业务系统-AI 智能导航设计-系统设计篇(上）
引言
在数字化转型加速推进的当下，企业业务系统正朝着复杂化、集成化方向快速发展。据 Gartner 调研数据显示，超过 68% 的企业业务系统因功能模块激增导致员工平均操作失误率上升 23%，传统菜单式导航与标准化培训模式已难以应对 "功能爆炸" 带来的使用效率挑战。
AI 技术的成熟应用为业务系统人机交互优化提供了全新解决方案 —— 构建基于机器学习与知识图谱的智能导航体系，不仅能够将员工系统操作学习成本降低 40% 以上（参照 Salesforce Einstein 导航模块实施效果），更能通过动态路径规划与场景化决策辅助，实现从 "被动指令执行" 到 "主动需求预判" 的交互范式升级。
本设计方案立足企业级业务系统应用场景，通过多模态交互引擎、智能决策中枢与知识图谱导航网络的三维架构设计，致力于解决三大核心问题：
-
一是突破传统导航 "功能堆砌" 的信息过载困局，建立符合认知科学的操作引导逻辑；
-
二是打破系统间数据壁垒，构建跨业务流程的智能导航中枢；
-
三是通过 AI 算法持续优化，形成 "用户行为 - 导航反馈 - 策略迭代" 的闭环进化机制。
方案严格遵循 ISO 27001 信息安全标准与微服务架构设计规范，在确保数据安全的前提下，实现导航效率与业务洞察力的双重提升，为企业数字化转型提供人机协同的智能化操作基座。
系统架构设计
AI 智能导航系统架构分为四层，具体如下：
展示层
-
展示层作为用户与系统交互的关键入口，具备双重交互引导模式。一方面，用户可主动明确场景并进行交互操作；另一方面，也可借助 AI Agent 的意图识别功能，由 AI 自动判定适宜的导航场景。
-
在用户意图识别完成后，AI Agent 会依据识别结果，精准筛选并确定相关推荐信息，以简洁明了的下拉框列表形式呈现给用户，有效提升用户决策的准确性与效率。
-
此外，展示层会全方位展示 AI 实时处理日志，涵盖思考日志、意图识别日志、计划规划日志、人机交互日志、执行日志、调用工具日志以及执行结果日志等多种类型。这些日志详细记录 AI 操作的策略与过程，让用户清晰了解 AI 的工作逻辑与进展。
AI Agent 层
-
AI Agent 层以图结构构建导航工作流，集成意图识别组件、知识库检索组件、人机交互组件、函数调用组件、用户反馈记录组件等多个关键组件。通过对图工作流中节点与边的灵活流式处理、动态变化及循环机制，AI Agent 能够围绕任务解决目标，自主生成多样化的处理路径。
-
在此过程中，AI Agent 会将处理节点与具体过程详尽记录至事件日志。后续借助算法对成功处理路径进行分析，自动筛选出最短路径，持续优化和完善 AI Agent 的导航处理机制，提升导航效率与精准度。
Function Calling 层
-
AI Agent 能够自动调用 RAG、MCP 及各类 Tools，有效拓展导航系统的处理能力边界。系统预先设置浏览器自动化交互组件、Graph RAG 知识图谱组件，而业务系统需提供处理特定业务逻辑的函数调用组件。
-
通过这些组件的协同运作，导航系统得以实现自动化操作流程，并为用户提供关于系统、操作及功能的全面提示与帮助功能，满足不同业务场景下的复杂需求。
算法层
-
算法层是奠定智能导航核心能力的关键所在。
-
知识图谱处理模块，可精准检索与用户意图高度契合的导航内容及操作；
-
语义建模与 COT 思维链相结合，助力大模型深度理解复杂导航流程，以人机协同模式辅助用户高效处理复杂任务。
-
完善的反馈机制积极吸纳一线员工的业务经验，并将其转化融入知识图谱，不断丰富和优化导航逻辑底层。
-
同时，业务领域需编写符合规范、适配大模型的算法应用，确保 AI 能够精准、高效地执行业务系统的导航任务。
辅助模块
日志、预警、鉴权、监控等模块，为系统运行提供安全保障与运行状态监测，确保系统安全稳定、可追溯和可监控 。
核心模块详细设计
场景化处理
一、模块功能定位
基于业务场景构建三维度决策约束体系，通过语义空间限定（缩小 30% 问题维度）、操作流程预定义（减少 40% 无效计算）、数据规则校验（提升 50% 输入准确性），实现 AI Agent 决策效率提升 40% 与正确率提升 35%，构建 "场景语义理解 - 需求特征提取 - 动作策略生成" 的毫秒级映射链路。
二、核心实现机制
-
动态语义匹配引擎：通过 NLP 语义理解技术实时解析用户操作上下文，通过语义理解自动关联预设场景模型
-
知识图谱存储引擎：通过业务场景化缩小RAG + 知识图谱检索范围，采用场景+元数据标注方式构建业务场景知识图谱，包含场景触发条件、业务流程节点、数据输入输出规范等维度。
-
历史经验继承机制：建立场景化操作日志池（保留最近 30 天操作记录），通过注意力机制计算历史操作与当前场景的相似度（余弦相似度阈值≥0.7），自动选择最优导航线路，并填充 70% 常规参数
-
缩小调用函数范围：基于场景流程节点确定函数调用 DAG 图，以及该函数所需的Tools 工具组件，明确大模型的决策路径，从而提高大模型的决策精准度和正确率。
导航 AI Agent
导航AI Agent 流程图
导航AI Agent 技术实现思路
导航AI Agent 将采用LangGraph 框架集成方案，因其支持：
- 动态图结构编排（支持父图 - 子图嵌套模式）
- 节点级缓存机制（减少重复计算，提升响应速度 30%）
- 自定义边类型（支持条件边、权重边、时间边等复杂关系）
- 节点设计
-
意图识别节点（IntentRecognitionNode）：多模态意图理解（文本 + 行为特征）
-
计划节点（PlanningNode）：基于知识图谱的路径规划
-
工具调用节点（ToolInvocationNode）：安全可控的函数调用
-
RAG 查询节点（RAGQueryNode）：基于检索增强生成（RAG）的知识获取
-
生成结果节点（ResultGenerationNode）：基于执行业务工作流或LLM 的的响应生成
-
结果评估节点（ResultEvaluationNode）：对生成结果进行相关校验
-
构建一个完善的导航AI Agent 需要编写一个相对较复杂的图工作流，总体来说可包含查询流程，执行图流程，反馈流程三个部分。
一、查询子图流程 
查询子图
-
用户场景信息确定
-
人机交互引导：提供可视化下拉菜单、快捷标签选择框等交互组件，供用户手动选择业务场景。对于新手用户，系统自动弹出引导提示，介绍不同场景功能。
-
语义理解推荐：采用基于 Transformer 架构的语义理解模型（如 BERT），对用户输入文本进行向量化表示，计算与预设场景向量的相似度。筛选相似度排名前 3 的场景，以卡片形式向用户推荐，附带简短场景说明，引导用户确认。
-
-
用户操作意图明确
-
语义匹配检索：利用 Elasticsearch 等搜索引擎搭建数据库，将业务流程节点信息进行索引存储。当用户输入操作相关内容时，通过 TF - IDF、BM25 等文本检索算法，结合语义匹配模型（如 Sentence - BERT），从数据库中检索最相关的流程节点信息。
-
人机交互确认：将检索到的流程节点信息以列表形式展示给用户，每个节点附带简要操作说明。用户可点击节点进行详细查看，或直接选择确认。若用户对结果不满意，可通过输入新文本或选择 “重新检索” 按钮，触发二次检索。
-
-
关键信息获取
-
导航路径规划信息：基于业务流程知识图谱（采用 Neo4j 图数据库存储），结合用户选定的场景和操作意图，使用 A*、Dijkstra 等路径规划算法，生成从当前状态到目标状态的最优导航路径。
-
导航 COT 思维链：运用思维链（Chain of Thought, COT）技术，将导航路径中的每个步骤进行逻辑拆解和推理说明。例如，对于 “提交采购申请” 操作，生成 “确定采购需求→填写采购表单→选择供应商→提交审核” 的思维链，并为每个步骤提供简要解释和相关知识链接。
-
操作流程语义建模信息：采用语义建模语言（如 OWL - S、BPEL4WS 等）对操作流程进行形式化描述，明确输入输出参数、操作顺序、条件判断等语义信息。通过自然语言处理技术，将语义模型转化为易于理解的文本说明和可视化流程图，供用户和开发人员查看。
-
人机协同边界原模版定义信息：依据操作的复杂程度、风险等级等因素，结合历史操作数据和专家经验，使用决策树、随机森林等机器学习模型，自动生成人机协同边界原模版。例如，对于简单数据录入操作，设定 AI 自动化处理比例为 90%；对于复杂审批操作，人工确认比例为 70%。原模版支持手动调整和自定义配置。
-
-
工具范围确定与记忆信息导入
-
工具范围确定：根据明确的场景，从工具库（包含基础 Tools 和业务 MCP Tools）中筛选出大模型可用的工具集合。例如，在财务报表场景中，限定可调用的工具为数据查询工具、公式计算工具、报表生成工具等，并设置工具调用权限和参数范围。
-
记忆信息导入：从操作历史数据库（采用关系型数据库如 MySQL 存储）中检索与当前场景、操作相关的记忆信息，包括正确操作的上下文历史记录（如前几次操作的输入输出数据、操作时间、操作结果等）和相关历史参数信息（如常用的参数值、默认设置等）。将这些信息以结构化形式导入系统，为当前操作提供参考和辅助，提高自动化操作的准确性和效率。
-
二、执行子图流程
执行子图
-
操作执行
-
页面导航操作：根据导航路径规划，若涉及页面跳转操作，使用 Selenium、Playwright 等自动化测试工具，模拟用户在浏览器中的操作行为，实现快速导航到目标页面。同时，对页面加载状态进行实时监测，若页面加载超时或出现错误，自动重试或提示用户进行手动干预。
-
自动化任务处理：对于可自动化处理的节点任务，调用预先编写的自动化脚本或函数。例如，在数据录入场景中，使用 Python 的 pandas 库进行数据批量处理和填充；在文件格式转换场景中，调用相关的文件处理工具包（如 Java 的 Apache POI 用于 Excel 文件处理）。在自动化执行过程中，实时记录操作日志和状态信息，若出现异常，自动回滚操作并记录错误详情。
-
人机交互任务处理：当遇到复杂目标任务需要人机交互时，通过设计友好的交互界面（如对话框、操作指引面板等），引导用户与 AI 协同完成任务。AI 提供实时的操作建议、相关信息提示和步骤引导，用户根据提示进行操作确认或输入必要信息。例如，在复杂审批流程中，AI 分析申请内容并提供风险评估和建议，用户根据建议进行最终审批决策。
-
-
操作日志保存与结果校验
-
操作日志保存：使用日志管理工具（如 Log4j、Python 的 logging 模块等），对每次操作的详细信息进行记录，包括操作时间、操作类型、操作对象、输入参数、输出结果、执行耗时等。将日志信息存储到分布式文件系统（如 HDFS）或日志数据库（如 Elasticsearch + Logstash + Kibana 组合）中，以便后续查询、审计和分析。
-
结果校验机制：
-
校验结果边界：根据操作流程语义建模信息中定义的输出参数范围和约束条件，对操作结果进行合法性校验。例如，对于数值型参数，检查是否在指定的取值区间内；对于枚举型参数，检查是否为合法枚举值。若结果超出边界范围，触发错误处理机制，提示用户或自动进行修正尝试。
-
参数生成校验：分析操作结果是否满足下一次操作所需的必要参数条件。例如，在一个需要先查询数据再进行计算的流程中，检查查询结果是否能为后续计算提供足够的输入数据。若不满足条件，根据情况自动调整操作流程（如重新查询数据、补充输入信息等）或提示用户进行干预。
-
-
-
流程循环与退出：在完成一次操作并通过结果校验后，判断是否已完成全部导航路径规划操作。若未完成，根据导航路径继续执行下一个操作节点，重复上述操作执行、日志保存和结果校验过程。当全部导航路径规划操作完成后，退出执行子图流程，进入反馈子图流程。
三、反馈子图流程
反馈子图
-
用户评价与反馈收集：为用户提供多样化的评价方式，如星级评价（1 - 5 星）、文字评论框、问题反馈勾选框（如 “操作不流畅”“结果不准确”“功能缺失” 等选项）。在操作完成后，自动弹出评价窗口，引导用户进行评价和反馈。同时，设置 “稍后评价” 按钮，方便用户在合适的时间进行反馈。
-
反馈结果保存与处理：将用户的反馈结果实时保存到反馈数据库（可与操作历史数据库关联）中。后台系统对反馈结果进行分类整理和初步分析，使用文本分类算法（如朴素贝叶斯、支持向量机等）对文字评论进行情感分析和主题分类，标记反馈的关键信息和问题类型。根据反馈结果的严重程度和紧急程度，设置不同的优先级（如 P0 - 紧急严重问题，P1 - 重要问题，P2 - 一般问题，P3 - 轻微问题），以便后续针对性处理。
-
模型训练与流程优化：
-
模型训练：对于涉及模型性能提升的反馈（如结果不准确、推荐不合理等），将相关反馈数据作为训练样本，定期或实时更新 AI 模型。例如，若用户反馈语义理解不准确，将用户输入文本和正确的语义理解结果作为训练数据，对语义理解模型进行微调；若反馈导航路径不合理，将操作场景、导航路径和用户反馈信息用于路径规划模型的优化训练。
-
流程优化：根据反馈结果中指出的流程问题（如操作步骤繁琐、人机协同不顺畅等），对查询子图流程、执行子图流程中的相关节点和逻辑进行调整和优化。例如，简化不必要的操作步骤，重新定义人机协同边界，优化工具调用顺序等。优化后进行内部测试和验证，确保改进措施有效且不会引入新的问题。
-
浏览器自动化交互组件
浏览器自动化交互组件是 AI 智能导航系统的核心模块之一，基于现代浏览器引擎 Playwright 构建，结合 Stagehand 框架，实现对浏览器的自动化控制与交互。该组件为 AI 导航系统提供了操作浏览器、模拟用户行为、获取页面数据等能力，是连接 AI 智能逻辑与网页内容的桥梁。
框架选型
本组件采用 "Playwright + Stagehand" 的技术框架组合：
-
Playwright：作为底层浏览器自动化引擎，提供跨浏览器支持（Chrome, Firefox, Safari 等）、高效的页面操作 API、稳定的自动化能力。其核心特性包括：
-
支持无头模式与有头模式切换
-
提供丰富的选择器 API（CSS, XPath, Playwright Selectors 等）
-
支持页面事件监听与拦截
-
具备强大的元素等待与状态判断机制
-
-
Stagehand：作为 Playwright 的 AI 驱动后继框架，通过自然语言处理能力增强自动化操作：
-
支持自然语言指令解析
-
提供模块化、可扩展的架构设计
-
可快速构建 web browsing agent
-
集成智能任务编排与动态调整能力
-
支持云原生部署与插件式扩展
-
方便集成到LangGraph 框架
-
功能模块
浏览器控制模块
负责浏览器实例的创建、管理与销毁，提供统一的浏览器操作接口：
-
浏览器实例管理：
-
创建多浏览器实例（支持不同浏览器类型与版本）
-
浏览器实例生命周期管理（启动、关闭、重启）
-
浏览器实例状态监控与资源回收
-
-
上下文与页面管理：
-
浏览器上下文创建与管理（Cookie 隔离、权限设置等）
-
页面创建、切换、关闭操作
-
多标签页协同操作与管理
-
-
浏览器配置：
-
浏览器启动参数配置（无头模式、窗口大小、代理设置等）
-
浏览器性能优化配置（网络限速、资源加载策略等）
-
浏览器安全与隐私配置（Cookie 策略、权限控制等）
-
页面交互模块
实现页面元素操作与用户行为模拟，支持复杂的页面交互场景：
-
元素定位与操作：
-
多方式元素定位（CSS 选择器、XPath、Playwright Selectors 等）
-
元素基本操作（点击、输入、悬停、拖拽等）
-
元素状态判断（可见性、可点击性、值获取等）
-
-
用户行为模拟：
-
键盘与鼠标操作模拟（按键输入、鼠标移动、滚轮滚动等）
-
复杂用户操作序列编排（如表单填写、多步骤导航等）
-
随机化用户行为（模拟真实用户操作模式，避免被识别为机器人）
-
-
页面导航与加载：
-
地址栏导航与历史管理
-
页面加载状态监控与等待（基于元素加载、网络状态等）
-
页面重定向处理与异常恢复
-
数据获取与处理模块
负责页面数据的提取、处理与结构化输出：
-
数据提取：
-
元素文本与属性提取
-
页面 HTML 与 JSON 数据提取
-
正则表达式与 XPath 数据匹配提取
-
-
数据处理与转换：
-
数据清洗与格式化（去除噪声、统一格式等）
-
数据结构化处理（转换为 JSON、XML 等格式）
-
数据过滤与筛选（基于条件提取特定数据）
-
-
截图与录制：
-
页面截图（全页截图、元素截图等）
-
操作过程录制（用于调试与回放）
-
截图与录制的压缩与存储
-
Stagehand AI Web模块
Stagehand 框架提供以下增强功能：
-
自然语言指令解析：
-
自然语言指令到浏览器操作的转换
-
指令语义理解与歧义处理
-
指令参数提取与验证
-
-
智能任务编排：
-
基于指令的任务分解与规划
-
任务依赖分析与执行顺序优化
-
动态任务调整与异常重试
-
-
AI 模型集成：
-
与 NLP 模型对接（用于指令理解与生成）
-
机器学习模型用于操作优化（如元素定位优化、等待策略优化等）
-
模型训练与更新机制
-
Graph RAG 知识图谱
Graph RAG 知识图谱组件作为 AI 智能导航系统的知识中枢，基于 Neo4j 图数据库构建，通过图结构建模与检索增强生成（RAG）技术的深度融合，实现对浏览器自动化交互全生命周期知识的高效管理。该组件核心负责存储导航路径规划、导航 COT 思维链、操作流程语义模型及人机协同边界模板等关键数据，通过图数据库的关联查询能力支撑 AI 导航的智能决策，并为自动化流程优化提供知识推理基础。
框架选型
采用 Neo4j 图数据库：
-
原生图存储结构：采用属性图模型（Property Graph Model），支持节点、关系、属性的原生存储，天然适配导航知识中复杂的语义关联关系（如 "元素 - 操作 - 页面" 的三元组关联）
-
高效图遍历能力：通过 Cypher 查询语言实现毫秒级图遍历，满足 AI 导航实时决策时的知识检索需求（如路径规划时的最短路径计算）
-
动态 schema 设计：支持无模式（Schema-free）与半模式（Semi-schema）混合存储，适配浏览器自动化场景中动态变化的页面结构知识
-
分布式扩展能力：支持集群部署与数据分片，可承载千万级节点规模的导航知识图谱
核心数据建模方案
导航路径规划
结构化数据建模
| 字段名称 | 数据类型 | 字段含义描述 |
| 页面 ID | 字符串 (UUID) | 页面的全局唯一标识符，用于唯一标识导航路径中的每个页面节点 |
| 场景 ID | 字符串 (UUID) | 关联的业务场景唯一标识符，用于标识该导航路径所属的业务场景 |
| 页面名称 | 字符串 | 页面的中文名称，用于直观标识页面用途，如 "首页"、"XX详情页" 等 |
| 功能描述列表 | JSON | 页面功能的多维度描述，以数组形式存储不同角度的功能说明，如 ["商品展示","搜索入口"] |
| 操作描述列表 | JSON | 页面包含的操作集合描述，记录该页面可执行的操作及其用途，如 ["点击搜索按钮","输入关键词"] |
| 导航路径 | 字符串 | 页面的标准化 URL 地址，用于导航跳转，需去除 UTM 等追踪参数 |
| 前置路径 | 字符串数组 | 该页面的前置路径节点 ID 集合，记录跳转到当前页面的上一页面节点 ID |
| 后置路径 | 字符串数组 | 该页面的后置路径节点 ID 集合，记录从当前页面可跳转的下一页面节点 ID |
| 创建时间 | 时间戳 | 记录导航路径规划数据的创建时间，格式为 ISO 8601 标准时间戳 |
| 创建人 | 字符串 | 记录创建该导航路径规划数据的用户标识或用户名 |
| 修改时间 | 时间戳 | 记录导航路径规划数据的最后修改时间，格式为 ISO 8601 标准时间戳 |
| 修改人 | 字符串 | 记录最后修改该导航路径规划数据的用户标识或用户名 |
图数据库节点建模
- 页面节点（Page）
{"pageId": "P001", // 全局唯一标识符"pageName": "首页", // 页面中文名称"navigationUrl": "/home", // 标准化URL路径"domain": "example.com", // 所属域名"pageType": "HOME", // 页面类型（枚举）"loadTime": 2.3, // 平均加载时间（秒）"createTime": "2025-06-01T10:00:00Z", // 创建时间"createBy": "system", // 创建人"updateTime": "2025-06-02T15:30:00Z", // 修改时间"updateBy": "admin" // 修改人
}-
场景节点（Scenario）
{"scenarioId": "S001", // 场景唯一标识符"scenarioName": "商品搜索流程", // 场景名称"description": "用户搜索并浏览商品的完整路径", // 场景描述"createTime": "2025-06-01T11:00:00Z","createBy": "product_manager"
}-
功能节点（Function）-对应下文中的 COT 思维链建模
-
操作节点（Action）-对应下文中的操作决策步骤建模
图数据库关系建模
-
页面 - 场景关系（BELONGS_TO）
// 页面属于某个场景
(:Page {pageId: "P001"})-[:BELONGS_TO {weight: 0.8}]->(:Scenario {scenarioId: "S001"})-
页面 - 功能关系（HAS_FUNCTION）
// 页面包含多个功能
(:Page {pageId: "P001"})-[:HAS_FUNCTION]->(:Function {functionId: "F001"})
(:Page {pageId: "P001"})-[:HAS_FUNCTION]->(:Function {functionId: "F002"})-
功能 - 操作关系（REQUIRES_ACTION）
// 功能需要执行某些操作
(:Function {functionId: "F001"})-[:REQUIRES_ACTION]->(:Action {actionId: "A001"})-
页面 - 页面关系（NAVIGATES_TO）
// 场景包含的页面路径
(:Scenario {scenarioId: "S001"})-[:INCLUDES {order: 1}]->(:Page {pageId: "P001"})
(:Scenario {scenarioId: "S001"})-[:INCLUDES {order: 2}]->(:Page {pageId: "P002"})导航COT思维链
结构化数据建模
| 字段名称 | 数据类型 | 字段含义描述 |
|---|---|---|
| 唯一标识 ID | 字符串 (UUID) | 导航思维链的全局唯一标识符（如 |
| 场景 ID | 字符串 (UUID) | 关联的业务场景 ID（如 |
| 导航路径 ID | 字符串 (UUID) | 关联的导航路径 ID（如 |
| 功能目标 | 字符串 | 思维链的核心目标（如 "完成商品支付"），需明确可验证的结果（如 "跳转至支付成功页"） |
| 功能描述 | 字符串 | 功能的详细说明（如 "用户在电商平台选择商品并完成支付的全流程"） |
| 状态 | 枚举值 | 思维链当前状态（ |
| 决策步骤列表 | JSON 数组 | 包含以下字段的步骤集合： |
| 创建时间 | 时间戳 | 格式为 |
| 创建人 | 字符串 | 用户 ID 或用户名（如 |
| 修改时间 | 时间戳 | 最后修改时间，格式同上 |
| 修改人 | 字符串 | 最后修改者的用户 ID 或用户名 |
| 依赖思维链 | 字符串数组 | 前置思维链 ID 集合（如 |
图数据库节点建模
- 思维链节点 (ThoughtChain)
CREATE CONSTRAINT ON (tc:ThoughtChain) ASSERT tc.chainId IS UNIQUE
CREATE (tc:ThoughtChain {chainId: "COT-20250603-001",functionGoal: "完成商品支付",functionDescription: "用户在电商平台选择商品并完成支付的全流程",status: "active",createTime: datetime("2025-06-03T10:30:00Z"),createBy: "alice@example.com",updateTime: datetime("2025-06-03T14:20:00Z"),updateBy: "bob@example.com"
})图数据库关系建模
-
思维链 - 场景关系 (BELONGS_TO_SCENARIO)
MATCH (tc:ThoughtChain {chainId: "COT-20250603-001"})
MATCH (s:Scenario {scenarioId: "SC-20250601-001"})
CREATE (tc)-[:BELONGS_TO_SCENARIO]->(s)-
思维链 - 导航路径关系 (ASSOCIATED_WITH_PATH)
MATCH (tc:ThoughtChain {chainId: "COT-20250603-001"})
MATCH (np:NavigationPath {pathId: "NP-20250602-001"})
CREATE (tc)-[:ASSOCIATED_WITH_PATH]->(np)-
思维链 - 决策步骤关系 (CONTAINS_STEP)
MATCH (tc:ThoughtChain {chainId: "COT-20250603-001"})
MATCH (ds1:DecisionStep {stepId: "S001"})
MATCH (ds2:DecisionStep {stepId: "S002"})
CREATE (tc)-[:CONTAINS_STEP {order: 1}]->(ds1)
CREATE (tc)-[:CONTAINS_STEP {order: 2}]->(ds2)-
思维链 - 依赖思维链关系 (DEPENDS_ON_CHAIN)
CREATE (tc:ThoughtChain {chainId: "COT-20250603-002", functionGoal: "订单确认"})MATCH (current:ThoughtChain {chainId: "COT-20250603-001"})
MATCH (dependency:ThoughtChain {chainId: "COT-20250603-002"})
CREATE (current)-[:DEPENDS_ON_CHAIN]->(dependency)操作决策步骤
结构化数据建模
| 字段名称 | 数据类型 | 字段含义描述 |
|---|---|---|
| 唯一标识 ID | 字符串 (UUID) | 决策步骤的全局唯一标识符（如DS-20250604-S001），采用类型-时间戳-序列号生成规则，确保唯一性 |
| 功能 ID | 字符串 (UUID) | 关联的功能模块 ID（如FUNC-20250601-003），指向具体功能节点的主键，用于功能模块的统一管理 |
| 步骤描述 | 字符串 | 决策步骤的详细说明（如 "验证用户输入的支付密码"），需包含操作对象、动作和预期结果 |
| 步骤目标 | 字符串 | 该步骤的核心目标（如 "密码验证通过"），需具备可验证性（如返回isValid: true） |
| 步骤顺序 | 整数 | 决策步骤在思维链中的执行顺序（如1、2），用于保证流程的有序性 |
| 步骤类型 | 枚举值 | 步骤的功能类型，包括：CONDITION（条件判断）、ACTION（动作执行）、BRANCH（分支决策） |
| 条件表达式 | 字符串 | 仅适用于CONDITION类型，定义判断条件（如password.length >= 6 && password.match(/^[a-zA-Z0-9]+$/)） |
| 动作参数 | JSON 对象 | 仅适用于ACTION类型，定义动作执行所需参数（如{"inputValue": "123456", "elementSelector": "input#password"}） |
| 分支规则 | JSON 数组 | 仅适用于BRANCH类型，定义分支条件及对应跳转步骤（如[{"condition": "isValid", "nextStep": "S003"}, {"condition": "!isValid", "nextStep": "S004"}]） |
| 前置条件 | 字符串数组 | 步骤执行的前置条件 ID 集合（如["PRECOND-001", "PRECOND-002"]），确保依赖条件满足 |
| 后置条件 | 字符串数组 | 步骤执行后的验证条件 ID 集合（如["POSTCOND-001", "POSTCOND-002"]），用于结果验证 |
| 创建时间 | 时间戳 | 步骤数据的创建时间，格式为 ISO 8601（如2025-06-04T09:15:00Z） |
| 创建人 | 字符串 | 创建该步骤的用户标识或用户名（如charlie@example.com） |
| 修改时间 | 时间戳 | 步骤数据的最后修改时间，格式同上 |
| 修改人 | 字符串 | 最后修改该步骤的用户标识或用户名 |
图数据库节点建模
- 决策步骤节点 (DecisionStep)
// 创建 DecisionStep 节点标签和属性
CREATE (:DecisionStep {stepId: 'S001',stepOrder: 1,stepType: 'CONDITION',description: '检查购物车是否有商品'
});CREATE (:DecisionStep {stepId: 'S002',stepOrder: 2,stepType: 'ACTION',description: '跳转到支付页面'
});图数据库关系建模
-
思维链 - 决策步骤关系 (CONTAINS_STEP)
// 创建 CONTAINS_STEP 关系
MATCH (t:ThoughtChain {chainId: 'TC001'}), (d1:DecisionStep {stepId: 'S001'})
CREATE (t)-[:CONTAINS_STEP {order: 1}]->(d1);MATCH (t:ThoughtChain {chainId: 'TC001'}), (d2:DecisionStep {stepId: 'S002'})
CREATE (t)-[:CONTAINS_STEP {order: 2}]->(d2);-
决策步骤 - 决策步骤关系 (NEXT_STEP)
// 创建 NEXT_STEP 关系
MATCH (d1:DecisionStep {stepId: 'S001'}), (d2:DecisionStep {stepId: 'S002'})
CREATE (d1)-[:NEXT_STEP {condition: 'cart.items > 0',confidence: 0.95,lastExecuted: datetime()
}]->(d2); 人机协同边界
结构化数据建模
| 字段名称 | 数据类型 | 字段含义描述 |
|---|---|---|
| id | String | 唯一标识符，格式为CB-序列号（如CB-001），用于确保模型中节点的唯一性。 |
| functionId | String | 功能模块关联 ID，格式建议为F-YYYY-MM-序列号（如F-2023-06-001），用于业务分类管理。 |
| boundaryDescription | String | 文本描述人机协同边界在业务流程中的具体含义，需明确自动化与人工操作的临界点。 |
| automationSteps | JSON | 自动化执行的决策步骤 ID 列表，按业务流程顺序存储（如['S001', 'S002']）。 |
| collaborationSteps | JSON | 需人工干预的决策步骤 ID 列表，按业务流程顺序存储（如['S003', 'S004']）。 |
| createdTime | DateTime | 节点创建时间，采用 ISO 8601 标准格式（如2025-06-02T10:00:00Z），用于审计追踪。 |
| createdBy | String | 节点创建人标识（如system_admin），记录模型创建的责任主体。 |
| modifiedTime | DateTime | 节点最后修改时间，支持版本追溯。 |
| modifiedBy | String | 节点最后修改人标识，记录模型变更的操作主体。 |
图数据库节点建模
- 人机协同节点
// 2. 创建人机协同节点（示例）
CREATE (:HumanMachineCollaboration {id: 'HMC-001',collaborationType: 'AUTO_HUMAN',boundaryDescription: '订单支付流程：系统校验后人工确认',automationSteps: ['S001', 'S002'],humanInteractionSteps: ['S003', 'S004'],createdTime: datetime(),createdBy: 'system_admin',modifiedTime: datetime(),modifiedBy: 'system_admin'
});图数据库关系建模
-
关联协同边界与思维链
// 关联协同边界与思维链
MATCH (h:HumanMachineCollaboration {id: 'HMC-001'}), (t:ThoughtChain {chainId: 'TC001'})
CREATE (h)-[:APPLIES_TO {priority: 1}]->(t);-
关联协同边界与自动化步骤
// 关联协同边界与自动化步骤
MATCH (h:HumanMachineCollaboration {id: 'HMC-001'}), (d:DecisionStep {stepId: 'S001'})
CREATE (h)-[:AUTOMATES {sequence: 1}]->(d);
-
关联协同边界与人工步骤
// 关联协同边界与人工步骤（带超时属性）
MATCH (h:HumanMachineCollaboration {id: 'HMC-001'}), (d:DecisionStep {stepId: 'S003'})
CREATE (h)-[:REQUIRES_HUMAN {sequence: 1, timeout: duration({minutes: 30})}]->(d);