基于LLM的web应用优化系统及服务实现方法和系统技术方案

本发明专利技术涉及web应用技术领域，特别涉及一种基于LLM的web应用优化系统及服务实现方法和系统，通过接收用户以自然语言描述的服务需求信息；基于大型语言模型LLM解析服务需求信息并对解析的服务需求信息进行任务拆解，将服务需求信息拆解为存在依赖关系的多个子任务，并依据依赖关系设置子任务执行优先级；识别子任务对应的web应用接口操作名称；根据子任务上下文信息并依据子任务执行优先级执行子任务对应的操作，直至服务需求信息对应的全部子任务执行完毕，将最终执行结果作为响应信息并反馈给用户。本发明专利技术能够简化web应用客户端用户操作流程，通过输入框提交给Web应用即可完成对应的需求，降低用户使用web应用系统的门槛和成本，更加高效、友好。友好。友好。

【技术实现步骤摘要】
基于LLM的web应用优化系统及服务实现方法和系统


[0001]本专利技术涉及web应用
，特别涉及一种基于LLM的web应用优化系统及服务实现方法和系统。

技术介绍

[0002]Web应用(Web application)是一种通过网络(通常是互联网)访问的，基于浏览器的软件应用程序。与传统的桌面应用程序相比，Web应用不需要在用户的计算机上安装，而是通过Web浏览器运行。Web应用的实现主要依赖于Web技术，如HTML、CSS、JavaScript等，以及后端编程语言(如Python、Java、Ruby等)和数据库技术。Web应用的优点包括跨平台兼容性、易于更新和维护、以及可随时随地访问。典型的Web应用有电子邮件客户端(如Gmail)、社交媒体平台(如Facebook、Twitter)、在线购物网站(如Amazon、淘宝)和在线办公套件(如Google Docs、Microsoft Office在线)等。用户可以通过浏览器与Web应用互动，获取所需信息或完成特定任务。Web应用与用户交互的过程中，通常需要用户执行多个页面动作才能完成用户的需求，比如执行新增用户这样一个请求，管理员需要先进入到用户管理模块，然后点击新增用户按钮，填写用户的基本信息，然后点击确定才能完成这样一个基本的请求，如果针对多个请求，就需要进入到不同的页面中，执行不同的动作和填写不同的信息。这对于用户来说是繁琐且不必要的，增加了用户使用系统的门槛和成本。
[0003]大语言模型(Large Language Model),简称LLM，是指一类采用深度学习技术训练的，能够理解和生成自然语言文本的大型人工智能模型。这些模型通常基于神经网络架构，如Transformer。大语言模型的参数量通常非常庞大，可以达到数十亿甚至上百亿个参数。这些参数的数量和模型的层数、规模密切相关，通常越大的模型具有越高的处理能力。大语言模型通过对大量文本数据进行训练，学习到了语言的语法、句法、语义等方面的知识，从而能够理解和生成自然语言。这些模型可以广泛应用于各种自然语言处理(NLP)任务，如机器翻译、文本摘要、情感分析、问答系统、对话生成等。目前，许多大型人工智能公司和研究机构已经开发出了多种大语言模型。如OpenAI的GPT系列模型(如GPT
‑
3、GPT
‑
4)，谷歌的BERT、T5模型，微软的Turing
‑
NLG等。这些模型在很多NLP任务上取得了显著的成果，推动了自然语言处理领域的快速发展。因此，如何将大语言模型应用到web应用与用户的交互，可成为解决web应用服务交互效率低、门槛的手段。

技术实现思路

[0004]为此，本专利技术提供一种基于LLM的web应用优化系统及服务实现方法和系统，能够简化web应用客户端用户操作流程，通过输入框提交给Web应用即可完成对应的需求，降低用户使用web应用系统的门槛和成本，更加高效、友好。
[0005]按照本专利技术所提供的设计方案，提供一种基于LLM的web应用优化系统，其特征在于，包含：设置在web应用服务端的需求接受模块、任务编排模块和语义解析模块，其中，
[0006]需求接受模块，用于接收web应用客户端中用户输入的服务需求信息；
[0007]任务编排模块，用于基于大型语言模型LLM解析服务需求信息并对解析的服务需求信息进行任务拆解，将服务需求信息拆解为存在依赖关系的多个子任务；
[0008]语义解析模块，用于基于大型语言模型LLM识别子任务对应的web应用接口操作名称并反馈给任务编排模块；
[0009]且任务编排模块根据语义解析模块反馈的子任务对应的web应用接口操作名称，并子任务上下文信息和子任务执行优先级执行子任务对应的操作，直至服务需求信息对应的全部子任务执行完毕，将最终执行结果作为响应信息并反馈给用户。
[0010]作为本专利技术基于LLM的web应用优化系统，进一步地，还包含：设置在web应用服务端的异常处理模块，该异常处理模块依据子任务对应操作执行结果对其执行异常进行检测，以对子任务操作异常执行进行强制处理。
[0011]进一步地，本专利技术还提供一种基于LLM的web应用服务实现方法，包含：
[0012]接收用户以自然语言描述的服务需求信息；
[0013]基于大型语言模型LLM解析服务需求信息并对解析的服务需求信息进行任务拆解，将服务需求信息拆解为存在依赖关系的多个子任务，并依据依赖关系设置子任务执行优先级；
[0014]识别子任务对应的web应用接口操作名称；根据子任务上下文信息并依据子任务执行优先级执行子任务对应的操作，直至服务需求信息对应的全部子任务执行完毕，将最终执行结果作为响应信息并反馈给用户。
[0015]作为本专利技术基于LLM的web应用服务实现方法，进一步地，接收用户以自然语言描述的服务需求信息，包含：收集web应用客户端用户以文本或语音方式输入的任务需求，并将任务需求统一转换为以文本表示的服务需求信息。
[0016]作为本专利技术基于LLM的web应用服务实现方法，进一步地，将任务需求统一转换为以文本表示的服务需求信息，还包含：对文本表示的服务需求信息进行数据预处理，所述数据预处理包括对预设指定字符的过滤，其中，预设指定字符包括特殊字符和敏感字符。
[0017]作为本专利技术基于LLM的web应用服务实现方法，进一步地，大型语言模型LLM采用部署在web应用服务端的OpenAI中的GPT语言模型，利用GPT语言模型获取输入信息对应的文本数据。
[0018]作为本专利技术基于LLM的web应用服务实现方法，进一步地，基于大型语言模型LLM解析服务需求信息并对解析的服务需求信息进行任务拆解，包含：首先，利用大型语言模型LLM提取服务需求信息中任务执行动作关键字；然后，依据关键字将服务需求信息拆解为多个子任务。
[0019]作为本专利技术基于LLM的web应用服务实现方法，进一步地，识别子任务对应的web应用接口操作名称，包含：首先，利用大型语言模型LLM解析子任务文本信息，依据子任务文本信息将子任务表示为动作指令名称和动作指令参数的组合；然后，依据动作指令名称在web应用接口字典中匹配对应的web应用接口操作名称，其中，web应用接口字典为在web应用开发中将操作执行代码对应接口信息以[key,value]结构进行存储的字典结构，key为全局唯一的接口操作名称，value为接口操作名称对应的执行函数。
[0020]作为本专利技术基于LLM的web应用服务实现方法，进一步地，根据子任务上下文信息并依据子任务执行优先级执行子任务对应的操作，还包含：依据子任务对应操作执行结果
对其执行异常进行检测，以对子任务操作异常执行进行强制处理。
[0021]进一步地，本专利技术还提供一种基于LLM的web应用服务实现系统，包含：web应用客户端和web应用服务端，其中，
[0022]web应用客户端，用于接收用户以自然语言描述的服务需求信息；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LLM的web应用优化系统，其特征在于，包含：设置在web应用服务端的需求接受模块、任务编排模块和语义解析模块，其中，需求接受模块，用于接收web应用客户端中用户输入的服务需求信息；任务编排模块，用于基于大型语言模型LLM解析服务需求信息并对解析的服务需求信息进行任务拆解，将服务需求信息拆解为存在依赖关系的多个子任务；语义解析模块，用于基于大型语言模型LLM识别子任务对应的web应用接口操作名称并反馈给任务编排模块；且任务编排模块根据语义解析模块反馈的子任务对应的web应用接口操作名称，并子任务上下文信息和子任务执行优先级执行子任务对应的操作，直至服务需求信息对应的全部子任务执行完毕，将最终执行结果作为响应信息并反馈给用户。2.根据权利要求1所述的基于LLM的web应用优化系统，其特征在于，还包含：设置在web应用服务端的异常处理模块，该异常处理模块依据子任务对应操作执行结果对其执行异常进行检测，以对子任务操作异常执行进行强制处理。3.一种基于LLM的web应用服务实现方法，其特征在于，包含：接收用户以自然语言描述的服务需求信息；基于大型语言模型LLM解析服务需求信息并对解析的服务需求信息进行任务拆解，将服务需求信息拆解为存在依赖关系的多个子任务，并依据依赖关系设置子任务执行优先级；识别子任务对应的web应用接口操作名称；根据子任务上下文信息并依据子任务执行优先级执行子任务对应的操作，直至服务需求信息对应的全部子任务执行完毕，将最终执行结果作为响应信息并反馈给用户。4.根据权利要求3所述的基于LLM的web应用服务实现方法，其特征在于，接收用户以自然语言描述的服务需求信息，包含：收集web应用客户端用户以文本或语音方式输入的任务需求，并将任务需求统一转换为以文本表示的服务需求信息。5.根据权利要求4所述的基于LLM的web应用服务实现方法，其特征在于，将任务需求统一转换为以文本表示的服务需求信息，还包含：对文本表示的服务需求信息进行数据预处理，所述数据预处理包括对预设指定字符的过滤，其中，预设指定字符包括特殊字符和敏...

【专利技术属性】
技术研发人员：曾伟，崔灿，杨春，王红，李江巍，王一，随志辉，陈龙浩，李福明，段素霞，
申请(专利权)人：数字郑州科技有限公司，
类型：发明
国别省市：