数描述、数据类型和默认值，API描述包含更多有关API的功能、工作方式、输入和输出以及可能出现的错误或异常的信息，在一些场景下，为复杂的应用程序接口提供使用示例，用于演示如何使用该应用程序接口，或者提供组合说明，用于指导模型如何结合多个API来完成复杂的用户指令。
表1
在一个具体的实施场景中，基于流程库中各个功能函数的说明文档，选择与子任务匹配的功能函数作为目标函数，调用目标函数以生成子任务的实现流程。上述方法，基于功能函数的说明文档调用目标函数，提高实现流程生成的效率以及生成质量。
在一个具体的实施场景中，功能函数的说明文档由开发者编撰，基于说明文档进行函数调用时，可以向函数传递参数，这些参数将作为函数的输入，在函数体内被使用，函数执行完后，可以返回一个结果，通过函数的调用，实现函数的复用。
在一个具体的实施场景中，开发者可以修改调整关于功能函数的说明文档，示例性的，修改函数名称，使用语言清晰、准确表达的自然语言文本，并避免函数名称产生歧义，不同功能的功能函数的名称之间存在一定的差异。
在另一个具体的实施场景中，流程生成智能体含有第二大模型，第二大模型可以包括但不限于：LLAMA、Bloom等开源大模型，在此对第二大模型的网络架构不做限定。基于第二大模型处理功能函数的实现流程，生成得到功能函数的说明文档。上述方法，使用第二大模型生成功能函数的说明文档，在尽可能保证说明文档的生成质量的前提下，提高说明文档的生成效率。
在一个实施场景中，在发送子任务的实现流程至流程执行智能体之后，流程执行智能体运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体，协同枢纽智能体基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
在一个具体的实施场景中，在发送子任务的实现流程至流程执行智能体之后，接收流程执行智能体响应于实现流程运行失败而发送的运行结果，并且运行结果中包含子任务的实现流程运行失败的报错信息，结合报错信息，返回生成子任务的实现流程的步骤，基于报错信息重新生成子任务的实现流程。示例性的，报错信息包括但不限于：违反编程语言的语法规则、空指针异常、类型转换异常等，在此不再一一举例。
上述方案，协同枢纽智能体获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体，流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体，流程执行智能体接收来自流程生成智能体的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体接收来自流程执行智能体的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程生成的通用性以及生成质量。
请参阅图4，图4是本申请自动化流程生成方法一实施例的流程示意图。需要说明的是，本公开实施例主要对与前述公开实施例的不同之处进行说明，与前述公开实施例的相同或相似之处，可以参阅前述公开实施例中相关描述，在此不再赘述。具体而言，本公开实施例以流程执行智能体为执行主体，可以包括如下步骤：
步骤S41：接收来自流程生成智能体的子任务的实现流程。
在一个实施场景中，流程执行智能体接收来自流程生成智能体的实现流程，智能体（Agent）是驻留于环境中的实体，它可以解释从环境中获得的反映环境中所发生事件的数据，并执行对环境产生影响的行动，需要说明的是，本申请中所涉及的各个智能体既可以是硬件，也可以是软件，具体原理可以参阅智能体的技术细节，在此不再赘述。
在一个实施场景中，流程执行智能体在接收来自流程生成智能体的子任务的实现流程之前，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成目标任务的若干子任务，以发送子任务至流程生成智能体，流程生成智能体生成子任务的实现流程，并发送子任务的实现流程至流程执行智能体。具体可以参阅前述公开实施例中的详细阐述，为了简洁，在此不再赘述。
步骤S42：运行子任务的实现流程得到运行结果。
在一个实施场景中，流程执行智能体执行子任务的实现流程得到运行结果，运行结果包括表征运行成功的第一运行结果和表征运行失败的第二运行结果。实现流程的生成具体可以参阅前述公开实施例中的详细阐述，为了简洁，在此不再赘述。
步骤S43：响应于实现流程运行成功，发送运行结果至执行校验智能体。
在一个实施场景中，当实现流程运行成功后，发送运行结果至执行校验智能体，执行校验智能体校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体，协同枢纽智能体基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
在另一个实施场景中，当实现流程运行失败时，流程执行智能体发送运行结果至流程生成智能体，并且运行结果中包含子任务的实现流程运行失败的报错信息，示例性的，报错信息包括但不限于：违反编程语言的语法规则、空指针异常、类型转换异常等，在此不再一一举例。流程生成智能体结合报错信息，重新生成子任务的实现流程。
在一个实施场景中，当实现流程运行失败时，发送运行结果至文档修正智能体，并且运行结果包含子任务的实现流程运行失败的报错信息，示例性的，报错信息包括但不限于：违反编程语言的语法规则、空指针异常、类型转换异常等，在此不再一一举例。子任务的实现流程由流程生成智能体基于流程库中功能函数的说明文档而选择并调用功能函数而生成，文档修正智能体基于报错信息修正说明文档。
在一个具体的实施场景中，当文档修正智能体中的报错信息满足第二预设条件时，基于报错信息修正说明文档。示例性的，第二预设条件包括但不限于报错信息的数量不小于预设数量、同一报错信息的出现频次不小于预设频次等，在此不再一一举例。
在一个具体的实施场景中，基于报错信息判断功能函数的说明文档的质量，示例性的，基于评测模型对各个功能函数的说明文档进行评测打分，或者基于人工结合报错信息对各个功能函数的说明文档进行评测打分，同一功能函数的报错信息越多，表征对应说明文档的质量越低，相反的，同一功能函数的报错信息越少，表征对应说明文档的质量越好。需要说明的是，评测模型的模型类型在本申请中不做限定，可以包括但不限于：LLAMA、Bloom等开源大模型，在此对评测模型的网络架构不做限定。
在一个具体的实施场景中，开发者接入文档修正智能体以获取报错信息，对报错信息进行汇总，以供开发者调整功能函数的说明文档。
上述方案，协同枢纽智能体获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体，流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体，流程执行智能体接收来自流程生成智能体的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体接收来自流程执行智能体的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程的生成效率和质量。
请参阅图5，图5是本申请自动化流程生成方法一实施例的流程示意图。需要说明的是，本公开实施例主要对与前述公开实施例的不同之处进行说明，与前述公开实施例的相同或相似之处，可以参阅前述公开实施例中相关描述，在此不再赘述。具体而言，本公开实施例以执行校验智能体为执行主体，可以包括如下步骤：
步骤S51：接收来自流程执行智能体的运行结果。
在一个实施场景中，执行校验智能体接收来自流程执行智能体的运行结果，智能体（Agent）是驻留于环境中的实体，它可以解释从环境中获得的反映环境中所发生事件的数据，并执行对环境产生影响的行动，需要说明的是，本申请中所涉及的各个智能体既可以是硬件，也可以是软件，具体原理可以参阅智能体的技术细节，在此不再赘述。
在一个实施场景中，执行校验智能体接收来自流程执行智能体的运行结果之前，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成目标任务的若干子任务，以发送子任务至流程生成智能体，流程生成智能体生成子任务的实现流程，并发送子任务的实现流程至流程执行智能体，流程执行智能体运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体。具体可以参阅前述公开实施例中的详细阐述，为了简洁，在此不再赘述。
步骤S52：校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体。
在一个实施场景中，校验结果包括表征运行结果符合预期的第一校验结果和征运行结果不符合预期的第二校验结果。实现流程运行成功但不符合预期的原因包括但不限于目标函数与子任务不匹配、子任务语义不清晰等，在此不再一一举例。
在一个实施场景中，发送校验结果至协同枢纽智能体之后，协同枢纽智能体基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。具体可以参阅前述公开实施例中的详细阐述，为了简洁，在此不再赘述。
上述方案，协同枢纽智能体获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体，流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体，流程执行智能体接收来自流程生成智能体的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体接收来自流程执行智能体的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程的生成效率和质量。
请参阅图6，图6是本申请自动化流程生成方法一实施例的流程示意图。具体而言，本公开实施例中的各个智能体设置于同一硬件环境或者同一软件环境中，可以包括如下步骤：
步骤S61：协同枢纽智能体获取目标任务的任务描述文本，并基于任务描述文本，得到构成目标任务的若干子任务，以及发送子任务至流程生成智能体。
具体可以参阅前述公开实施例，在此不再赘述。
步骤S62：流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，及发送子任务的实现流程至流程执行智能体。
具体可以参阅前述公开实施例，在此不再赘述。
步骤S63：流程执行智能体接收来自流程生成智能体的子任务的实现流程，并运行子任务的实现流程得到运行结果，以及响应于实现流程运行成功，发送运行结果至执行校验智能体。
具体可以参阅前述公开实施例，在此不再赘述。
步骤S64：执行校验智能体接收来自流程执行智能体的运行结果，并校验运行结果，得到表征运行结果是否符合预期的校验结果，以及发送校验结果至协同枢纽智能体。
具体可以参阅前述公开实施例，在此不再赘述。
步骤S65：协同枢纽智能体接收来自执行校验智能体的校验结果，并基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，以及基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
具体可以参阅前述公开实施例，在此不再赘述。
本公开实施例中，本申请中所涉及的各个智能体既可以是硬件，也可以是软件，具体原理可以参阅智能体的技术细节，在此不再赘述。
在一个实施场景中，通过多智能体的交互对话实现流程生成，示例性的，向用户显示展示窗口，当协同枢纽智能体获取目标任务的任务描述文本“目标任务”后，将得到的各个子任务“子任务1”“子任务2”“子任务3”“子任务4”“子任务5”“子任务6”显示在展示窗口，并发送子任务至流程生成智能体，例如在展示窗口显示协同枢纽智能体发送“子任务1”至流程生成智能体，流程生成智能体在接收到子任务1后，生成实现流程“代码1”并显示在展示窗口，以及在展示窗口显示流程生成智能体将“代码1”发送至流程执行智能体，流程执行智能体在接收到“代码1”后，在展示窗口显示“代码1”的运行过程，并展示运行结果，当实现流程运行成功时，在展示窗口显示将运行结果发送至执行校验智能体，执行校验智能体接收到运行结果之后，校验运行结果，得到表征运行结果是否符合预期的校验结果，在展示窗口显示校验结果并显示发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自所述执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，在展示页面显示确定结果，以及在展示窗口显示基于确定结果选择是否返回发送所述子任务至流程生成智能体的步骤，直至成功生成各个所述子任务的实现流程为止，以获取用于自动执行所述目标任务的实现流程。上述方法，能够加强用户感知自动化流程的生成过程，以及及时跟进自动化流程的生成。需要说明的是，本申请对各个智能体之间交互展示的形式不做限定，上述具体实施例仅为一种可能的实现方式，在此不再一一赘述。
在一个具体的实施场景中，用户可实时查看展示窗口，并基于展示窗口中显示的相关内容对自动化流程的生成过程进行暂停、修改等人工干预的动作。示例性地，在实现流程生成后，流程生成智能体将实现流程显示在展示窗口，用户基于自身知识、经验等感知实现流程，当用户认为实现流程存在可修改错误时，可基于可视化内容进行修改。可以理解的，上述具体实施例仅仅为一种可能的实现方式，自动化流程生成中的可视化内容均可实现用户的交互参与，在此不再一一赘述。上述方法，将自动化流程生成可视化，便于用户查看，以及实现自动化流程生成与用户之间的交互，在用户具备相关知识、经验的情况下，能够提升自动化流程的生成效率。
上述方案，协同枢纽智能体获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体，流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体，流程执行智能体接收来自流程生成智能体的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体接收来自流程执行智能体的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程的生成效率和质量。
请参阅图7，图7是本申请自动化流程生成装置70一实施例的框架示意图，自动化流程生成装置70包括任务获取模块71、任务拆解模块72和流程生成模块73，任务获取模块71用于获取目标任务的任务描述文本；任务拆解模块72用于基于任务描述文本，得到构成目标任务的若干子任务；流程生成模块73用于对于各个子任务：生成子任务的实现流程，并运行子任务的实现流程，得到运行结果，响应于实现流程运行成功，校验运行结果，得到表征运行结果是否符合预期的校验结果，以及基于校验结果，得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否对下一子任务继续执行生成子任务的实现流程的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
上述方案，自动化流程生成装置70获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，生成子任务的实现流程，并运行子任务的实现流程得到运行结果，当实现流程运行成功时，校验运行结果，得到表征运行结果是否符合预期的校验结果，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否对下一子任务继续执行生成子任务的实现流程的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程，因此基于关于目标任务的任务描述文本即可触发实现目标任务的流程自动化生成，并基于运行结果和确定结果判断实现流程的生成质量，故能提高自动化流程的生成效率和质量。
在一些公开实施例中，任务拆解模块72还包括函数选择模块（未图示），用于基于流程库中各个功能函数的说明文档，选择与子任务匹配的功能函数作为目标函数；调用目标函数，以生成子任务的实现流程。
在一些公开实施例中，自动化流程生成装置70还包括报错操作模块，至少用于响应于实现流程运行失败，基于运行结果中子任务的实现流程运行失败的报错信息，重新生成子任务的实现流程；或者响应于实现流程运行失败，基于运行结果中子任务的实现流程运行失败的报错信息，修正流程库中功能函数的说明文档；其中，子任务的实现流程基于流程库中各个功能函数的说明文档，通过选择并调用功能函数而生成。
在一些公开实施例中，流程生成模块73还包括步骤确定模块（未图示），用于检测确定结果表征生成成功或生成失败；响应于确定结果表征生成成功，对下一子任务继续执行生成子任务的实现流程的步骤；响应于确定结果表征生成失败，获取表征目标任务分解为若干子任务是否合理的分析结果，并基于分析结果，返回基于任务描述文本，得到构成目标任务的若干子任务的步骤。
在一些公开实施例中，步骤确定模块还包括分析确定模块（未图示），用于响应于分析结果表征目标任务分解为若干子任务合理，获取目标对象对目标任务进行分解的意见描述文本，并结合意见描述文本，返回基于任务描述文本，得到构成目标任务的若干子任务的步骤；响应于分析结果表征目标任务分解为若干子任务不合理，返回基于任务描述文本，得到构成目标任务的若干子任务的步骤。
在一些公开实施例中，任务描述文本以自然语言描述目标任务，流程生成模块73还包括确定结果获取模块（未图示），用于响应于校验结果表征运行结果符合预期，获取表征子任务的实现流程生成成功的确定结果；响应于校验结果表征运行结果不符合预期，获取表征子任务的实现流程生成失败的确定结果。
请参阅图8，图8是本申请自动化流程生成装置80一实施例的框架示意图，自动化流程生成装置80包括文本获取模块81、任务分解模块82、第一发送模块83、第一接收模块84和步骤选择模块85，文本获取模块81用于获取目标任务的任务描述文本；任务分解模块82用于基于任务描述文本，得到构成目标任务的若干子任务；第一发送模块83用于发送子任务至流程生成智能体；其中，流程生成智能体生成子任务的实现流程，并发送子任务的实现流程至流程执行智能体，流程执行智能体运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体；第一接收模块84用于接收来自执行校验智能体的校验结果，并基于校验结果得到表征子任务的实现流程是否生成成功的确定结果；步骤选择模块85用于基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
因此，自动化流程生成装置80中的协同枢纽智能体获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体，流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体，流程执行智能体接收来自流程生成智能体的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体接收来自流程执行智能体的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程的生成效率和质量。
在一些公开实施例中，协同枢纽智能体含有第一大模型，任务分解模块82还包括子任务获取模块（未图示），用于基于第一大模型对任务描述文本进行任务分解，得到构成目标任务的若干子任务；其中，第一大模型预先基于人类反馈强化学习进行参数微调。
在一些公开实施例中，步骤选择模块85还包括返回选择模块（未图示），用于检测确定结果表征生成成功或生成失败；响应于确定结果表征生成成功，返回发送子任务至流程生成智能体的步骤；响应于确定结果表征生成失败，获取表征目标任务分解为若干子任务是否合理的分析结果，并基于分析结果，返回基于任务描述文本，得到构成目标任务的若干子任务的步骤。
请参阅图9，图9是本申请自动化流程生成装置90一实施例的框架示意图，自动化流程生成装置90包括第二接收模块91和第二发送模块92，第二接收模块91用于接收来自协同枢纽智能体的子任务；其中，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成目标任务的若干子任务，以发送子任务至流程生成智能体；第二发送模块92用于生成子任务的实现流程，并发送子任务的实现流程至流程执行智能体；其中，流程执行智能体运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体，协同枢纽智能体基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
因此，自动化流程生成装置90中的协同枢纽智能体获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体，流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体，流程执行智能体接收来自流程生成智能体的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体接收来自流程执行智能体的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程的生成效率和质量。
在一些公开实施例中，自动化流程生成装置90还包括第二报错模块（未图示），用于在发送子任务的实现流程至流程执行智能体之后，接收流程执行智能体响应于实现流程运行失败而发送的运行结果；其中，运行结果包含子任务的实现流程运行失败的报错信息；结合报错信息，返回生成子任务的实现流程的步骤。
在一些公开实施例中，第二发送模块92还包括第二生成模块（未图示），用于基于流程库中各个功能函数的说明文档，选择与子任务匹配的功能函数作为目标函数；调用目标函数，以生成子任务的实现流程。
在一些公开实施例中，流程生成智能体含有第二大模型，第二生成模块还包括说明文档生成模块（未图示），用于在基于流程库中各个功能函数的说明文档，选择与子任务匹配的功能函数作为目标函数之前，基于第二大模型处理功能函数的实现流程，生成得到功能函数的说明文档。
请参阅图10，图10是本申请自动化流程生成装置100一实施例的框架示意图，自动化流程生成装置100包括第三接收模块101、代码运行模块102和第三发送模块103，第三接收模块101接收来自流程生成智能体的子任务的实现流程；其中，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成目标任务的若干子任务，以发送子任务至流程生成智能体，流程生成智能体生成子任务的实现流程，并发送子任务的实现流程至流程执行智能体；代码运行模块102运行子任务的实现流程得到运行结果；第三发送模块103响应于实现流程运行成功，发送运行结果至执行校验智能体；其中，执行校验智能体校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体，协同枢纽智能体基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
因此，自动化流程生成装置100中的协同枢纽智能体获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体，流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体，流程执行智能体接收来自流程生成智能体的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体接收来自流程执行智能体的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程的生成效率和质量。
在一些公开实施例中，自动化流程生成装置100还包括第二报错模块，用于响应于实现流程运行失败，发送运行结果至流程生成智能体；其中，运行结果包含子任务的实现流程运行失败的报错信息，流程生成智能体结合报错信息，重新生成子任务的实现流程。
在一些公开实施例中，自动化流程生成装置100还包括第三报错模块，用于响应于实现流程运行失败，发送运行结果至文档修正智能体；其中，运行结果包含子任务的实现流程运行失败的报错信息，子任务的实现流程由流程生成智能体基于流程库中功能函数的说明文档而选择并调用功能函数而生成，文档修正智能体基于报错信息修正说明文档。
请参阅图11，图11是本申请自动化流程生成装置110一实施例的框架示意图，自动化流程生成装置110包括第四接收模块111和第四发送模块112，第四接收模块111用于接收来自流程执行智能体的运行结果；其中，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成目标任务的若干子任务，以发送子任务至流程生成智能体，流程生成智能体生成子任务的实现流程，并发送子任务的实现流程至流程执行智能体，流程执行智能体运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体；第四发送模块112用于校验运行结果，得到表征运行结果是否符合预期的校验结果，并发送校验结果至协同枢纽智能体；其中，协同枢纽智能体基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
因此，自动化流程生成装置110中的协同枢纽智能体获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体，流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体，流程执行智能体接收来自流程生成智能体的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体接收来自流程执行智能体的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程的生成效率和质量。
请参阅图12，图12是本申请自动化流程生成装置120一实施例的框架示意图，自动化流程生成装置120包括任务解析模块121、流程生成模块122、流程执行模块123、流程校验模块124和循环生成模块125，任务解析模块121中的协同枢纽智能体获取目标任务的任务描述文本，并基于任务描述文本，得到构成目标任务的若干子任务，以及发送子任务至流程生成智能体；流程生成模块122中的流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，及发送子任务的实现流程至流程执行智能体；流程执行模块123中的流程执行智能体接收来自流程生成智能体的子任务的实现流程，并运行子任务的实现流程得到运行结果，以及响应于实现流程运行成功，发送运行结果至执行校验智能体；流程校验模块124中的执行校验智能体接收来自流程执行智能体的运行结果，并校验运行结果，得到表征运行结果是否符合预期的校验结果，以及发送校验结果至协同枢纽智能体；循环生成模块125中的协同枢纽智能体接收来自执行校验智能体的校验结果，并基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，以及基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程。
因此，自动化流程生成装置120中的协同枢纽智能体获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体，流程生成智能体接收来自协同枢纽智能体的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体，流程执行智能体接收来自流程生成智能体的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体，执行校验智能体接收来自流程执行智能体的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体，协同枢纽智能体接收来自执行校验智能体的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程的生成效率和质量。
请参阅图13，图13是本申请电子设备130一实施例的框架示意图。电子设备130包括存储器131和处理器132，存储器131中存储有程序指令，处理器132用于执行程序指令以实现上述任一自动化流程生成方法实施例中的步骤。具体可以参阅前述公开实施例，在此不再赘述。电子设备130具体可以包括但不限于：服务器、智能手机、笔记本电脑、平板电脑等，在此不做限定。
具体而言，处理器132用于控制其自身以及存储器131以实现上述任一自动化流程生成方法实施例中的步骤。处理器132还可以称为CPU（Central Processing Unit，中央处理单元）。处理器132可能是一种集成电路芯片，具有信号的处理能力。处理器132还可以是通用处理器、数字信号处理器（Digital Signal Processor, DSP）、专用集成电路（Application Specific Integrated Circuit, ASIC）、现场可编程门阵列（Field-Programmable Gate Array, FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器132可以由集成电路芯片共同实现。
上述方案，电子设备130获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，生成子任务的实现流程，并运行子任务的实现流程得到运行结果，当实现流程运行成功时，校验运行结果，得到表征运行结果是否符合预期的校验结果，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，基于确定结果选择是否对下一子任务继续执行生成子任务的实现流程的步骤，直至成功生成各个子任务的实现流程为止，以获取用于自动执行目标任务的实现流程，因此基于关于目标任务的任务描述文本即可触发实现目标任务的流程自动化生成，并基于运行结果和确定结果判断实现流程的生成质量，故能提高自动化流程的生成效率和质量。
请参阅图14，图14是本申请自动化流程生成系140一实施例的框架示意图。包括彼此之间通信连接的协同枢纽智能体141、流程生成智能体142、流程执行智能体143和执行校验智能体144，且协同枢纽智能体141用于执行上述公开实施例中的自动化流程生成方法，流程生成智能体142用于执行上述公开实施例中的自动化流程生成方法，流程执行智能体143用于执行上述公开实施例中的自动化流程生成方法，执行校验智能体144用于执行上述公开实施例中的自动化流程生成方法。
本公开实施例中，本申请中所涉及的各个智能体既可以是硬件，也可以是软件，具体原理可以参阅智能体的技术细节，在此不再赘述。
上述方案，自动化流程生成***140中的协同枢纽智能体141获取目标任务的任务描述文本，基于任务描述文本得到构成目标任务的若干子任务，并发送子任务至流程生成智能体142，流程生成智能体142接收来自协同枢纽智能体141的子任务，并生成子任务的实现流程，将子任务的实现流程发送至流程执行智能体143，流程执行智能体143接收来自流程生成智能体142的子任务的实现流程后，运行子任务的实现流程得到运行结果，并响应于实现流程运行成功，发送运行结果至执行校验智能体144，执行校验智能体144接收来自流程执行智能体143的运行结果后，校验运行结果，得到表征运行结果是否符合预期的校验结果，发送校验结果至协同枢纽智能体141，协同枢纽智能体141接收来自执行校验智能体144的校验结果后，基于校验结果得到表征子任务的实现流程是否生成成功的确定结果，并基于确定结果选择是否返回发送子任务至流程生成智能体142的步骤，直至成功生成各个子任务的实现流程为止，因此基于关于目标任务的任务描述文本即可触发多智能体的交互，实现目标任务的流程自动化生成，提高自动化流程的生成效率和质量。
请参阅图15，图15是本申请计算机可读存储介质150一实施例的框架示意图。计算机可读存储介质150存储有能够被处理器运行的程序指令151，程序指令151用于实现上述任一自动化流程生成方法实施例中的步骤。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
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单元来实现本实施方式方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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）或处理器（processor）执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
若本申请技术方案涉及个人信息，应用本申请技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本申请技术方案涉及敏感个人信息，应用本申请技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
Claims (18)
1.一种自动化流程生成方法，其特征在于，包括：
获取目标任务的任务描述文本；
基于所述任务描述文本，得到构成所述目标任务的若干子任务；
对于各个所述子任务：生成所述子任务的实现流程，并运行所述子任务的实现流程，得到运行结果，响应于所述实现流程运行成功，校验所述运行结果，得到表征所述运行结果是否符合预期的校验结果，以及基于所述校验结果，得到表征所述子任务的实现流程是否生成成功的确定结果，基于所述确定结果选择是否对下一所述子任务继续执行所述生成所述子任务的实现流程的步骤，直至成功生成各个所述子任务的实现流程为止，以获取用于自动执行所述目标任务的实现流程；
其中，所述基于所述确定结果选择是否对下一所述子任务继续执行所述生成所述子任务的实现流程的步骤，包括：
检测所述确定结果表征生成成功或生成失败；
响应于所述确定结果表征生成成功，对下一所述子任务继续执行所述生成所述子任务的实现流程的步骤；
响应于所述确定结果表征生成失败，获取表征所述目标任务分解为所述若干子任务是否合理的分析结果，并基于所述分析结果，返回所述基于所述任务描述文本，得到构成所述目标任务的若干子任务的步骤。
2.根据权利要求1所述的方法，其特征在于，所述生成所述子任务的实现流程，包括：
基于流程库中各个功能函数的说明文档，选择与所述子任务匹配的功能函数作为目标函数；
调用所述目标函数，以生成所述子任务的实现流程。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括以下至少一者：
响应于所述实现流程运行失败，基于所述运行结果中所述子任务的实现流程运行失败的报错信息，重新生成所述子任务的实现流程；
响应于所述实现流程运行失败，基于所述运行结果中所述子任务的实现流程运行失败的报错信息，修正流程库中功能函数的说明文档；其中，所述子任务的实现流程基于所述流程库中各个所述功能函数的说明文档，通过选择并调用所述功能函数而生成。
4.根据权利要求1所述的方法，其特征在于，所述基于所述分析结果，返回所述基于所述任务描述文本，得到构成所述目标任务的若干子任务的步骤，包括以下至少一者：
响应于所述分析结果表征所述目标任务分解为所述若干子任务合理，获取目标对象对所述目标任务进行分解的意见描述文本，并结合所述意见描述文本，返回所述基于所述任务描述文本，得到构成所述目标任务的若干子任务的步骤；
响应于所述分析结果表征所述目标任务分解为所述若干子任务不合理，返回所述基于所述任务描述文本，得到构成所述目标任务的若干子任务的步骤。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述任务描述文本以自然语言描述所述目标任务；
和/或，所述基于所述校验结果，得到表征所述子任务的实现流程是否生成成功的确定结果，包括以下至少一者：响应于所述校验结果表征所述运行结果符合预期，获取表征所述子任务的实现流程生成成功的确定结果；响应于所述校验结果表征所述运行结果不符合预期，获取表征所述子任务的实现流程生成失败的确定结果。
6.一种自动化流程生成方法，其特征在于，包括：
获取目标任务的任务描述文本；
基于所述任务描述文本，得到构成所述目标任务的若干子任务；
发送所述子任务至流程生成智能体；其中，所述流程生成智能体生成所述子任务的实现流程，并发送所述子任务的实现流程至流程执行智能体，所述流程执行智能体运行所述子任务的实现流程得到运行结果，并响应于所述实现流程运行成功，发送所述运行结果至执行校验智能体，所述执行校验智能体校验所述运行结果，得到表征所述运行结果是否符合预期的校验结果，并发送所述校验结果至协同枢纽智能体；
接收来自所述执行校验智能体的校验结果，并基于所述校验结果得到表征所述子任务的实现流程是否生成成功的确定结果；
基于所述确定结果选择是否返回所述发送所述子任务至流程生成智能体的步骤，直至成功生成各个所述子任务的实现流程为止，以获取用于自动执行所述目标任务的实现流程；
其中，所述基于所述确定结果选择是否返回所述发送所述子任务至流程生成智能体的步骤，包括：
检测所述确定结果表征生成成功或生成失败；
响应于所述确定结果表征生成成功，返回所述发送所述子任务至流程生成智能体的步骤；
响应于所述确定结果表征生成失败，获取表征所述目标任务分解为所述若干子任务是否合理的分析结果，并基于所述分析结果，返回所述基于所述任务描述文本，得到构成所述目标任务的若干子任务的步骤。
7.根据权利要求6所述的方法，其特征在于，所述协同枢纽智能体含有第一大模型，所述基于所述任务描述文本，得到构成所述目标任务的若干子任务，包括：
基于所述第一大模型对所述任务描述文本进行任务分解，得到构成所述目标任务的若干子任务；
其中，所述第一大模型预先基于人类反馈强化学习进行参数微调。
8.一种自动化流程生成方法，其特征在于，包括：
接收来自协同枢纽智能体的子任务；其中，所述协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成所述目标任务的若干子任务，以发送所述子任务至流程生成智能体；
生成所述子任务的实现流程，并发送所述子任务的实现流程至流程执行智能体；其中，所述流程执行智能体运行所述子任务的实现流程得到运行结果，并响应于所述实现流程运行成功，发送所述运行结果至执行校验智能体，所述执行校验智能体校验所述运行结果，得到表征所述运行结果是否符合预期的校验结果，并发送所述校验结果至所述协同枢纽智能体，所述协同枢纽智能体基于所述校验结果得到表征所述子任务的实现流程是否生成成功的确定结果，并基于所述确定结果选择是否返回所述发送所述子任务至流程生成智能体的步骤，直至成功生成各个所述子任务的实现流程为止，以获取用于自动执行所述目标任务的实现流程，且所述基于所述确定结果选择是否返回所述发送所述子任务至流程生成智能体的步骤，包括：
检测所述确定结果表征生成成功或生成失败；
响应于所述确定结果表征生成成功，返回所述发送所述子任务至流程生成智能体的步骤；
响应于所述确定结果表征生成失败，获取所述目标任务分解为所述若干子任务是否合理的分析结果，并基于所述分析结果，返回所述分析目标任务的任务描述文本，得到构成所述目标任务的若干子任务的步骤。
9.根据权利要求8所述的方法，其特征在于，在所述发送所述子任务的实现流程至流程执行智能体之后，所述方法还包括：
接收所述流程执行智能体响应于所述实现流程运行失败而发送的运行结果；其中，所述运行结果包含所述子任务的实现流程运行失败的报错信息；
结合所述报错信息，返回所述生成所述子任务的实现流程的步骤。
10.根据权利要求8所述的方法，其特征在于，所述子任务的实现流程由所述流程生成智能体基于流程库中各个功能函数的说明文档选择并调用所述功能函数而生成，所述流程生成智能体含有第二大模型，所述方法还包括：
基于所述第二大模型处理所述功能函数的实现流程，生成得到所述功能函数的说明文档。
11.一种自动化流程生成方法，其特征在于，包括：
接收来自流程生成智能体的子任务的实现流程；其中，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成所述目标任务的若干子任务，以发送所述子任务至流程生成智能体，所述流程生成智能体生成所述子任务的实现流程，并发送所述子任务的实现流程至流程执行智能体；
运行所述子任务的实现流程得到运行结果；
响应于所述实现流程运行成功，发送所述运行结果至执行校验智能体；其中，所述执行校验智能体校验所述运行结果，得到表征所述运行结果是否符合预期的校验结果，并发送所述校验结果至所述协同枢纽智能体，所述协同枢纽智能体基于所述校验结果得到表征所述子任务的实现流程是否生成成功的确定结果，基于所述确定结果选择是否返回所述发送所述子任务至流程生成智能体的步骤，直至成功生成各个所述子任务的实现流程为止，以获取用于自动执行所述目标任务的实现流程，且所述基于所述确定结果选择是否返回所述发送所述子任务至流程生成智能体的步骤，包括：
检测所述确定结果表征生成成功或生成失败；
响应于所述确定结果表征生成成功，返回所述发送所述子任务至流程生成智能体的步骤；
响应于所述确定结果表征生成失败，获取所述目标任务分解为所述若干子任务是否合理的分析结果，并基于所述分析结果，返回所述分析目标任务的任务描述文本，得到构成所述目标任务的若干子任务的步骤。
12.根据权利要求11所述的方法，其特征在于，所述方法还包括：
响应于所述实现流程运行失败，发送所述运行结果至所述流程生成智能体；其中，所述运行结果包含所述子任务的实现流程运行失败的报错信息，所述流程生成智能体结合所述报错信息，重新生成所述子任务的实现流程。
13.根据权利要求11所述的方法，其特征在于，所述方法还包括：
响应于所述实现流程运行失败，发送所述运行结果至文档修正智能体；其中，所述运行结果包含所述子任务的实现流程运行失败的报错信息，所述子任务的实现流程由所述流程生成智能体基于流程库中功能函数的说明文档而选择并调用所述功能函数而生成，所述文档修正智能体基于所述报错信息修正所述说明文档。
14.一种自动化流程生成方法，其特征在于，包括：
接收来自流程执行智能体的运行结果；其中，协同枢纽智能体获取并分析目标任务的任务描述文本，得到构成所述目标任务的若干子任务，以发送所述子任务至流程生成智能体，所述流程生成智能体生成所述子任务的实现流程，并发送所述子任务的实现流程至流程执行智能体，所述流程执行智能体运行所述子任务的实现流程得到所述运行结果，并响应于所述实现流程运行成功，发送所述运行结果至执行校验智能体；
校验所述运行结果，得到表征所述运行结果是否符合预期的校验结果，并发送所述校验结果至所述协同枢纽智能体；其中，所述协同枢纽智能体基于所述校验结果得到表征所述子任务的实现流程是否生成成功的确定结果，并基于所述确定结果选择是否返回所述发送所述子任务至流程生成智能体的步骤，直至成功生成各个所述子任务的实现流程为止，以获取用于自动执行所述目标任务的实现流程，且所述基于所述确定结果选择是否返回所述发送所述子任务至流程生成智能体的步骤，包括：
检测所述确定结果表征生成成功或生成失败；
响应于所述确定结果表征生成成功，返回所述发送所述子任务至流程生成智能体的步骤；
响应于所述确定结果表征生成失败，获取所述目标任务分解为所述若干子任务是否合理的分析结果，并基于所述分析结果，返回所述分析目标任务的任务描述文本，得到构成所述目标任务的若干子任务的步骤。
15.一种自动化流程生成方法，其特征在于，包括：
协同枢纽智能体获取目标任务的任务描述文本，并基于所述任务描述文本，得到构成所述目标任务的若干子任务，以及发送所述子任务至流程生成智能体；
所述流程生成智能体接收来自协同枢纽智能体的子任务，并生成所述子任务的实现流程，及发送所述子任务的实现流程至流程执行智能体；
所述流程执行智能体接收来自流程生成智能体的子任务的实现流程，并运行所述子任务的实现流程得到运行结果，以及响应于所述实现流程运行成功，发送所述运行结果至执行校验智能体；
所述执行校验智能体接收来自流程执行智能体的运行结果，并校验所述运行结果，得到表征所述运行结果是否符合预期的校验结果，以及发送所述校验结果至所述协同枢纽智能体；
所述协同枢纽智能体接收来自所述执行校验智能体的校验结果，并基于所述校验结果得到表征所述子任务的实现流程是否生成成功的确定结果，以及基于所述确定结果选择是否返回所述发送所述子任务至流程生成智能体的步骤，直至成功生成各个所述子任务的实现流程为止，以获取用于自动执行所述目标任务的实现流程；
其中，所述基于所述确定结果选择是否返回所述发送所述子任务至流程生成智能体的步骤，包括：
检测所述确定结果表征生成成功或生成失败；
响应于所述确定结果表征生成成功，返回所述发送所述子任务至流程生成智能体的步骤；
响应于所述确定结果表征生成失败，获取表征所述目标任务分解为所述若干子任务是否合理的分析结果，并基于所述分析结果，返回所述基于所述任务描述文本，得到构成所述目标任务的若干子任务的步骤。
16.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述存储器中存储有程序指令，所述处理器用于执行所述程序指令以实现权利要求1至15任一项所述的自动化流程生成方法。
17.一种自动化流程生成***，其特征在于，包括彼此之间通信连接的协同枢纽智能体、流程生成智能体、流程执行智能体和执行校验智能体，且所述协同枢纽智能体用于执行权利要求6至7任一项所述的自动化流程生成方法，所述流程生成智能体用于执行权利要求8至10任一项所述的自动化流程生成方法，所述流程执行智能体用于执行权利要求11至13任一项所述的自动化流程生成方法，所述执行校验智能体用于执行权利要求14所述的自动化流程生成方法。
18.一种计算机可读存储介质，其特征在于，存储有能够被处理器运行的程序指令，所述程序指令用于实现权利要求1至15任一项所述的自动化流程生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311775435.9A CN117472478B (zh) | 2023-12-22 | 2023-12-22 | 自动化流程生成方法及相关装置和***、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311775435.9A CN117472478B (zh) | 2023-12-22 | 2023-12-22 | 自动化流程生成方法及相关装置和***、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117472478A CN117472478A (zh) | 2024-01-30 |
| CN117472478B true CN117472478B (zh) | 2024-04-26 |
Family
ID=89634968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311775435.9A Active CN117472478B (zh) | 2023-12-22 | 2023-12-22 | 自动化流程生成方法及相关装置和***、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117472478B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11345136A (ja) * | 1998-06-03 | 1999-12-14 | Hitachi Ltd | タスク割当装置およびタスク割当方法並びに分散システム |
| CN105589739A (zh) * | 2014-11-13 | 2016-05-18 | 腾讯数码（深圳）有限公司 | 一种流程控制***及方法 |
| CN115391016A (zh) * | 2022-09-13 | 2022-11-25 | 中国电信股份有限公司 | 多智能体协同控制***及装置、电子设备、存储介质 |
| CN115587041A (zh) * | 2022-10-26 | 2023-01-10 | 北京自如信息科技有限公司 | 移动应用交付任务处理方法和装置、电子设备和存储介质 |
| CN116069497A (zh) * | 2022-12-01 | 2023-05-05 | 百度时代网络技术（北京）有限公司 | 执行分布式任务的方法、装置、设备以及存储介质 |
| CN116594748A (zh) * | 2023-05-19 | 2023-08-15 | 航天宏图信息技术股份有限公司 | 针对任务的模型定制处理方法、装置、设备和介质 |
| CN116737581A (zh) * | 2023-06-21 | 2023-09-12 | 中国工商银行股份有限公司 | 测试文本的生成方法、装置、存储介质及电子设备 |
| CN116775183A (zh) * | 2023-05-31 | 2023-09-19 | 腾讯科技（深圳）有限公司 | 基于大语言模型的任务生成方法、***、设备及存储介质 |
| CN116954855A (zh) * | 2023-07-06 | 2023-10-27 | 北京水滴科技集团有限公司 | 任务执行方法、装置、***、电子设备和存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130081053A1 (en) * | 2011-09-23 | 2013-03-28 | Elwha LLC, a limited liability company of the State of Delaware | Acquiring and transmitting tasks and subtasks to interface devices |
| US10831448B2 (en) * | 2018-08-30 | 2020-11-10 | Accenture Global Solutions Limited | Automated process analysis and automation implementation |
| US11120217B2 (en) * | 2018-12-18 | 2021-09-14 | Micro Focus Llc | Natural language translation-based orchestration workflow generation |
-
2023
- 2023-12-22 CN CN202311775435.9A patent/CN117472478B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11345136A (ja) * | 1998-06-03 | 1999-12-14 | Hitachi Ltd | タスク割当装置およびタスク割当方法並びに分散システム |
| CN105589739A (zh) * | 2014-11-13 | 2016-05-18 | 腾讯数码（深圳）有限公司 | 一种流程控制***及方法 |
| CN115391016A (zh) * | 2022-09-13 | 2022-11-25 | 中国电信股份有限公司 | 多智能体协同控制***及装置、电子设备、存储介质 |
| CN115587041A (zh) * | 2022-10-26 | 2023-01-10 | 北京自如信息科技有限公司 | 移动应用交付任务处理方法和装置、电子设备和存储介质 |
| CN116069497A (zh) * | 2022-12-01 | 2023-05-05 | 百度时代网络技术（北京）有限公司 | 执行分布式任务的方法、装置、设备以及存储介质 |
| CN116594748A (zh) * | 2023-05-19 | 2023-08-15 | 航天宏图信息技术股份有限公司 | 针对任务的模型定制处理方法、装置、设备和介质 |
| CN116775183A (zh) * | 2023-05-31 | 2023-09-19 | 腾讯科技（深圳）有限公司 | 基于大语言模型的任务生成方法、***、设备及存储介质 |
| CN116737581A (zh) * | 2023-06-21 | 2023-09-12 | 中国工商银行股份有限公司 | 测试文本的生成方法、装置、存储介质及电子设备 |
| CN116954855A (zh) * | 2023-07-06 | 2023-10-27 | 北京水滴科技集团有限公司 | 任务执行方法、装置、***、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117472478A (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11562267B2 (en) | Chatbot for defining a machine learning (ML) solution | |
| US11625648B2 (en) | Techniques for adaptive pipelining composition for machine learning (ML) | |
| EP3757779B1 (en) | Application assessment system to achieve interface design consistency across micro services | |
| US10572360B2 (en) | Functional behaviour test system and method | |
| JP2022530109A (ja) | ボットシステムの性能に関する見解 | |
| US9841956B2 (en) | User interface style guide compliance reporting | |
| WO2021202569A1 (en) | Batching techniques for handling unbalanced training data for a chatbot | |
| EP4028874A1 (en) | Techniques for adaptive and context-aware automated service composition for machine learning (ml) | |
| US11126938B2 (en) | Targeted data element detection for crowd sourced projects with machine learning | |
| US10459835B1 (en) | System and method for controlling quality of performance of digital applications | |
| KR20200002843A (ko) | 모니터링 시스템에서 발생하는 경보에 대한 기계 학습식 결정 안내 기법 | |
| US11924064B2 (en) | Apparatuses, methods, and computer program products for predictive determinations of causal change identification for service incidents | |
| US20120198365A1 (en) | User interface style guide compliance | |
| US20220058347A1 (en) | Techniques for providing explanations for text classification | |
| US20120198367A1 (en) | User interface style guide compliance forecasting | |
| US11842204B2 (en) | Automated generation of early warning predictive insights about users | |
| US11907863B2 (en) | Natural language enrichment using action explanations | |
| US20160283350A1 (en) | Increasing accuracy of traceability links and structured data | |
| CN117472478B (zh) | 自动化流程生成方法及相关装置和***、设备和存储介质 | |
| CN117112082A (zh) | 任务执行方法、装置、***、设备及存储介质 | |
| US11055329B2 (en) | Query and information meter for query session | |
| US20230139008A1 (en) | Failure analysis and recommendation service for automated executions | |
| US20210089992A1 (en) | Method for automated code reviewer recommendation | |
| Metzger et al. | A user study on explainable online reinforcement learning for adaptive systems | |
| US20230080553A1 (en) | Adjusting outlier data points for training a machine-learning model |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |