基于NLP技術(shù)構(gòu)建AI運(yùn)維機(jī)器人的探索與實(shí)踐

摘要：隨著網(wǎng)絡(luò)業(yè)務(wù)的快速發(fā)展和網(wǎng)絡(luò)技術(shù)的快速演進(jìn)，人們對(duì)網(wǎng)絡(luò)運(yùn)維的要求也隨之提高。當(dāng)下的網(wǎng)絡(luò)運(yùn)維存在自動(dòng)化程度不足、人才短缺，運(yùn)維一致性差等問題。AI運(yùn)維機(jī)器人基于NLP（Natural Language Processing，自然語言處理）技術(shù)，為運(yùn)維人員提供極簡的“對(duì)話式”運(yùn)維操作，智能識(shí)別運(yùn)維意圖和操作對(duì)象，高效自動(dòng)化執(zhí)行任務(wù)，有效降低了運(yùn)維人員的技術(shù)門檻，替代煩瑣人工操作，有效提升了運(yùn)維效率，實(shí)現(xiàn)了網(wǎng)絡(luò)運(yùn)維的提質(zhì)增效。

關(guān)鍵詞：NLP；網(wǎng)絡(luò)運(yùn)維；機(jī)器人；對(duì)話式

一、前言

在數(shù)字化轉(zhuǎn)型浪潮的持續(xù)推動(dòng)下，各行業(yè)領(lǐng)域正以前所未有的力度，將生產(chǎn)運(yùn)維工作推向智能化與數(shù)字化的全新境界[1]。在全面向研發(fā)中心鋪開的進(jìn)程中，平臺(tái)積極吸納了來自多方渠道的寶貴意見。為了不斷推動(dòng)平臺(tái)的完善與發(fā)展，部分行業(yè)的研發(fā)中心開始積極探索新技術(shù)領(lǐng)域。他們引入了融合NLP文本訓(xùn)練的機(jī)器學(xué)習(xí)技術(shù)，致力于研發(fā)能夠在運(yùn)維自動(dòng)化領(lǐng)域發(fā)揮重要作用的智能機(jī)器人。這些智能機(jī)器人在特定的運(yùn)營質(zhì)量提升場(chǎng)景中得到了廣泛應(yīng)用與實(shí)踐。實(shí)踐結(jié)果顯示，這一舉措不僅顯著提升了運(yùn)維工作的效率，還極大地改善了用戶的整體體驗(yàn)，實(shí)現(xiàn)了運(yùn)維智能化與用戶體驗(yàn)優(yōu)化的雙贏局面。

二、NLP技術(shù)

NLP是計(jì)算機(jī)科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個(gè)重要分支。從本質(zhì)上講，NLP技術(shù)旨在讓計(jì)算機(jī)能夠理解、生成和處理人類語言。計(jì)算機(jī)通過對(duì)文本或語音形式的自然語言進(jìn)行分析，從而挖掘其中的語法、語義和語用信息。例如，在語法層面，它能夠解析句子的結(jié)構(gòu)，識(shí)別單詞的詞性，區(qū)分名詞、動(dòng)詞、形容詞等。在語義層面，可以理解詞語和句子的實(shí)際意義，比如明白“蘋果”在不同語境下可能是指一種水果，也可能是指一家科技公司。在語用層面，NLP技術(shù)能考慮語言使用的場(chǎng)景和目的，分辨出在對(duì)話中某個(gè)句子是在提問、回答，還是在表達(dá)情緒。NLP技術(shù)的應(yīng)用場(chǎng)景非常廣泛。在機(jī)器翻譯領(lǐng)域，像谷歌翻譯、百度翻譯等工具，就是利用NLP技術(shù)將一種語言翻譯成另一種語言。在信息檢索方面，搜索引擎借助NLP技術(shù)更好地理解用戶輸入的關(guān)鍵詞，從而返回更精準(zhǔn)的搜索結(jié)果。例如，當(dāng)用戶搜索“如何制作蛋糕”，搜索引擎能夠理解這是一個(gè)關(guān)于蛋糕制作步驟的查詢，而不是關(guān)于蛋糕的其他信息[2]。在情感分析中，NLP技術(shù)可以分析文本中的情感傾向，判斷是正面、負(fù)面還是中性的情感，比如分析社交媒體上用戶對(duì)某個(gè)產(chǎn)品的評(píng)價(jià)是好評(píng)還是差評(píng)。另外，在智能問答系統(tǒng)、文本摘要生成、自動(dòng)寫作等諸多領(lǐng)域，NLP技術(shù)也發(fā)揮著關(guān)鍵作用。

三、NLP技術(shù)的特點(diǎn)

（一）對(duì)語法和語義的理解能力

NLP技術(shù)語法分析能夠準(zhǔn)確地識(shí)別文本中的詞性、句子結(jié)構(gòu)和語法關(guān)系等。通過對(duì)文本進(jìn)行語法解析，將句子分解成不同的成分，如主語、謂語、賓語等，有助于后續(xù)更深入地理解文本的含義。例如，在處理“我喜歡吃蘋果”這句話時(shí)，NLP技術(shù)可以快速識(shí)別出“我”是主語，“喜歡”是謂語，“吃”是動(dòng)詞，“蘋果”是賓語，從而理解句子的基本結(jié)構(gòu)和表達(dá)的意思。NLP技術(shù)在深入理解語法分析的基礎(chǔ)上，進(jìn)一步探究文本背后的含義和意圖。它可以通過語義分析技術(shù)，理解詞語在特定語境中的意義，避免因一詞多義或歧義而產(chǎn)生誤解。比如“蘋果”這個(gè)詞，在不同的語境中可能指水果，也可能指蘋果公司，NLP技術(shù)會(huì)根據(jù)上下文來確定其具體的含義。

（二）處理多語言的能力

NLP技術(shù)可以處理多種不同的語言，包括世界上主要的語言，如英語、漢語、法語、西班牙語等，以及一些小語種，使得它在全球化的信息交流中具有重要的應(yīng)用價(jià)值，能夠打破語言障礙，實(shí)現(xiàn)不同語言之間的文本處理和理解。例如，在跨國公司的文檔處理、多語言網(wǎng)站的內(nèi)容管理等方面，NLP技術(shù)可以對(duì)不同語言的文本進(jìn)行分析和處理。除了對(duì)單一語言的處理，NLP技術(shù)還能夠?qū)崿F(xiàn)不同語言之間的翻譯、轉(zhuǎn)換和理解。通過機(jī)器翻譯技術(shù)，NLP技術(shù)可以將一種語言的文本自動(dòng)翻譯成另一種語言的文本，并且在翻譯過程中盡可能地保持原文的語義和風(fēng)格。例如，谷歌翻譯、百度翻譯等工具就是基于NLP技術(shù)的機(jī)器翻譯應(yīng)用，為人們的跨語言交流提供了便利。

（三）對(duì)模糊性和歧義性的處理能力

自然語言中存在大量的歧義現(xiàn)象，如詞語的多義性、句子的多種解讀等。NLP技術(shù)可以通過各種方法來消除歧義，確定文本的正確含義。例如，通過分析詞語在句子中的位置、與其他詞語的搭配關(guān)系以及上下文信息等，來判斷詞語的具體含義。比如“我在銀行門口等你”中的“銀行”，根據(jù)“門口”這個(gè)位置信息，可以判斷這里的“銀行”是指金融機(jī)構(gòu)的場(chǎng)所。對(duì)于一些模糊的表達(dá)，NLP技術(shù)也能夠進(jìn)行一定程度的處理和理解[3] 。例如，在情感分析中，用戶的表達(dá)可能比較模糊，如“這部電影還不錯(cuò)”，NLP技術(shù)可以通過對(duì)大量類似表達(dá)的學(xué)習(xí)和分析，理解用戶的情感傾向是偏向于正面的，但程度不是非常強(qiáng)烈。

（四）可學(xué)習(xí)性和適應(yīng)性

NLP技術(shù)基于大量的數(shù)據(jù)進(jìn)行訓(xùn)練，通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法不斷優(yōu)化模型的性能。隨著訓(xùn)練數(shù)據(jù)的增加和算法的不斷改進(jìn)，NLP 模型可以逐漸提高對(duì)語言的理解和處理能力。例如， BERT、GPT等預(yù)訓(xùn)練語言模型，通過在大規(guī)模語料庫上的訓(xùn)練，學(xué)習(xí)到了豐富的語言知識(shí)和語義表示，能夠在各種NLP任務(wù)中取得較好的效果。NLP技術(shù)具有較強(qiáng)的適應(yīng)性，可以根據(jù)不同的應(yīng)用場(chǎng)景和任務(wù)需求進(jìn)行調(diào)整和優(yōu)化。例如，在醫(yī)療領(lǐng)域的NLP應(yīng)用中，需要處理大量的醫(yī)學(xué)專業(yè)術(shù)語和病歷文本，NLP模型可以通過在醫(yī)學(xué)領(lǐng)域的特定數(shù)據(jù)上進(jìn)行訓(xùn)練，適應(yīng)醫(yī)療領(lǐng)域的語言特點(diǎn)和任務(wù)要求，實(shí)現(xiàn)對(duì)病歷的分析、輔助疾病診斷等功能。

四、基于NLP技術(shù)構(gòu)建AI運(yùn)維機(jī)器人方案實(shí)現(xiàn)

（一）基于NLP技術(shù)構(gòu)建AI運(yùn)維機(jī)器人方案介紹

經(jīng)過對(duì)網(wǎng)絡(luò)業(yè)務(wù)需求的細(xì)致剖析及現(xiàn)有網(wǎng)絡(luò)運(yùn)維狀況的深入考察，研究人員清晰地認(rèn)識(shí)到，在自動(dòng)化執(zhí)行效率、流程協(xié)同順暢度以及信息甄別的精準(zhǔn)性方面，存在著巨大的提升空間。特別是在傳統(tǒng)的運(yùn)維模式下，人機(jī)交互環(huán)節(jié)暴露出了技術(shù)門檻過高、閉環(huán)處理效率低下以及運(yùn)維操作缺乏一致性等一系列難題。AI運(yùn)維機(jī)器人應(yīng)運(yùn)而生，它巧妙融合了NLP技術(shù)[4]，AI機(jī)器人便能迅速捕捉其意圖，并精準(zhǔn)定位操作對(duì)象。機(jī)器人依托內(nèi)置的豐富專家經(jīng)驗(yàn)、深厚的業(yè)務(wù)知識(shí)以及廣泛的關(guān)系網(wǎng)絡(luò)，能夠智能地識(shí)別并提取所需信息，進(jìn)而自動(dòng)高效地完成任務(wù)。AI機(jī)器人能夠從網(wǎng)絡(luò)管理系統(tǒng)的多個(gè)界面中實(shí)時(shí)抓取信息，并將這些信息整合成清晰直觀的表格，確保所提供的信息既全面又精確。這一功能極大地提升了運(yùn)維工作的效率與速度，使得整個(gè)運(yùn)維過程變得更為流暢與迅速。通過將原本多步驟的人機(jī)交互過程精簡為單步操作，AI運(yùn)維機(jī)器人顯著減少了交互次數(shù)，使得任務(wù)能夠自動(dòng)并行處理，進(jìn)而大幅提升了業(yè)務(wù)閉環(huán)的效率。在運(yùn)維一致性方面，機(jī)器人嚴(yán)格依據(jù)同源一致性的業(yè)務(wù)知識(shí)來執(zhí)行任務(wù)，確保在相同的運(yùn)維場(chǎng)景中，只需運(yùn)維人員明確表達(dá)意圖，便能實(shí)現(xiàn)一致的運(yùn)維操作。

（二）系統(tǒng)架構(gòu)

AI運(yùn)維機(jī)器人系統(tǒng)架構(gòu)分為四層，如圖1所示。

1.前端用戶界面層

作為運(yùn)維人員的首要交互窗口，設(shè)計(jì)為一個(gè)全天候、無間斷的統(tǒng)一對(duì)話平臺(tái)。這一界面不僅讓運(yùn)維人員能夠隨時(shí)隨地提出問題，還能即刻迎來AI運(yùn)維機(jī)器人的迅速響應(yīng)，精準(zhǔn)識(shí)別其操作意圖與目標(biāo)對(duì)象，并在界面上即時(shí)展示處理結(jié)果。這一設(shè)計(jì)不僅極大提升了工作流程的流暢度與效率，更顯著簡化了用戶訪問與操作系統(tǒng)的復(fù)雜過程。

2.對(duì)話框架層

強(qiáng)大功能在于支持連續(xù)查詢與多輪次的深入交互，有效解決了信息不完整的問題。通過系統(tǒng)上下文的智能推薦功能，它能夠?yàn)檫\(yùn)維人員提供相關(guān)的對(duì)象或意圖建議，從而進(jìn)一步提升對(duì)話的連貫性與效率。此外，該層還具備靈活的業(yè)務(wù)邏輯組合與注入能力，為系統(tǒng)的智能化升級(jí)與拓展奠定了堅(jiān)實(shí)的基礎(chǔ)。

3.AI模型層

集成了Bert、TextCNN及Elasticsearch等前沿技術(shù)，能夠從運(yùn)維人員的初步輸入中智能地解析并識(shí)別其真實(shí)意圖，同時(shí)實(shí)現(xiàn)操作對(duì)象的模糊匹配。這一設(shè)計(jì)確保了系統(tǒng)能夠精準(zhǔn)地捕捉并高效處理運(yùn)維人員的各類需求，為系統(tǒng)的智能化表現(xiàn)提供了有力保障。

4.業(yè)務(wù)邏輯層

作為網(wǎng)絡(luò)管理系統(tǒng)的核心組成部分，為特定業(yè)務(wù)模塊提供了全面的軟件實(shí)現(xiàn)方案。它涵蓋了豐富的業(yè)務(wù)知識(shí)與功能組合，作為查詢意圖的基本調(diào)用單元，為系統(tǒng)的業(yè)務(wù)處理流程提供了穩(wěn)固而堅(jiān)實(shí)的基礎(chǔ)。

5.日志記錄模塊

扮演著記錄與管理運(yùn)維人員通過AI運(yùn)維機(jī)器人執(zhí)行指令的重要角色。它不僅詳細(xì)記錄了每一條指令的執(zhí)行情況，還為系統(tǒng)的管理與統(tǒng)計(jì)分析提供了寶貴的數(shù)據(jù)支持，更為后續(xù)的系統(tǒng)優(yōu)化與升級(jí)工作提供了有力的依據(jù)。

6.權(quán)限控制模塊

通過實(shí)現(xiàn)用戶與角色權(quán)限的分離，采用了分權(quán)分域的管理策略。這一設(shè)計(jì)確保了只有經(jīng)過授權(quán)的運(yùn)維人員才能執(zhí)行相關(guān)任務(wù)，有效防止了未授權(quán)操作的發(fā)生，從而顯著增強(qiáng)了系統(tǒng)的安全性與可靠性。

（三）設(shè)計(jì)實(shí)現(xiàn)

在系統(tǒng)架構(gòu)的精心規(guī)劃之下，得益于對(duì)各模塊的細(xì)致分層與分塊策略，以及微服務(wù)架構(gòu)的引入，自主研發(fā)了核心設(shè)計(jì)范式與算法，共同推動(dòng)系統(tǒng)性能邁上了新的臺(tái)階。

1.在前端UI層面

采用了React框架來生動(dòng)呈現(xiàn)運(yùn)維數(shù)據(jù)界面，通過Redux框架的支持，界面能夠?qū)崟r(shí)動(dòng)態(tài)更新。而Axios框架的引入，則如同為HTTP接口的調(diào)用插上了一雙翅膀，讓數(shù)據(jù)交互變得輕松而高效。

2.在對(duì)話框架的構(gòu)建層面

用戶可以根據(jù)實(shí)際需求，運(yùn)用AIML與SAX輕松地在配置文件中對(duì)業(yè)務(wù)邏輯進(jìn)行編排，同時(shí)自由調(diào)用所需的原子接口。這種設(shè)計(jì)不僅賦予了對(duì)話框架極高的配置靈活性與便捷性，更在業(yè)務(wù)流程的動(dòng)態(tài)響應(yīng)速度上實(shí)現(xiàn)了質(zhì)的飛躍。它能夠迅速適應(yīng)不斷變化的環(huán)境與需求，為網(wǎng)絡(luò)運(yùn)維的智能化發(fā)展提供了有力的支撐。

3.構(gòu)建AI模型的框架

深入探索了網(wǎng)絡(luò)運(yùn)維領(lǐng)域的文本特性。該模型能夠巧妙地將運(yùn)維人員輸入的文本轉(zhuǎn)化為句向量，進(jìn)而利用卷積層對(duì)這些句向量進(jìn)行特征的有效提取。經(jīng)過池化層的進(jìn)一步篩選，去除冗余信息后，模型在激活層的作用下生成一個(gè)一維向量，用于文本的精準(zhǔn)分類。在整個(gè)處理流程中，模型能夠精確地識(shí)別運(yùn)維任務(wù)的意圖及其目標(biāo)對(duì)象。為了進(jìn)一步提升系統(tǒng)的智能處理能力，將模型與網(wǎng)絡(luò)管理系統(tǒng)中的網(wǎng)絡(luò)對(duì)象相結(jié)合，并引入了Elasticsearch進(jìn)行數(shù)據(jù)的精確匹配。

4.在業(yè)務(wù)邏輯層面

它肩負(fù)著處理網(wǎng)管系統(tǒng)中原始數(shù)據(jù)的重任，同時(shí)也是AI運(yùn)維機(jī)器人頻繁調(diào)用的關(guān)鍵模塊。其高效的查詢算法能夠迅速從一個(gè)已知的網(wǎng)絡(luò)對(duì)象定位到與之相關(guān)聯(lián)的對(duì)象。例如，它能夠根據(jù)業(yè)務(wù)需求迅速查找到子接口和源宿網(wǎng)元。在這一層中，運(yùn)維意圖與網(wǎng)絡(luò)對(duì)象之間存在著明確的映射關(guān)系。這些映射關(guān)系不僅支持意圖與實(shí)體之間的正向聯(lián)系，還支持反向聯(lián)系，從而極大地增強(qiáng)了對(duì)話過程中的輸入聯(lián)想與追問能力。

五、基于NLP技術(shù)構(gòu)建AI運(yùn)維機(jī)器人關(guān)鍵能力描述

（一）網(wǎng)絡(luò)運(yùn)維領(lǐng)域的自然語言處理能力

Bert與Text CNN創(chuàng)新性的融合，不僅極大地提升了運(yùn)維機(jī)器人的智能化水平，更為運(yùn)維人員帶來了前所未有的便捷體驗(yàn)。他們只需簡單地發(fā)出指令，運(yùn)維機(jī)器人便能迅速響應(yīng)，精準(zhǔn)地完成各項(xiàng)任務(wù)[5]。NLP技術(shù)憑借其強(qiáng)大的解析能力，能夠細(xì)致地捕捉運(yùn)維人員指令中的每一個(gè)細(xì)節(jié)，準(zhǔn)確無誤地把握任務(wù)意圖及所需操作的具體目標(biāo)。這一過程中，系統(tǒng)首先對(duì)指令進(jìn)行精細(xì)的分詞處理，隨后通過高效的特征提取技術(shù)，深入挖掘指令中的關(guān)鍵信息。

（二）網(wǎng)絡(luò)運(yùn)維領(lǐng)域的知識(shí)圖譜

AI運(yùn)維機(jī)器人在處理網(wǎng)絡(luò)運(yùn)維任務(wù)時(shí)，深入考慮了業(yè)務(wù)、網(wǎng)元、端口、接口等核心元素及其復(fù)雜的運(yùn)維需求。這些網(wǎng)絡(luò)運(yùn)維對(duì)象并非孤立存在，而是通過一系列錯(cuò)綜復(fù)雜卻又條理清晰的關(guān)聯(lián)關(guān)系緊密相連，形成了一個(gè)龐大的網(wǎng)絡(luò)體系。這種細(xì)致入微的構(gòu)建方式不僅體現(xiàn)了網(wǎng)絡(luò)運(yùn)維的復(fù)雜性，更為圖查詢算法的應(yīng)用提供了極大的便利。算法能夠迅速從一個(gè)已知的網(wǎng)絡(luò)對(duì)象出發(fā)，如同一位經(jīng)驗(yàn)豐富的偵探，精準(zhǔn)地定位并關(guān)聯(lián)到其他相關(guān)對(duì)象，從而揭示出隱藏在網(wǎng)絡(luò)深處的秘密。

（三）可視化聊天組件

在查詢結(jié)果的可視化呈現(xiàn)領(lǐng)域，AI運(yùn)維機(jī)器人已邁出了堅(jiān)實(shí)的步伐，并對(duì)此進(jìn)行了全面而深入的優(yōu)化探索。為了將網(wǎng)絡(luò)運(yùn)維中的核心信息以一種更為直觀且引人入勝的方式展現(xiàn)出來，開發(fā)團(tuán)隊(duì)傾注了大量心血，精心構(gòu)思并打造了一系列前沿的高級(jí)前端組件。這些組件種類繁多，各具特色，包括拓?fù)鋱D、趨勢(shì)圖、統(tǒng)計(jì)圖等圖表類組件，以及折疊表格、嵌套表格和對(duì)話卡片等表格與交互類組件。它們能夠依據(jù)數(shù)據(jù)的特性和匹配程度，智能地選擇最為恰當(dāng)?shù)恼故拘问剑瑥亩_保信息的精準(zhǔn)傳達(dá)[6]。

六、結(jié)語

在網(wǎng)絡(luò)業(yè)務(wù)快速發(fā)展和網(wǎng)絡(luò)技術(shù)不斷演進(jìn)的背景下，網(wǎng)絡(luò)運(yùn)維領(lǐng)域面臨著自動(dòng)化程度不足、人才短缺、運(yùn)維一致性差等挑戰(zhàn)。AI運(yùn)維機(jī)器人作為一種創(chuàng)新的解決方案，基于NLP技術(shù)，為運(yùn)維人員提供了極簡的對(duì)話式運(yùn)維操作方式。它能夠智能識(shí)別運(yùn)維意圖和操作對(duì)象，高效自動(dòng)化執(zhí)行任務(wù)，有效降低了運(yùn)維人員的技術(shù)門檻，提升了運(yùn)維效率，實(shí)現(xiàn)了網(wǎng)絡(luò)運(yùn)維的提質(zhì)增效。AI運(yùn)維機(jī)器人通過提供統(tǒng)一對(duì)話框界面入口，實(shí)現(xiàn)了運(yùn)維人員與機(jī)器人的便捷交互。對(duì)話框架層提供了對(duì)話處理和用戶交互的整體框架，AI模型層基于Bert、TextCNN和Elasticsearch實(shí)現(xiàn)模型，智能識(shí)別運(yùn)維意圖并模糊匹配到具體的操作對(duì)象。業(yè)務(wù)邏輯層提供業(yè)務(wù)知識(shí)調(diào)用與組合，實(shí)現(xiàn)了意圖查詢中的原子調(diào)用。通過這些技術(shù)手段，AI運(yùn)維機(jī)器人能夠快速查找到關(guān)聯(lián)的網(wǎng)絡(luò)對(duì)象，實(shí)現(xiàn)了運(yùn)維意圖與網(wǎng)絡(luò)對(duì)象之間的正反向關(guān)聯(lián)，支撐對(duì)話過程中的輸入聯(lián)想和追問。

參考文獻(xiàn)

[1]翁先正，鄭棉鑫，李才俊，等.基于NLP技術(shù)構(gòu)建AI運(yùn)維機(jī)器人的探索與實(shí)踐[J].數(shù)字通信世界，2024（03）：34-37.

[2]王思瑩，林淳，彭少華.基于深度學(xué)習(xí)的企業(yè)客服機(jī)器人研究[C]//2023電力行業(yè)信息化年會(huì)論文集.中國電機(jī)工程學(xué)會(huì)電力信息化專業(yè)委員會(huì)，2023：239-243.

[3]魏娜娣，段再超.基于NLP的虛擬人自動(dòng)對(duì)話系統(tǒng)關(guān)鍵技術(shù)研究[J].計(jì)算機(jī)仿真，2023，40（07）：229-232+238.

[4]廖若飛，廖海.一種基于NLP的機(jī)器人查詢系統(tǒng)[J].電腦知識(shí)與技術(shù)，2018，14（21）：97-98.

[5]李心玥，徐佳琦，周思靜，等.基于NLP技術(shù)在運(yùn)維自動(dòng)化領(lǐng)域構(gòu)建智能問答模型的探索與實(shí)踐[J].中國金融電腦，2021（08）：75-80.

[6]于丹，閆曉宇，王艷秋，等.任務(wù)型對(duì)話機(jī)器人的設(shè)計(jì)及其應(yīng)用[J].軟件工程，2021，24（02）：55-59.

基金項(xiàng)目：成都川油瑞飛科技有限責(zé)任公司科研項(xiàng)目“‘瑞睿’ 數(shù)智員工研究及應(yīng)用”（項(xiàng)目編號(hào)：CY2024KY005）

作者單位：成都川油瑞飛科技有限責(zé)任公司

責(zé)任編輯：張津平 尚丹