【技術實現步驟摘要】
本專利技術涉及數據處理，特別是涉及一種基于ai大模型的工程項目報告生成方法、裝置及設備。
技術介紹
1、大語言模型(llm，large?language?models)是基于深度學習的人工智能模型，它們經過大量文本數據的訓練，能夠理解和生成自然語言，使得它們成為自動化生成報告的理想工具。
2、目前，通常是采用人工的方式生成工程設計項目執行狀況報告，這個過程涉及收集數據、信息整理、分析數據、組織內容并撰寫報告。然而，傳統人工生成報告的方式仍存在一些潛在的缺陷：需要花費大量的時間和人力成本，導致生成工作報告效率低下；存在較高的錯誤風險，如打字錯誤、分析錯誤或數據錄入錯誤。因此，亟需一種有效的工程項目的工作報告生成方法解決上述問題。
技術實現思路
1、鑒于上述問題，提出了本專利技術以便提供克服上述問題或者至少部分地解決上述問題的一種基于ai大模型的工程項目報告生成方法、裝置及設備。
2、為實現上述目的及其他相關目的，本專利技術提供一種基于ai大模型的工程項目報告生成方法，應用于工程項目管理系統，所述工程項目管理系統包括大語言模型和知識庫，所述方法包括：
3、接收用戶輸入的提示詞，并根據所述提示詞生成工作報告模板；
4、利用大語言模型從知識庫中抽取出所述工作報告模板的相關內容，并將所述相關內容填充至所述工作報告模板中的各個模塊，得到各個報告模塊；
5、利用所述大語言模型對各個報告模塊進行檢查和調整，獲得各個調整后的報告模塊；>
6、利用所述大語言模型對各個所述調整后的報告模塊進行整合，生成目標工作報告。
7、可選地，所述利用大語言模型從知識庫中抽取出所述工作報告模板的相關內容，包括：
8、提取出工作報告模板的各個模塊，并對各個模塊進行編碼處理，生成各個模塊對應的查詢文本向量；
9、將各個查詢文本向量與所述知識庫中的向量進行相似度匹配，確定各個查詢文本向量對應的若干個目標向量，并從所述知識庫中抽取出若干個所述目標向量對應的目標文本塊。
10、可選地，所述接收用戶輸入的提示詞，并根據所述提示詞生成工作報告模板的步驟之前，還包括：
11、獲取工程設計項目執行時的文檔文件，并對所述文檔文件進行預處理，以獲取文檔文件中的文本；其中，所述文本包括項目基本信息、項目專業信息、項目任務信息、項目工時信息、項目進度信息以及項目完成信息；
12、利用文本分割符及預設文本分割長度，對所述文本進行文本分割，獲得若干個文本塊；
13、調用預先構建的向量編碼模型對各個文本塊進行編碼處理，獲得各個文本塊對應的向量，并將各個文本塊對應的向量存儲至向量數據庫；
14、提取出各個文本塊的元數據，并利用各個文本塊、文本塊的向量以及文本塊的元數據，構建知識庫。
15、可選地，所述對所述文檔文件進行預處理，以獲取文檔文件中的文本，包括：
16、若所述文檔文件為文字格式文件，則提取出所述文檔文件中的文本，并剔除所述文本中重復和無意義字符；
17、若所述文檔文件為圖片格式文件或所述文檔文件中包含有圖片時，則利用ocr識別技術識別并獲取所述文檔文件中的文本，并剔除所述文本中重復和無意義字符。
18、可選地，所述利用文本分割符及預設文本分割長度，對所述文本進行文本分割，獲得若干個文本塊，包括：
19、利用文本分隔符對所述文本進行文本初分割，獲得若干個文本段，并檢測各個文本段的文本長度是否大于預設文本分割長度；
20、在檢測到文本段的文本長度大于預設文本分割長度時，利用預設文本分割長度對所述文本段進行文本分割，獲得若干個文本塊。
21、可選地，所述工程項目的報告生成方法還包括：
22、接收用戶輸入的問題文本，對所述問題文本進行編碼處理，獲得問題向量；
23、將所述問題向量與所述知識庫中的向量進行相似度匹配，確定所述問題向量對應的若干個目標向量，并從所述知識庫中抽取出各個目標向量對應的目標文本塊；
24、將所述問題文本和各個目標文本塊一起輸入至大語言模型，并利用所述大語言模型生成所述問題文本的答案。
25、可選地，所述利用所述大語言模型生成所述問題文本的答案，包括：
26、利用所述大語言模型對所述問題文本和各個目標文本塊進行分析和理解，生成所述問題文本的答案，以及可視化展示所述答案。
27、第二方面，本專利技術還提供一種基于ai大模型的工程項目報告生成裝置，應用于工程項目管理系統，所述工程項目管理系統包括大語言模型和知識庫，所述裝置包括：
28、接收模塊，用于接收用戶輸入的提示詞，并根據所述提示詞生成工作報告模板；
29、填充模塊，用于利用大語言模型從知識庫中抽取出所述工作報告模板的相關內容，并將所述相關內容填充至所述工作報告模板中的各個模塊，得到各個報告模塊；
30、調整模塊，用于利用所述大語言模型對各個報告模塊進行檢查和調整，獲得各個調整后的報告模塊；
31、生成模塊，用于利用所述大語言模型對各個所述調整后的報告模塊進行整合，生成目標工作報告。
32、第三方面，本專利技術提供一種電子設備，所述電子設備包括：存儲器與處理器；所述存儲器用于存儲計算機程序；所述處理器用于執行所述存儲器存儲的計算機程序，以使所述電子設備執行如上所述的基于ai大模型的工程項目報告生成方法的步驟。
33、第四方面，本專利技術提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被電子設備執行時實現如上所述的基于ai大模型的工程項目報告生成方法的步驟。
34、本專利技術提供的上述一個或多個技術方案，可以具有如下優點或至少實現了如下技術效果：本專利技術通過利用大語言模型和知識庫，對項目執行情況的文檔文件進行整合并生成用戶所需報告，提高了生成工作報告的生成效率，同時提高工作報告的準確性。
本文檔來自技高網...【技術保護點】
1.一種基于AI大模型的工程項目報告生成方法，其特征在于，應用于工程項目管理系統，所述工程項目管理系統包括大語言模型和知識庫，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述利用大語言模型從知識庫中抽取出所述工作報告模板的相關內容，包括：
3.根據權利要求1所述的方法，其特征在于，所述接收用戶輸入的提示詞，并根據所述提示詞生成工作報告模板的步驟之前，還包括：
4.根據權利要求3所述的方法，其特征在于，所述對所述文檔文件進行預處理，以獲取文檔文件中的文本，包括：
5.根據權利要求3所述的方法，其特征在于，所述利用文本分割符及預設文本分割長度，對所述文本進行文本分割，獲得若干個文本塊，包括：
6.根據權利要求3所述的方法，其特征在于，所述工程項目的報告生成方法還包括：
7.根據權利要求6所述的方法，其特征在于，所述利用所述大語言模型生成所述問題文本的答案，包括：
8.一種基于AI大模型的工程項目報告生成裝置，其特征在于，應用于工程項目管理系統，所述工程項目管理系統包括大語言模型和知識庫，
9.一種電子設備，其特征在于，所述電子設備包括：存儲器與處理器，其中，所述存儲器用于存儲計算機程序，所述處理器用于執行所述存儲器存儲的計算機程序，以使所述電子設備執行如權利要求1至7中任一項所述方法的步驟。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有程序，所述程序運行時，用于執行時實現權利要求1至7中任一項所述方法的步驟。
...【技術特征摘要】
1.一種基于ai大模型的工程項目報告生成方法，其特征在于，應用于工程項目管理系統，所述工程項目管理系統包括大語言模型和知識庫，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述利用大語言模型從知識庫中抽取出所述工作報告模板的相關內容，包括：
3.根據權利要求1所述的方法，其特征在于，所述接收用戶輸入的提示詞，并根據所述提示詞生成工作報告模板的步驟之前，還包括：
4.根據權利要求3所述的方法，其特征在于，所述對所述文檔文件進行預處理，以獲取文檔文件中的文本，包括：
5.根據權利要求3所述的方法，其特征在于，所述利用文本分割符及預設文本分割長度，對所述文本進行文本分割，獲得若干個文本塊，包括：
6.根據權利要求3所述的...
【專利技術屬性】
技術研發人員：翟永佳，王翀，孫云飛，石興興，江紹標，
申請(專利權)人：上海數映科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。