一种分布式虚拟机器人AI系统的制作方法

本发明涉及人工智能，尤其是指一种分布式虚拟机器人ai系统。

背景技术：

1、业务稽核是对业务受理单据的完整性、一致性、真实性进行校验核对，传统的稽核以手工方式为主，人工成本支出巨大，稽核效率低下。以一运营商某省公司为例，年稽核工单超4000万，全业务人工稽核成本近1亿。通过智能图片识别领域，借助ai技术，结合通信行业业务特性，可打造市场业务ai稽核和政企业务ai稽核两项能力，替代人工判定操作，实现市场及政企基础业务的全面智能化稽核。

2、ai稽核业务流程是对应用系统传输的输入文件，通过ai稽核预处理+ai稽核规则+ai核心算法的组合服务后，返回ai识别结果。

3、通过聚焦政企、市场领域稽核业务需求，应用ai技术解决稽核智能化瓶颈，ai稽核业务目前已覆盖开户、补卡、密码重置、身份确认、过户、销户重开等所有高敏感业务场景，显著提升政企、市场领域的数智化水平。

4、随着企业业务的快速增长，尤其是在线交易和服务的普及，企业需要处理的业务单据数量急剧增加。这些单据包括但不限于账户开户、交易记录、身份验证等，它们需要经过严格的稽核流程以确保合规性和准确性。传统的人工稽核方法不仅耗时耗力，而且容易出错，无法满足快速响应和大规模处理的需求。

5、为了应对这一挑战，企业开始探索和实施基于人工智能(ai)的自动化稽核解决方案。ai稽核业务处理利用机器学习、自然语言处理(nlp)、图像识别等先进技术，自动化地对业务单据进行完整性、一致性和真实性的校验。通过这种方式，企业能够提高稽核效率，降低人工成本，并减少因人为错误导致的稽核风险。

6、为了实现高效的ai稽核业务处理，分布式节点部署方案被提出并广泛应用。在这种方案中，ai稽核系统被部署在多个地理位置的节点上，每个节点负责处理特定区域或类型的业务单据。这种分布式架构提供了多个优势：

7、负载均衡：通过分散处理负载到不同的节点，系统能够更有效地管理大量的业务请求，避免单点过载。

8、响应速度：节点地理分布的接近性可以减少数据传输延迟，提高对本地业务请求的响应速度。

9、可靠性与容错性：分布式架构提高了系统的稳定性，即使某个节点发生故障，其他节点仍然可以继续提供服务。

10、扩展性：随着业务量的增长，可以通过增加新的节点来扩展系统的处理能力，而不需要对现有架构进行大规模的改动。

11、数据安全与合规性：分布式节点可以更好地遵守数据隐私和合规性要求，因为数据可以在产生地进行处理，减少跨区域传输。

12、通过实施ai稽核业务处理的分布式节点部署方案，企业不仅能够提高业务处理的效率和质量，还能够更好地适应不断变化的市场环境和业务需求。

13、然而，现有技术的分布式节点部署方案存在以下问题：

14、1、节点协调与管理复杂性：

15、分布式节点部署方案虽然提高了处理能力和响应速度，但随着节点数量的增加，节点之间的协调和管理变得更加复杂，需要高效的中心管理节点来维护整个系统的一致性和协调性。

16、2、资源分配不均与效率问题：

17、现有技术可能无法动态地根据业务需求和节点状态进行最优的资源分配，导致某些节点过载而其他节点资源闲置。

18、3、跨节点业务处理的复杂性：

19、当业务处理需要跨多个节点进行时，现有技术可能缺乏有效的机制来管理和优化这些跨节点的业务流程。

技术实现思路

1、为此，本发明所要解决的技术问题在于克服现有技术中节点协调与管理和跨界点业务处理复杂以及资源分配不均的问题。

2、为解决上述技术问题，本发明提供了一种分布式虚拟机器人ai系统，包括：

3、边缘计算节点，用于部署虚拟机器人，所述虚拟机器人为一项或多项ai稽核能力的集合；

4、中心管理节点，用于根据用户需求，并结合边缘计算节点多个计算资源信息，创建、复制或迁移虚拟机器人。

5、优选地，所述根据用户需求，并结合边缘计算节点多个计算资源信息，创建所述虚拟机器人包括：

6、获取用户虚拟机器人创建请求消息；

7、根据创建请求消息向虚拟机器人所部署的位置或区域的一个或多个边缘计算节点发送资源查询请求；

8、根据边缘计算节点返回的资源消息，确定虚拟机器人的一个或多个ai数据模型，并向一个或多个边缘计算节点发送所述ai数据模型进行部署；

9、向用户发送创建成功通知。

10、优选地，所述根据边缘计算节点返回的资源消息，确定虚拟机器人的一个或多个ai数据模型，并向一个或多个边缘计算节点发送所述ai数据模型进行部署包括：

11、根据边缘计算节点返回的资源消息和虚拟机器人的业务需求，从预定义的ai模型库中选择ai数据模型，并将其发送至与其资源匹配的边缘计算节点进行部署；

12、在部署完成后，对所述ai数据模型进行性能验证，以确保其满足业务需求。

13、优选地，所述边缘计算节点还用于结合本节点多个计算资源信息，创建虚拟机器人，并在所述中心管理节点进行注册登记。

14、优选地，所述结合本节点多个计算资源信息，创建虚拟机器人，并在所述中心管理节点进行注册登记包括：

15、根据业务需求确定所需创建虚拟机器人的类型和能力；

16、判断自身计算资源是否能够支持虚拟机器人运行；

17、根据业务需求分析结果和资源评估结果在预定义的ai模板库中选择ai数据模型，并将其在本地进行模型训练或与其他边缘计算节点协作进行模型训练；

18、将训练好的ai数据模型集成到虚拟机器人中，并为新创建的虚拟机器人分配一个唯一标识符；

19、将新创建的虚拟机器人的注册信息发送至中心管理节点。

20、优选地，所述根据用户需求，并结合边缘计算节点多个计算资源信息，复制所述虚拟机器人包括：

21、获取虚拟机器人复制请求消息；

22、根据被复制的虚拟机器人id信息，向被复制虚拟机器人所部署的位置或区域的边缘计算节点发送被复制虚拟机器人信息查询请求；

23、根据新虚拟机器人所部署的位置或区域和新虚拟机器人部署的边缘计算节点id信息，向新虚拟机器人所部署的位置或区域的边缘计算节点发送资源查询请求；

24、根据返回的信息判断是否可以进行复制操作，若可以，则进行复制，并向用户发送复制成功通知。

25、优选地，所述根据用户需求，并结合边缘计算节点多个计算资源信息，迁移所述虚拟机器人包括：

26、获取虚拟机器人迁移请求消息；

27、根据被迁移虚拟机器人id信息、源网络位置或区域以及边缘计算节点id信息，向被迁移虚拟机器人所部署的位置或区域的边缘计算节点发送被迁移虚拟机器人信息查询请求；

28、根据新虚拟机器人所部署的位置或区域和新虚拟机器人部署的边缘计算节点id信息向新虚拟机器人所部署的位置会区域的边缘计算节点发送资源查询请求；

29、根据返回是信息判断是否可以进行迁移操作，若可以，则进行迁移；

30、向被迁移虚拟机器人所部署的源位置或区域的边缘计算节点发送虚拟机器人信息删除请求；

31、在删除成功后，向用户发送迁移成功通知。

32、优选地，所述虚拟机器人用于：

33、根据业务客户端发送的业务请求消息，对业务进行解析处理，若处理不成功，则向中心管理节点发送虚拟机器人能力查询消息；

34、向所述中心管理节点推荐的满足当前业务虚拟机器人能力要求的备份虚拟机器人发送业务解析处理请求；

35、获取所述备份虚拟机器人完成解析后的处理数据，发送至业务客户端。

36、优选地，所述对业务进行解析处理包括：

37、对接受到的业务数据进行初步验证，以确保数据的完整性和格式正确性，并对图像或文档类数据进行预处理；

38、根据业务类型和数据内容，从预定义的稽核规则引擎中自动匹配适用的稽核规则，对业务数据进行初步校验，以检查一致性和合规性；

39、利用训练好的ai数据模型对业务数据进行异常识别、风险点识别和不一致性识别；

40、将规则引擎匹配结果和ai数据模型分析结果进行汇总，形成稽核报告。

41、优选地，所述中心管理节点从联盟域中选择满足当前业务虚拟机器人能力要求且优先级最高的备份虚拟机器人进行推荐，其中，所述联盟域为：在虚拟机器人创建阶段通过消息指示生成的虚拟机器人联盟或自动化智能生成的虚拟机器人联盟。

42、本发明的上述技术方案相比现有技术具有以下优点：

43、本发明所述的分布式虚拟机器人ai系统，通过引入更先进的中心管理节点，使用机器学习算法优化节点间的协调和资源管理，建立虚拟机器人对业务进行处理，降低管理复杂性；本发明实现了基于实时负载和能力评估的动态资源分配机制，确保资源得到最优化利用，并实现虚拟机器人的复制和迁移，提高整体系统效率；本发明提供了跨节点业务处理的优化策略，通过虚拟机器人联盟的引入，提高了处理效率和可靠性。