人工智能AI解决方案的模板生成方法和装置及存储介质与流程

本发明涉及人工智能ai领域，具体而言，涉及一种人工智能ai解决方案的模板生成方法和装置及存储介质。

背景技术：

近年各个细分垂类场景下对于深入行业特异性问题解决方案的需求越发增多，而现有技术在接入一个新的客户项目的情况下，则需要投入大量的研发人力，通过人工撰写相关脚本进而获取一个满足要求的解决方案的模板来实现符合客户场景的接入，但人工撰写不仅会提高成本，还会因流程复杂、步骤冗余等原因而导致时间上的浪费。因此，现有技术中存在人工智能ai解决方案的模板生成效率不高的问题。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种人工智能ai解决方案的模板生成方法和装置及存储介质，以至少解决人工智能ai解决方案的模板生成效率不高的技术问题。

根据本发明实施例的一个方面，提供了一种人工智能ai解决方案的模板生成方法，包括：获取在工作流配置界面中触发的添加操作指令，其中，上述添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，上述工作组件中包括封装有ai算法的功能模块组成的ai组件；对上述工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；对上述工作组件之间待配置的运行关系进行配置，得到目标运行关系；根据上述目标组件属性信息及上述目标运行关系，生成应用在上述目标场景中的ai解决方案模板。

根据本发明实施例的另一方面，还提供了一种人工智能ai解决方案的模板生成装置，包括：获取单元，用于获取在工作流配置界面中触发的添加操作指令，其中，上述添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，上述工作组件中包括封装有ai算法的功能模块组成的ai组件；第一配置单元，用于对上述工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；第二配置单元，用于对上述工作组件之间待配置的运行关系进行配置，得到目标运行关系；第一生成单元，用于根据上述目标组件属性信息及上述目标运行关系，生成应用在上述目标场景中的ai解决方案模板。

根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述人工智能ai解决方案的模板生成方法。

根据本发明实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的人工智能ai解决方案的模板生成方法。

在本发明实施例中，获取在工作流配置界面中触发的添加操作指令，其中，上述添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，上述工作组件中包括封装有ai算法的功能模块组成的ai组件；对上述工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；对上述工作组件之间待配置的运行关系进行配置，得到目标运行关系；根据上述目标组件属性信息及上述目标运行关系，生成应用在上述目标场景中的ai解决方案模板，通过一组可灵活添加并组合的组件，高效生成一个可应用在上述目标场景中的ai解决方案模板，进而达到了减少了ai解决方案模板生成的冗余步骤的目的，从而实现了提高ai解决方案模板的生成效率的技术效果，进而解决了人工智能ai解决方案的模板生成效率不高的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种可选的人工智能ai解决方案的模板生成方法的应用环境的示意图；

图2是根据本发明实施例的一种可选的人工智能ai解决方案的模板生成方法的流程图的示意图；

图3是根据本发明实施例的一种可选的人工智能ai解决方案的模板生成方法的示意图；

图4是根据本发明实施例的另一种可选的人工智能ai解决方案的模板生成方法的示意图；

图5是根据本发明实施例的另一种可选的人工智能ai解决方案的模板生成方法的示意图；

图6是根据本发明实施例的另一种可选的人工智能ai解决方案的模板生成方法的示意图；

图7是根据本发明实施例的另一种可选的人工智能ai解决方案的模板生成方法的示意图；

图8是根据本发明实施例的另一种可选的人工智能ai解决方案的模板生成方法的示意图；

图9是根据本发明实施例的另一种可选的人工智能ai解决方案的模板生成方法的示意图；

图10是根据本发明实施例的另一种可选的人工智能ai解决方案的模板生成方法的示意图；

图11是根据本发明实施例的另一种可选的人工智能ai解决方案的模板生成方法的示意图；

图12是根据本发明实施例的一种可选的人工智能ai解决方案的模板生成装置的示意图；

图13是根据本发明实施例的一种可选的电子装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

人工智能(artificialintelligence,ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

计算机视觉技术(computervision,cv)计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、ocr、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3d技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。

自然语言处理(naturelanguageprocessing,nlp)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。

随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

本申请实施例提供的方案涉及人工智能的自然语言处理、计算机视觉等技术，具体通过如下实施例进行说明：

根据本发明实施例的一个方面，提供了一种人工智能ai解决方案的模板生成方法，可选地，作为一种可选的实施方式，上述人工智能ai解决方案的模板生成方法可以但不限于应用于如图1所示的环境中。其中，可以但不限于包括用户设备102、网络110及服务器112，其中，该用户设备102上可以但不限于包括显示器108、处理器106及存储器104，显示器108可以但不限于用于显示工作流配置界面1024，以及显示在工作流配置界面1024上的工作流模板1026，和可以显示添加至工作流模板中的工作组件1022。

具体过程可如下步骤：

步骤s102，用户设备102获取在工作流配置界面1024中触发的添加操作指令，其中，添加操作指令用于指示将工作组件1022添加至工作流模板1026中

步骤s104，用户设备102获取在工作流配置界面1024中触发的配置操作指令，并获取配置好的所有工作组件的组件属性信息以及工作组件之间的连接关系，其中，配置操作指令用于配置工作流模板1026中所有工作组件(包括添加后的工作组件1022)的组件属性信息以及组件之间的连接关系；

步骤s106-s108，用户设备102通过网络110将添加操作指令、组件属性信息以及组件之间的连接关系发送给服务器112；

步骤s110，服务器112通过数据库114查找操作指令、组件属性信息以及组件之间的连接关系对应的相关数据，并通过处理引擎116对操作指令、组件属性信息以及组件之间的连接关系进行处理，从而生成ai解决方案模板；

步骤s112-s114，服务器112通过网络110将ai解决方案模板发送给用户设备102，用户设备102中的处理器106将生成好的ai解决方案模板显示在显示器108中，并将生成好的ai解决方案模板存储在存储器104中。

需要说明的是，上述人工智能ai解决方案的模板生成方法仅作为一种实施例进行说明，其中，并不对添加操作指令和配置操作指令的触发顺序作任何限制。

可选地，作为一种可选的实施方式，如图2所示，人工智能ai解决方案的模板生成方法包括：

s202，获取在工作流配置界面中触发的添加操作指令，其中，添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，工作组件中包括封装有ai算法的功能模块组成的ai组件；

s204，对工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；

s206，对工作组件之间待配置的运行关系进行配置，得到目标运行关系；

s208，根据目标组件属性信息及目标运行关系，生成应用在目标场景中的ai解决方案模板。

可选的，在本实施例中，人工智能ai解决方案的模板生成方法可以但不限于应用在解决业务问题的场景下。添加操作指令的触发方式可以但不限于为一种将代表待添加组件的标识从第一位置区域(例如工作流配置界面一侧的组件库)移动或转移至第二位置区域(例如工作流配置界面一侧的工作流模板)的触发方式，例如拖拽、路径转移等。工作组件可以但不限于为一种以组件形式封装ai能力和/或ai流程中的环节的、可视化界面(工作流配置界面)中的一侧边栏可选择添加的功能模块。待配置的组件属性信息可以但不限于为一组用于表示当前组件所需的配置以及所要实现的功能设置信息，例如名称、类型、属性等信息。待配置的运行关系可以但不限于用于表示组件之间的连接关系以及运行逻辑，例如第一组件先执行，第二组件在第一组间执行完成或执行的进程满足预设程度的情况下执行等。ai解决方案模板可以但不限于为一种用于解决特征场景下目标ai任务的、可灵活配置或搭配的模板，例如基于已生成的ai解决方案模板创建ai任务，，并以设备采集的数据或者数据中心留存的数据运行一个解决方案，其中，解决方案用于解决ai任务。

需要说明的是，获取在工作流配置界面中触发的添加操作指令，其中，添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，工作组件中包括封装有ai算法的功能模块组成的ai组件；对工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；对工作组件之间待配置的运行关系进行配置，得到目标运行关系；根据目标组件属性信息及目标运行关系，生成应用在目标场景中的ai解决方案模板。

进一步举例说明，可选的，例如图3所示，包括工作流配界面302，以及在工作流配界面302中的工作流模板304、用于放置可添加工作组件的可视化界面306，其中，可视化界面306中包括工作组件(普通摄像机308)，具体步骤如下：步骤s302，获取在工作流配置界面302中触发的添加操作指令，前台服务器相应添加操作指令，显示画面为将普通摄像机308从可添加工作组件的可视化界面306移动至工作流模板304中，可选的，可视化界面306中的普通摄像机308保留，并在工作流模板304上生成一个普通摄像机308。

进一步举例说明，可选的，例如图4所示，可以但不限于通过组件属性信息配置界面402上触发配置操作指令，以修改工作流模板304中普通摄像机305的组件属性信息，其中，普通摄像机305的组件属性信息可修改的组件属性信息包括例如，设备组件类型、设备组件参数名、设备组件属性值，以及增加或删除设备组件等。

进一步举例说明，可选的，例如图5所示，可视化界面306中包括可添加至工作流模板304的工作组件，如普通摄像机305、人体属性请求502、人体属性504、人体属性结果506、数据存储508等；

进一步，当前时刻工作流模板304中包括了一组工作组件普通摄像机305、人体属性请求502、人体属性504、人体属性结果506、数据存储508，且上述一组工作组件之间存在连接关系(如箭头所示)，其中，连接关系即表示工作组件之间的运行关系，例如最先执行的是普通摄像机308，最后执行的是数据存储508.

通过本申请提供的实施例，获取在工作流配置界面中触发的添加操作指令，其中，添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，工作组件中包括封装有ai算法的功能模块组成的ai组件；对工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；对工作组件之间待配置的运行关系进行配置，得到目标运行关系；根据目标组件属性信息及目标运行关系，生成应用在目标场景中的ai解决方案模板，通过一组可灵活添加并组合的组件，高效生成一个可应用在目标场景中的ai解决方案模板，进而达到了减少了ai解决方案模板生成的冗余步骤的目的，从而实现了提高ai解决方案模板的生成效率的技术效果。

作为一种可选的方案，对工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息包括：

s1，确定工作组件的组件类型；

s2，根据组件类型，确定待配置的组件属性信息；

s3，获取第一配置操作指令，其中，第一配置操作指令用于对待配置的组件属性信息进行配置。

需要说明的是，确定工作组件的组件类型；根据组件类型，确定待配置的组件属性信息；获取第一配置操作指令，其中，第一配置操作指令用于对待配置的组件属性信息进行配置。可选的，组件类型用于表示以组件形式封装ai能力和ai流程中的环节的方式，例如封装流程中数据存储环节的组件可以但不限于为数据存储组件等。

进一步举例说明，可选的例如图6所示，确定普通摄像机308的组件类型为设备组件类型602，进而获取与设备组件类型602相对应的待配置的组件属性信息；

进一步，在组件属性信息配置界面402上获取第一配置操作指令，并对设备组件类型602的普通摄像机308的组件属性信息进行配置。

通过本申请提供的实施例，确定工作组件的组件类型；根据组件类型，确定待配置的组件属性信息；获取第一配置操作指令，其中，第一配置操作指令用于对待配置的组件属性信息进行配置，进而达到了针对性地为不同组件类型，匹配对应的待配置的配置组件属性信息的目的，从而实现了提高待配置的组件属性信息的配置效率的效果。

作为一种可选的方案，根据组件类型，确定待配置的组件属性信息包括：

s1，在工作组件的组件类型包括ai组件类型的情况下，确定待配置的组件属性信息包括以下至少之一：功能配置信息、素材库信息；

s2，在组件类型为数据存储组件类型的情况下，确定待配置的组件属性信息包括数据存储信息；

s3，在组件类型包括设备组件类型的情况下，确定待配置的组件属性信息包括设备配置信息；

s4，在组件类型为脚本组件类型的情况下，确定待配置的组件属性信息包括脚本内容信息；

s5，在组件类型为数据接入组件类型的情况下，确定待配置的组件属性信息包括接入配置信息。

需要说明的是，在工作组件的组件类型包括ai组件类型的情况下，确定待配置的组件属性信息包括以下至少之一：功能配置信息、素材库信息；在组件类型为数据存储组件类型的情况下，确定待配置的组件属性信息包括数据存储信息；的情况下，确定待配置的组件属性信息包括设备配置信息；在组件类型为脚本组件类型的情况下，确定待配置的组件属性信息包括脚本内容信息；在组件类型为数据接入组件类型的情况下，确定待配置的组件属性信息包括接入配置信息。

进一步举例说明，可选的例如图7所示，获取第一配置操作指令，且在第一配置操作指令用于工作流模板304中的配置数据存储508(阴影表示被选定)的情况下，在工作流配置界面302上显示组件属性信息界面702，其中，组件属性信息界面702上包括可修改的、与工作组件数据存储508相对应的组件配置属性，例如存储类型、存储介质、数据库名、表名等，还包括不更修改的组件配置属性，例如组件名称，其中，可以但不限于通过在组件属性信息界面702上“新建表”位置触发的操作指令，以创建新的、用于存储数据的数据库表。

进一步举例说明，可选的例如某交通场景下的应用实施例图8所示，获取第一配置操作指令，且在第一配置操作指令用于工作流模板304中的普通摄像机308(阴影表示被选定)的ai配置的情况下，在工作流配置界面302上显示组件属性信息界面802，其中，件属性信息界面802上包括可修改的、与工作组件普通摄像机308相对应的ai配置属性，例如“视频区域识别配置”、“选择视图库”、“以图搜图”；其中，可选的，ai配置属性的修改可满足不同场景下的不同功能需求，例如需要统计人流，则在设置选择“视频区域识别配置”，并将“视频区域识别配置”修改为“配置通过位置”。

需要说明的是，工作组件并不局限于仅为单一组件类型的组件，例如设备组件中包括ai组件，或者其他类型组件之间的相互组合。

进一步举例说明，可选的例如图8所示，设备组件类型的普通摄像机308具有ai配置，可以实现视频实时解析的功能，其中，视频实时解析可以但不限于为通过设备中心接入等摄像头设备(包括普通摄像头和ai摄像头)的视频可实时查看，并通过ai工作室的视频识别类的ai任务输出的结果也可以在视频画面上显示，进而达到能实现项目的演示、poc以及外部用户体验等效果，具体的，实现的视频实时解析功能可以但不限于包括以下至少之一：可按照分组的结构选择摄像头(设备组件)、选中摄像头之后可以实时查看视频、如果该摄像头被关联了某项ai任务，则显示任务名称，并将ai任务的结果叠加在视频上，如果是有多种ai结果，那么用户可选中叠加哪一种，每次只可叠加一种、达到阈值可触发警告。此外，并非所有的ai任务都需视频实时解析的功能，换言之，此处举例仅针对数据源是摄像机的ai任务，并不对本申请的应用场景有任何的限定。

通过本申请提供的实施例，在工作组件的组件类型包括ai组件类型的情况下，确定待配置的组件属性信息包括以下至少之一：功能配置信息、素材库信息；在组件类型为数据存储组件类型的情况下，确定待配置的组件属性信息包括数据存储信息；的情况下，确定待配置的组件属性信息包括设备配置信息；在组件类型为脚本组件类型的情况下，确定待配置的组件属性信息包括脚本内容信息；在组件类型为数据接入组件类型的情况下，确定待配置的组件属性信息包括接入配置信息，进而达到了待配置的组件属性信息可以满足不同场景下的不同功能需求的目的，从而实现了提高组件属性信息的配置灵活性的效果。

作为一种可选的方案，对工作组件之间待配置的运行关系进行配置，得到目标运行关系包括：

s1，确定工作组件的节点类型；

s2，根据节点类型，确定工作组件之间待配置的运行关系；

s3，获取第二配置操作指令，其中，第二配置操作指令用于对工作组件之间待配置的运行关系进行配置。

可选的，节点类型可以但不限于为工作组件以节点的形式在工作流模板上的分布类型，例如与其他节点的连接类型(单线连接、分支连接、汇聚连接等)、运行的状态类型(如单次运行、多次运行、循环运行等)。

需要说明的是，确定工作组件的节点类型；根据节点类型，确定工作组件之间待配置的运行关系；获取第二配置操作指令，其中，第二配置操作指令用于对工作组件之间待配置的运行关系进行配置。可选的，运行关系可以但不限于为工作组件之间运行关系，也可以但不限于为单个组件自身的运行逻辑关系等。

进一步举例说明，可选的例如图9所示，获取普通摄像机308的组件节点信息界面902，其中，组件节点信息界面902用于表示以节点的形式在工作流模板304上的组件的运行逻辑和连线关系(与其他节点的连线关系)等；

进一步，以节点的形式在工作流模板304上的普通摄像机308，与其他以节点的形式在工作流模板304上的组件的连线方式为单线连线904，则可选的，在组件节点信息界面902上显示的连接关系为“单线连接(normal)”；获取组件节点信息界面902上触发的第二配置操作指令，并配置普通摄像机308的运行关系，例如配置“运行逻辑”为“单次运行(single)”或“循环运行(loop)”、修改节点与节点(工作流模板304上的组件与组件)之间的连接关系等。

通过本申请提供的实施例，确定工作组件的节点类型；根据节点类型，确定工作组件之间待配置的运行关系；获取第二配置操作指令，其中，第二配置操作指令用于对工作组件之间待配置的运行关系进行配置，进而达到了灵活配置组件与组件之间的运行关系的目的，从而实现了提高工作组件之间待配置的运行关系的配置灵活性的效果。

作为一种可选的方案，根据节点类型，确定工作组件之间待配置的运行关系包括：

s1，在节点类型为单线连接类型的情况下，确定与第一工作组件具有单线连接关系的下一工作组件包括第二工作组件；

s2，在节点类型为分支连接类型的情况下，确定与第一工作组件具有分支连接关系的下一工作组件包括第二工作组件及第三工作组件；

s3，在节点类型为汇聚连接类型的情况下，确定与第一工作组件具有汇聚连接关系的上一工作组件包括第四工作组件及第五工作组件。

需要说明的是，在节点类型为单线连接类型的情况下，确定与第一工作组件具有单线连接关系的下一工作组件包括第二工作组件；在节点类型为分支连接类型的情况下，确定与第一工作组件具有分支连接关系的下一工作组件包括第二工作组件及第三工作组件；在节点类型为汇聚连接类型的情况下，确定与第一工作组件具有汇聚连接关系的上一工作组件包括第四工作组件及第五工作组件。可选的，分支连接可以但不限于为连接的分支分配权重。节点类型可以但不限于用于表示节点在整体流程中的位置信息，例如开始节点、结束节点等。

进一步举例说明，可选的例如图10所示，工作流模板304中包括了按照一定关系所连接的一组组件，具体的，普通摄像机308、人体属性请求502与数据存储508以汇聚连接1002方式连接，即数据存储508是普通摄像机308、人体属性请求502的下一节点；人体属性请求502与人体属性504、数据存储508以并线连接方式1004连接，即人体属性请求502为人体属性504、数据存储508的上一节点；数据存储508与人体属性504以单线连接方式1006连接，即数据存储508是人体属性504的下一节点。

通过本申请提供的实施例，在节点类型为单线连接类型的情况下，确定与第一工作组件具有单线连接关系的下一工作组件包括第二工作组件；在节点类型为分支连接类型的情况下，确定与第一工作组件具有分支连接关系的下一工作组件包括第二工作组件及第三工作组件；在节点类型为汇聚连接类型的情况下，确定与第一工作组件具有汇聚连接关系的上一工作组件包括第四工作组件及第五工作组件，进而达到了快速确定工作组件之间待配置的运行关系的目的，从而实现了提高工作组件之间待配置的运行关系的确定效率的效果。

作为一种可选的方案，在对工作组件执行配置操作，以得到在目标场景中应用的ai解决方案模板之后，包括：

s1，获取目标测试指令，将目标测试数据输入至第六工作组件，其中，第六工作组件的组件类型为数据接入组件类型，目标测试数据用于测试ai解决方案模板在目标场景下的工作性能；

s2，获取目标测试结果，并将目标测试的结果显示在工作流配置界面。

需要说明的是，获取目标测试指令，将目标测试数据输入至第六工作组件，其中，第六工作组件的组件类型为数据接入组件类型，目标测试数据用于测试ai解决方案模板在目标场景下的工作性能；获取目标测试结果，并将目标测试的结果显示在工作流配置界面。

进一步举例说明，可选的例如将生成的ai解决方案模板连接上数据中心已经采集好的数据集，进行调试，并通过长链接的方式，监听日志并显示，同时锚定标红出问题的卡点模块(工作组件)，以便测试已生成的ai解决方案模板的运行流程是否满足需求条件。

通过本申请提供的实施例，获取目标测试指令，将目标测试数据输入至第六工作组件，其中，第六工作组件的组件类型为数据接入组件类型，目标测试数据用于测试ai解决方案模板在目标场景下的工作性能；获取目标测试结果，并将目标测试的结果显示在工作流配置界面，进而达到了测试ai解决方案模板是否满足需求条件的目的，从而实现了提高ai解决方案模板的运行质量的效果。

作为一种可选的方案，在将目标测试的结果显示在工作流配置界面之后，包括：

s1，在目标测试结果指示ai解决方案模板的工作性能满足预设条件的情况下，获取当前待解决的目标ai任务的任务信息，其中，目标ai任务所在场景为目标场景；

s2，根据ai解决方案模板及目标ai任务的任务信息，生成与目标ai任务匹配的目标ai解决方案。

需要说明的是，在目标测试结果指示ai解决方案模板的工作性能满足预设条件的情况下，获取当前待解决的目标ai任务的任务信息，其中，目标ai任务所在场景为目标场景；根据ai解决方案模板及目标ai任务的任务信息，生成与目标ai任务匹配的目标ai解决方案。

进一步举例说明，可选的例如通过测试或调试后正式发布ai解决方案模板，并建立ai任务，在创建任务时绑定ai解决方案模板和具体硬件传感器设备以及数据集实现一个基于ai解决方案模板实现的具体实例，以解决目标场景下的目标ai任务。

通过本申请提供的实施例，在目标测试结果指示ai解决方案模板的工作性能满足预设条件的情况下，获取当前待解决的目标ai任务的任务信息，其中，目标ai任务所在场景为目标场景；根据ai解决方案模板及目标ai任务的任务信息，生成与目标ai任务匹配的目标ai解决方案，进而达到了利用ai解决方案模板解决目标场景下的目标ai任务的目的，从而实现了提高目标场景下的目标ai任务的解决效率的效果。

作为一种可选的方案，将人工智能ai解决方案的模板生成方法应用在一个具体实施例中，包括：

封装ai组件，设备组件，数据接入组件，数据存储组件，脚本组件等ai解决方案环节中间件(工作组件)；

在ai模板的画布中拖拽组件，并依次填写组件配置的勾选项和模板全局工作流配置的勾选项，分支路径调度权重等，实现一个完整的自成体系的工作流(workflow)；

将编辑好的模板连接上数据中心已经采集好的数据集，进行调试，通过长链接的方式，监听日志并显示，同时锚定标红出问题的卡点模块，以便用户跑通自己编辑好的模板流程；

通过调试后正式发布模板，并建立ai任务，在创建任务时绑定模板和具体硬件传感器设备以及数据集实现一个基于模板的具体实例，可以正式交付给b端用户场景化ai解决方案。

可选的，工作流技术(workflowpipeline)：通过连线串联流程的方式，实现自定义模板，并能够进行模拟任务的调试。同时创建ai任务时，能够绑定ai模板，根据模板的配置灵活决定表单项，实现符合业务场景的ai解决方案交付；

ai中间件(aicomponent)：以组件形式封装ai能力和ai流程中的环节，为出入参灵活的中间件，将原有复杂的ai解决方案切分为：ai组件(即：算法组件)，设备组件，脚本组件，数据接入组件，数据存储组件等功能模块，以拖拽串联为工作流提供解决方案；

监听控制台(consolemonitor)：通过长连接(socket)监听服务在长链接通道推送的实时数据，监控自定义工作流的执行情况以此进行可拖拽可重配置方案中模块与模块之间配置项，出入参的调试，实现跑通解决方案的目的。本方案中，用户不仅可以看到实时日志，还能看到标红锚定的具体模块；

ai模板(ailayout)：通过抽象ai解决方案的一些抽象能力，通过拖拽编排形成一个范式，可以通过数据中心中留存的算法样本采集数据进行调试，确定模板通过调试后可以正式发布，发布后可被具体的ai任务集成形成一个用户直接可用的解决方案；

ai任务(aitask)：在继承成功发布的ai模板的基础上，选择真实的数据源(来自于摄像头，一体机等真实的硬件设备或数据中心存储的数据集)，实现一个符合用户场景可以交付给b端用户的解决方案；

工作流后台配置(workflowconig)：确定每一个模块的类型和下一个模块的标定，并带有各个类别模块的关键性信息，并将每个模块设定为单线连接(normal)，分叉(switch)，合并(combin)，这三种类型，对于分支的条路径可赋予任务执行的权重，从而支撑模块串联以编辑模板；

工作流前台配置(webconfig)：涉及数据可视化的相关信息，和表单回塞展现的相关信息，以实现自定义模板的反复编辑，串联ai模板和ai任务之间的联系，组织模块集合串联关系和参数注入，形成可灵活交付的可视化ai工作室解决方案。

进一步，可选的以目标场景下、用于完成ai任务的ai模板生成为例说明，如图11所示，具体步骤如下：

步骤s1102，建立模板工作流，串联ai中间件；

步骤s1104，获取模块的配置信息、模板的配置信息，其中，模块的配置信息、模板的配置信息可以但不限于由拖拽过程中实现各个模块的配置项勾选和模板配置项勾选；

步骤s1106，测试生成的ai模板，其中，测试可以但不限于为调试日志及结果执行的动态流水线(socket实现)；

步骤s1108，基于完成调试已经正式发布的模板(配置信息)建立可交付的ai任务。

通过本实施例，利用根据业务场景设计解决方案，拖拽组件生成ai模板，调试ai模板观察日志后跑通模板，进而发布能够跑通的ai模板，再基于已发布的ai模板创建ai任务，让ai任务运行完整的方式，通过可视化流程、服务编排能力，进而大幅降低各种行业应用开发者的ai项目落地成本，例如可让设计ai解决方案的场景下，具备可视化流程编排能力，可选的将自然语言处理(naturallanguageprocessing，简称nlp)、文字识别(opticalcharacterrecognition，简称ocr)等算法有机整合为ocr-nlp流程。每个算法和操作都被抽象成了流程中的一个节点，可以自由的修改增删并最终编排执行。在此基础上的架构稳健可扩展，调度灵活。其中的数据中心目前具有本地上传、外部推送、在线拉取和cos同步四种数据接入能力，应用于核保环境中的外部推送模式只是其中一种能力的应用实践。通过数据中心的能力，业务无需关心底层存储介质的对接工作以及业务数据的管理机制，都有数据中心统一处理，大大节省了业务存储数据的时间，提高了业务接入数据的能力，为核保应用适用于更多场景提供基础保障。同时，数据中心不断优化逻辑，缩短处理时间，提高处理能力，为核保业务提供更稳定和可靠的服务。在实时视频解析模块中，本申请具有在左侧设备树中选中设备，根据设备关联的ai任务有进行实时视频解析演示的能力。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

根据本发明实施例的另一个方面，还提供了一种用于实施上述人工智能ai解决方案的模板生成方法的人工智能ai解决方案的模板生成装置。

如图12所示，该装置包括：

获取单元1202，用于获取在工作流配置界面中触发的添加操作指令，其中，添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，工作组件中包括封装有ai算法的功能模块组成的ai组件；

第一配置单元1204，用于对工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；

第二配置单元1206，用于对工作组件之间待配置的运行关系进行配置，得到目标运行关系；

第一生成单元1208，用于根据目标组件属性信息及目标运行关系，生成应用在目标场景中的ai解决方案模板。

可选的，在本实施例中，人工智能ai解决方案的模板生成装置可以但不限于应用在解决业务问题的场景下。添加操作指令的触发方式可以但不限于为一种将代表待添加组件的标识从第一位置区域(例如工作流配置界面一侧的组件库)移动或转移至第二位置区域(例如工作流配置界面一侧的工作流模板)的触发方式，例如拖拽、路径转移等。工作组件可以但不限于为一种以组件形式封装ai能力和/或ai流程中的环节的、可视化界面(工作流配置界面)中的一侧边栏可选择添加的功能模块。待配置的组件属性信息可以但不限于为一组用于表示当前组件所需的配置以及所要实现的功能设置信息，例如名称、类型、属性等信息。待配置的运行关系可以但不限于用于表示组件之间的连接关系以及运行逻辑，例如第一组件先执行，第二组件在第一组间执行完成或执行的进程满足预设程度的情况下执行等。ai解决方案模板可以但不限于为一种用于解决特征场景下目标ai任务的、可灵活配置或搭配的模板，例如基于已生成的ai解决方案模板创建ai任务，，并以设备采集的数据或者数据中心留存的数据运行一个解决方案，其中，解决方案用于解决ai任务。

需要说明的是，获取在工作流配置界面中触发的添加操作指令，其中，添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，工作组件中包括封装有ai算法的功能模块组成的ai组件；对工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；对工作组件之间待配置的运行关系进行配置，得到目标运行关系；根据目标组件属性信息及目标运行关系，生成应用在目标场景中的ai解决方案模板。

具体实施例可以参考上述人工智能ai解决方案的模板生成方法中所示示例，本示例中在此不再赘述。

通过本申请提供的实施例，获取在工作流配置界面中触发的添加操作指令，其中，添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，工作组件中包括封装有ai算法的功能模块组成的ai组件；对工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；对工作组件之间待配置的运行关系进行配置，得到目标运行关系；根据目标组件属性信息及目标运行关系，生成应用在目标场景中的ai解决方案模板，通过一组可灵活添加并组合的组件，高效生成一个可应用在目标场景中的ai解决方案模板，进而达到了减少了ai解决方案模板生成的冗余步骤的目的，从而实现了提高ai解决方案模板的生成效率的技术效果。

作为一种可选的方案，第一配置单元1204包括：

第一确定模块，用于确定工作组件的组件类型；

第二确定模块，用于根据组件类型，确定待配置的组件属性信息；

第一获取模块，用于获取第一配置操作指令，其中，第一配置操作指令用于对待配置的组件属性信息进行配置。

具体实施例可以参考上述人工智能ai解决方案的模板生成方法中所示示例，本示例中在此不再赘述。

作为一种可选的方案，第二确定模块包括：

第一确定子单元，用于在工作组件的组件类型包括ai组件类型的情况下，确定待配置的组件属性信息包括以下至少之一：功能配置信息、素材库信息。

第二确定子单元，用于在组件类型为数据存储组件类型的情况下，确定待配置的组件属性信息包括数据存储信息；

第三确定子单元，用于在组件类型包括设备组件类型的情况下，确定待配置的组件属性信息包括设备配置信息；

第四确定子单元，用于在组件类型为脚本组件类型的情况下，确定待配置的组件属性信息包括脚本内容信息；

第五确定子单元，用于在组件类型为数据接入组件类型的情况下，确定待配置的组件属性信息包括接入配置信息。

具体实施例可以参考上述人工智能ai解决方案的模板生成方法中所示示例，本示例中在此不再赘述。

作为一种可选的方案，第二配置单元1206包括：

第三确定模块，用于确定工作组件的节点类型；

第四确定模块，用于根据节点类型，确定工作组件之间待配置的运行关系；

第二获取模块，用于获取第二配置操作指令，其中，第二配置操作指令用于对工作组件之间待配置的运行关系进行配置。

具体实施例可以参考上述人工智能ai解决方案的模板生成方法中所示示例，本示例中在此不再赘述。

作为一种可选的方案，第四确定模块包括：

第六确定子单元，用于在节点类型为单线连接类型的情况下，确定与第一工作组件具有单线连接关系的下一工作组件包括第二工作组件；

第七确定子单元，用于在节点类型为分支连接类型的情况下，确定与第一工作组件具有分支连接关系的下一工作组件包括第二工作组件及第三工作组件；

第八确定子单元，用于在节点类型为汇聚连接类型的情况下，确定与第一工作组件具有汇聚连接关系的上一工作组件包括第四工作组件及第五工作组件。

具体实施例可以参考上述人工智能ai解决方案的模板生成方法中所示示例，本示例中在此不再赘述。

作为一种可选的方案，包括：

第二获取单元，用于在对工作组件执行配置操作，以得到在目标场景中应用的ai解决方案模板之后，获取目标测试指令，将目标测试数据输入至第六工作组件，其中，第六工作组件的组件类型为数据接入组件类型，目标测试数据用于测试ai解决方案模板在目标场景下的工作性能；

第三获取单元，用于在对工作组件执行配置操作，以得到在目标场景中应用的ai解决方案模板之后，获取目标测试结果，并将目标测试的结果显示在工作流配置界面。

具体实施例可以参考上述人工智能ai解决方案的模板生成方法中所示示例，本示例中在此不再赘述。

作为一种可选的方案，包括：

第四获取单元，用于在将目标测试的结果显示在工作流配置界面之后，在目标测试结果指示ai解决方案模板的工作性能满足预设条件的情况下，获取当前待解决的目标ai任务的任务信息，其中，目标ai任务所在场景为目标场景；

第二生成单元，用于在将目标测试的结果显示在工作流配置界面之后，根据ai解决方案模板及目标ai任务的任务信息，生成与目标ai任务匹配的目标ai解决方案。

具体实施例可以参考上述人工智能ai解决方案的模板生成方法中所示示例，本示例中在此不再赘述。

根据本发明实施例的又一个方面，还提供了一种用于实施上述人工智能ai解决方案的模板生成方法的电子装置，如图13所示，该电子装置包括存储器1302和处理器1304，该存储器1302中存储有计算机程序，该处理器1304被设置为通过计算机程序执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

s1，获取在工作流配置界面中触发的添加操作指令，其中，添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，工作组件中包括封装有ai算法的功能模块组成的ai组件；

s2，对工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；

s3，对工作组件之间待配置的运行关系进行配置，得到目标运行关系；

s4，根据目标组件属性信息及目标运行关系，生成应用在目标场景中的ai解决方案模板。

可选地，本领域普通技术人员可以理解，图13所示的结构仅为示意，电子装置也可以是智能手机(如android手机、ios手机等)、平板电脑、掌上电脑以及移动互联网设备(mobileinternetdevices，mid)、pad等终端设备。图13其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图13中所示更多或者更少的组件(如网络接口等)，或者具有与图13所示不同的配置。

其中，存储器1302可用于存储软件程序以及模块，如本发明实施例中的人工智能ai解决方案的模板生成方法和装置对应的程序指令/模块，处理器1304通过运行存储在存储器1302内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的人工智能ai解决方案的模板生成方法。存储器1302可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1302可进一步包括相对于处理器1304远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器1302具体可以但不限于用于存储操作指令、工作组件、目标组件属性信息、目标运行关系以及ai解决方案模板等信息。作为一种示例，如图13所示，上述存储器1302中可以但不限于包括上述人工智能ai解决方案的模板生成装置中的获取单元1202、第一配置单元1204、第二配置单元1206及第一生成单元1208。此外，还可以包括但不限于上述人工智能ai解决方案的模板生成装置中的其他模块单元，本示例中不再赘述。

可选地，上述的传输装置1306用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置1306包括一个网络适配器(networkinterfacecontroller，nic)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置1306为射频(radiofrequency，rf)模块，其用于通过无线方式与互联网进行通讯。

此外，上述电子装置还包括：显示器1308，用于显示上述操作指令、工作组件、目标组件属性信息、目标运行关系以及ai解决方案模板等信息；和连接总线1310，用于连接上述电子装置中的各个模块部件。

根据本发明的实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，获取在工作流配置界面中触发的添加操作指令，其中，添加操作指令用于指示在工作流模板中添加一组与目标场景匹配的工作组件，工作组件中包括封装有ai算法的功能模块组成的ai组件；

s2，对工作组件中待配置的组件属性信息进行配置，得到目标组件属性信息；

s3，对工作组件之间待配置的运行关系进行配置，得到目标运行关系；

s4，根据目标组件属性信息及目标运行关系，生成应用在目标场景中的ai解决方案模板。

可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(read-onlymemory，rom)、随机存取器(randomaccessmemory，ram)、磁盘或光盘等。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。