本發(fā)明涉及資源編排領域，尤其是涉及一種基于生成式ai技術的資源編排方法和裝置。

背景技術：

1、資源編排作為一種重要的技術手段，被廣泛應用于各類云計算平臺、大數據處理系統(tǒng)以及分布式應用環(huán)境中。其主要目的是實現(xiàn)資源的高效利用和管理，以滿足不同業(yè)務場景下的需求。通過自動化地部署、編排和優(yōu)化資源，資源編排能夠提高系統(tǒng)的靈活性、可伸縮性和穩(wěn)定性，為用戶提供便捷高效的資源管理和編排解決方案。

2、傳統(tǒng)資源編排架構圖如圖1所示，現(xiàn)階段資源組合編排多是根據編排需求通過硬編碼或者配置化實現(xiàn)，無法實現(xiàn)自由快速靈活編排；用戶使用學習門檻高，且用戶決定資源編排的時序，時序準確性無法保障；資源間參數映射與傳遞需要大量的組合開發(fā)工作，人力成本投入高，而且需要冗長的交付周期。

3、傳統(tǒng)資源編排流程如圖2所示，在傳統(tǒng)方案中，用戶通過電腦頁面提交訂單來開通組合產品，隨后，訂單數據經過硬編碼或配置文件編排模塊進行校驗，以確保訂單符合預設的組合編排模板要求。隨后，人工編排開發(fā)模塊介入，對產品進行拆分、組合和開發(fā)，從產品1到產品n的進行編排，并在功能測試之后完成發(fā)布上線的流程。整個過程中，人工的介入較多，從訂單校驗到產品編排再到功能測試，均需人員的主觀操作，使得流程相對耗時且復雜。

4、現(xiàn)有技術的缺點如下：

5、編排過程缺乏靈活性，資源編排通過硬編碼或配置文件實現(xiàn)組合編排，導致編排過程缺乏靈活性和可配置性。這種剛性的實現(xiàn)方式使得編排方案難以適應不同的需求變化，無法快速靈活地進行自由組合編排，增加了維護成本和系統(tǒng)更新的復雜性。

6、編排缺乏自動化且操作門檻高，現(xiàn)有資源編排技術的學習門檻較高，用戶需要具備深入的專業(yè)知識和經驗才能進行編排操作。此外，資源編排的時序完全依賴于用戶，缺乏自動化和智能化，無法保證資源組合編排的時序準確性。這種依賴性增加了用戶的工作負擔，降低了操作效率和系統(tǒng)的可靠性。

7、編排需要大量的組合開發(fā)工作，為了保障資源間的參數映射和傳遞，現(xiàn)有資源編排組合需要大量的組合開發(fā)工作。這意味著需要投入大量的人力資源和時間來進行開發(fā)和測試工作，增加了項目的成本和交付周期。同時，由于人為因素，可能存在錯誤和漏洞，進一步增加了開發(fā)和維護的難度。

技術實現(xiàn)思路

1、本發(fā)明的目的就是為了提供一種基于生成式ai技術的資源編排方法及裝置，通過使用生成式ai模型進行資源編排并對錯誤輸入的提示詞輸出修正提示，提高了資源編排的靈活性、自動化程度以及編排系統(tǒng)的可靠性，降低了編排所需的人力成本、時間成本和操作門檻。

2、本發(fā)明的目的可以通過以下技術方案來實現(xiàn)：

3、一種基于生成式ai技術的資源編排方法，所述方法包括：

4、獲取提示詞，利用訓練好的生成式ai模型對提示詞進行校驗和解析，若提示詞錯誤則輸出修正提示，若提示詞正確則根據提示詞生成編排視圖；

5、根據編排視圖，匹配底層資源，進行資源編排；

6、根據編排視圖將編排好的資源組合，對組合資源進行功能測試，功能測試無誤后輸出最終資源組合。

7、進一步地，所述提示詞包括資源類型、資源名稱、資源規(guī)格、操作類型和所屬項目，所述編排視圖包括資源的組合和編排順序。

8、進一步地，所述生成式ai模型的訓練步驟包括：

9、收集訓練數據，包括資源類型、資源名稱、資源規(guī)格、操作類型和所屬項目；

10、對訓練數據進行預處理，得到訓練樣本；

11、選擇需要訓練的生成式ai模型，并確定訓練所需的損失函數；

12、使用訓練樣本對生成式ai模型進行訓練；

13、進行2次以上的訓練，選擇訓練后損失函數最小的生成式ai模型作為最終的生成式ai模型。

14、更進一步地，所述預處理包括：

15、隨機組合訓練數據，構造符合預期的提示詞作為正確輸入；

16、根據正確輸入，生成編排視圖；

17、隨機組合訓練數據，構造不符合預期的提示詞作為錯誤輸入；

18、根據錯誤輸入，生成修正提示；

19、整合構造數據與生成數據作為訓練樣本。

20、更進一步地，所述損失函數為：

21、

22、其中，λ1是完整性匹配損失權重，λ2是置信度損失權重，nc是正確輸入的數量，ni是錯誤輸入的數量，用于評估生成編排視圖的完整性，用于評估生成修正提示的完整性，表示第k個訓練樣本的置信度損失。

23、更進一步地，所述lci的具體求解公式為：

24、

25、其中，α是調節(jié)參數，ci表示第i個編排視圖的完整性，表示訓練樣本i生成的編排視圖詞向量，ui表示訓練樣本i的正確編排視圖詞向量；

26、所述的具體求解公式為：

27、

28、其中，β是調節(jié)參數，cj表示第j個修正提示的完整性，表示訓練樣本j生成的修正提示詞向量，vj表示訓練樣本j的正確修正提示詞向量；

29、所述的具體求解公式為：

30、

31、其中，yk是用于平衡正確判斷與錯誤判斷權重的調節(jié)參數，pk表示第k個訓練樣本的判斷結果。

32、進一步地，所述對提示詞進行的校驗和解析還包括：

33、當檢測到提示詞中存在特殊字符和噪聲時，將特殊字符和噪聲從提示詞中移除；

34、當提示詞長度超出模型最大輸入長度限制時，對提示詞進行階段和填充操作，分段輸入模型。

35、進一步地，所述底層資源包括云主機、云硬盤和云數據庫。

36、進一步地，所述資源編排的方式包括順序依次進行資源編排任務和異步進行多個資源編排任務。

37、一種基于生成式ai技術的資源編排裝置，采用如上任一所述的一種基于生成式ai技術的資源編排方法設計得到，包括：

38、roe(resource?orchestration?engine，資源編排引擎)模塊，用于獲取提示詞，訓練生成式ai模型，利用訓練好的生成式ai模型對提示詞進行校驗和解析，若提示詞錯誤則輸出修正提示，若提示詞正確則根據提示詞生成編排視圖；

39、資源注冊模塊，用于管理資源列表、資源操作、資源注冊、資源記錄和資源的調用方式，所述調用方式包括同步調用和異步調用；

40、資源管理模塊，用于管理底層資源對應插件和開發(fā)底層資源插件；

41、task-scheduled(資源編排)模塊，用于解析編排視圖，通過資源注冊模塊和資源管理模塊查詢、匹配和調用底層資源，進行資源編排。

42、與現(xiàn)有技術相比，本發(fā)明具有以下有益效果：

43、1.本發(fā)明通過生成式ai模型智能校驗和解析輸入的提示詞，生成編排視圖進行云資源的編排，資源能夠實現(xiàn)隨機組合編排，提高了資源編排的靈活性和自動化程度，降低了編排所需的人力成本和時間成本，同時生成式ai模型對于輸入的錯誤提示詞能夠輸出修正提示，引導用戶進行規(guī)范化的提示詞輸入，降低了編排操作的門檻，提高了系統(tǒng)可靠性；

44、2.編排過程中，可以順序依次進行資源編排任務，也可以異步進行多個資源編排任務，提高了資源編排的效率和準確性。