AI超算平台：开启智能高效新时代

前言

    在数字化浪潮汹涌澎湃的当下，科技发展日新月异，每一次技术的突破都可能重塑行业格局，引领时代变革。近年来，AI 技术的迅猛发展，无疑是这场科技变革中的最强音，其影响力辐射至全球各个角落，渗透进各行各业的血脉之中。从 chatppt 到 deepseek 等 AI 平台的相继问世，AI 能力已不再是高高在上、遥不可及的前沿概念，而是以一种前所未有的速度普及开来，变得触手可得，成为推动各行业创新发展的核心驱动力。

    这一创新性的 “超算算式 + AI + Agent + 各平台” 组合模式，犹如一把神奇的钥匙，开启了智能计算的全新大门，构建起了功能强大的 AI 超算平台。从本质上讲，AI 超算平台不仅仅是一个简单的计算工具，它更是一套智能的 AI 数据流执行系统，能够实现数据按照特定规则和流程进行高效变更与流转，为企业和组织提供更加智能、高效、灵活的计算服务，助力其在激烈的市场竞争中脱颖而出，引领行业发展新潮流。

2. 目标

2.1 取代定制化开发，降本增效新路径

2.1.1 现状

    当前，多数项目为满足多样化业务需求，存在大量定制化开发工作，这导致项目分支难以有效管控，同时造成了人力成本的浪费。例如，在工单处理场景中，一个简单的建单需求，如当工单进入时，自动将当前日期加上指定天数并填充到另一个工单字段，就不得不启动加急流程来完成开发。该需求若通过传统开发方式，需投入开发测试三人天，按 1500 元 / 人天的成本计算，成本较高；而使用超算平台，仅需 1 分钟即可完成配置，效率提升显著。相关数据来源于，通过分析非标准产品需求占比以及需求加急次数等关键指标，可以清晰地认识到超算平台在解决此类问题方面的巨大潜力。

    在引入超算自定义类后，将定制化业务进行分类，制定了四大类型函数，并通过配置公式实现流程自动化与字段联动，在一定程度上大幅减少了定制化开发需求。然而，这也引发了新的问题。由于超算公式需具备强大功能以支持复杂业务场景，其配置参数和公式数量较多，这对配置人员而言，存在一定的学习成本和使用成本。例如，一个简单的算式配置可能需要耗费 30 分钟时间。同时，大量人员针对公式配置问题进行咨询，进一步增加了人力成本投入。

2.1.2  未来

•阶段一：基于 deep seek 技术，实现通过自然语言生成算式，并由用户手动进行算式配置。此阶段旨在初步降低配置人员对复杂超算公式的直接操作难度，利用自然语言交互方式简化算式生成流程。

•阶段二：基于 agent 技术，打通工单平台，实现自动生成算式并完成自动配置。通过自动化流程，进一步提升工作效率，减少人工干预，降低操作成本与出错概率。

2.2 对话式协作提单，便携体验新升级

2.2.1 现状

    目前，各公司所采用的工单平台各不相同，如 OA、北森、飞书等。在引入 ITSM 系统后，需要对多个系统进行对接整合，这不仅耗费大量人力，而且在实际使用过程中，用户需要频繁在各个平台之间来回切换，操作繁琐，使用体验不佳。

2.2.2 未来

在超算平台上，用户只需通过聊天方式输入提单需求，如 “要提什么工单给谁”，deep seek 将对自然语言进行解析，输出工单业务数据，并通过 agent 将数据传递至各个工单系统进行执行。用户能够在单一平台上实现业务流转，实现无感提单，极大提升用户操作的便捷性与体验感，增强客户对平台的依赖度。

3. 实现

3.1 系统概述

    ZCalculate 作为一个智能公式计算引擎，集成了自然语言处理（NLP）和大语言模型（LLM）能力。该引擎能够将用户输入的自然语言需求转换为标准化的计算公式，并配备了丰富的内置函数库，为复杂业务场景下的公式计算提供支持。

3.2 主要模块

1.公式服务层 (Formula Service)

￮FormulaServiceImpl：负责管理所有内置公式定义。

￮支持四大类函数：

▪日期函数（如：DAYTSP, DATEFORMAT）：用于处理与日期相关的计算需求，如日期转换、日期差值计算等。

▪逻辑函数（如：AND, OR）：实现逻辑判断与运算功能，支持复杂业务逻辑中的条件判断组合。

▪文本函数（如：INDEX, CONCAT）：针对文本数据进行操作，包括文本索引查找、文本拼接等功能。

▪数字函数（如：SUM, POW）：提供常见的数字运算功能，如求和、幂运算等。

2.NLP 服务层

￮LocalNLPService：提供本地 NLP 处理服务，用于对输入文本进行预处理、分析等操作。

￮HanLPTokenizerService：作为中文分词服务，利用 HanLP 工具实现对中文文本的准确分词，为后续文本分析提供基础。该服务支持模型训练和持久化，可根据业务需求不断优化分词效果。

3.LLM 集成层

￮DeepSeekService：实现与大模型的集成服务，负责调用 deep seek 模型进行自然语言处理相关任务，如文本生成、语义理解等。

￮DeepSeekPromptBuilder：用于构建向大模型发送的提示词，通过精心设计提示词，引导模型生成符合业务需求的高质量结果。

4.缓存层

￮问题相似度缓存：缓存已处理问题及其相似度计算结果，当遇到相似问题时，可快速从缓存中获取结果，提高处理效率。

￮公式结果缓存：对已计算生成的公式结果进行缓存，避免重复计算，提升系统响应速度。

4.4 技术特性

1.可扩展性设计

￮函数库扩展：通过 addFormulaDefinition 方法，可便捷地添加新函数至函数库。同时，支持自定义函数分类以及参数定义，以满足不断变化的业务需求，灵活扩展系统功能。

￮模型训练扩展：支持增量训练模式，可在已有模型基础上，根据新数据不断优化模型性能。并且允许自定义训练数据源，用户能够根据自身业务数据特点，选择合适的数据进行模型训练，提升模型对特定业务场景的适应性。

2.性能优化

￮缓存策略：采用 @Cacheable 注解，以需求文本作为缓存键值（key = "#requirementText"），并设置条件（unless = "#result == null"），确保在结果不为空时从缓存中获取公式响应，避免重复计算，有效提升系统性能。

￮并发处理：使用 ConcurrentHashMap 存储缓存数据，保证在多线程环境下缓存操作的线程安全性。同时，实现线程安全的服务，确保系统在高并发场景下稳定运行，提高系统整体的响应速度与吞吐量。

更多请查看视屏：