云产品数据管理方法、装置、电子设备及存储介质

技术领域

本公开涉及数据管理技术领域，尤其涉及一种云产品数据管理方法、装置、电子设备及计算机可读存储介质。

背景技术

现有云产品多数是通过产品界面的功能描述、和/或客服来帮助用户使用云产品；但产品功能细节描述不完善、不清晰，将导致用户使用困难；人工客服不能及时回复，会影响用户体验；且用户问题需要后台人工查询且很多重复问题，云产品数据管理效率低，增加成本，无法及时给用户提供使用建议。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供一种云产品数据管理方法、装置、电子设备及计算机可读存储介质，至少在一定程度上克服相关技术中云产品数据管理效率低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种云产品数据管理方法，包括：将用户的目标云产品数据向量化，生成目标产品向量数据；从向量索引库中查找与所述目标产品向量数据对应的一个或多个文本数据块；根据所述文本数据块，生成与所述目标云产品数据对应的用户提示词；将所述用户提示词输入至结果反馈模型，输出反馈结果；将执行所述反馈结果的执行结果、所述反馈结果中至少一项发送至所述用户。

在本公开的一个实施例中，所述将执行所述反馈结果的执行结果、所述反馈结果中至少一项发送至所述用户包括：判断所述反馈结果是否需要执行；若是，则执行反馈结果得到执行结果，将所述执行结果返回至所述用户；否则，将所述反馈结果发送至所述用户。

在本公开的一个实施例中，所述反馈结果包括：咨询反馈结果、图表反馈结果、配置反馈结果中至少一项。

在本公开的一个实施例中，所述根据所述文本数据块，生成与所述目标云产品数据对应的用户提示词包括：将所述文本数据块拼接成上下文数据；根据所述上下文数据、目标云产品数据、产品信息数据、产品使用数据中至少一项构建所述用户提示词。

在本公开的一个实施例中，所述将用户的目标云产品数据向量化，生成目标产品向量数据包括：将所述目标云产品数据处理生成产品文本数据；基于文本分割器，对所述产品文本数据进行切块生成目标文本切块；将所述目标文本切块输入至嵌入模型，输出所述目标产品向量数据。

在本公开的一个实施例中，所述目标云产品数据包括：产品名称、产品标识、产品类型、产品对应的咨询对话、产品功能配置需求、产品使用统计中至少一项。

在本公开的一个实施例中，还包括：将产品信息数据向量化生成产品信息向量数据，及与所述产品信息向量数据对应的第一向量检索库；将产品使用数据向量化生成产品使用向量数据，及与所述产品使用向量数据对应的第二向量检索库；整合所述第一向量检索库及所述第二向量检索库生成所述向量索引库。

根据本公开的另一个方面，还提供了一种云产品数据管理装置，包括：

向量生成模块，将用户的目标云产品数据向量化，生成目标产品向量数据；

数据检索模块，从向量索引库中查找与所述目标产品向量数据对应的一个或多个文本数据块；

提示生成模块，根据所述文本数据块，生成与所述目标云产品数据对应的用户提示词；

结果输出模块，将所述用户提示词输入至结果反馈模型，输出反馈结果；

结果发送模块，将执行所述反馈结果的执行结果、所述反馈结果中至少一项发送至所述用户。

根据本公开的另一个方面，还提供了一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述云产品数据管理方法。

根据本公开的另一个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的云产品数据管理方法。

本公开的实施例所提供的云产品数据管理方法、装置、电子设备及计算机可读存储介质，将用户的目标云产品数据处理生成产品文本数据；基于文本分割器，对产品文本数据进行切块生成目标文本切块；将目标文本切块输入至嵌入模型，输出目标产品向量数据；从向量索引库中查找与目标产品向量数据对应的一个或多个文本数据块；根据文本数据块，生成与目标云产品数据对应的用户提示词；将用户提示词输入至结果反馈模型，输出咨询反馈结果、图表反馈结果、配置反馈结果等反馈结果；判断反馈结果是否需要执行；若是，则执行反馈结果得到执行结果，将执行结果返回至用户；否则，将反馈结果发送至用户；能高效处理及反馈用户输入的目标云产品数据，及时给用户提供产品的使用建议、图表、配置等，提高云产品数据管理效率，降低成本。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本公开实施例中一种云产品数据管理方法流程图；

图2示出本公开实施例中一种反馈结果执行方法流程图；

图3示出本公开实施例中一种目标产品向量数据生成方法流程图；

图4示出本公开实施例中一种向量索引库生成方法流程图；

图5示出本公开实施例中一种云产品数据管理装置示意图；

图6示出本公开实施例中又一种云产品数据管理方法流程图；

图7示出了可以应用于本公开实施例的云产品数据管理方法或云产品数据管理装置的示例性系统架构的示意图；和

图8示出本公开实施例中一种电子设备的结构框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

下面结合附图及实施例对本示例实施方式进行详细说明。

首先，本公开实施例中提供了一种云产品数据管理方法，该方法可以由任意具备计算处理能力的电子设备执行。

图1示出本公开实施例中一种云产品数据管理方法流程图，如图1所示，本公开实施例中提供的云产品数据管理方法包括如下步骤：

S102，将用户的目标云产品数据向量化，生成目标产品向量数据。

在一个实施例中，目标云产品数据包括但不限于：用户名、用户选择的目标产品对应的产品信息数据、产品名称、产品标识、产品类型、和产品对应的对话、产品功能配置需求、产品使用统计等。

在一个实施例中，将目标云产品数据处理生成产品文本数据；基于文本分割器，对产品文本数据进行切块生成目标文本切块；将目标文本切块输入至嵌入模型，嵌入模型输出目标产品向量数据。例如，目标文本切块就是目标云产品数据内容的切块，如果目标云产品数据是“你好，我是xxx，很高兴认识你。最近怎么样？”，目标文本切块则是“你好，我是xxx，很高兴认识你。”、“最近怎么样？”。目标产品向量数据是根据目标文本切块中文本生成的多维语义空间向量，后续进行的文本搜索即通过语义空间向量计算两个文本的语义相似度，取相似度高的文本切块生成的上下文数据作为结果反馈模型的输入数据。

S104，从向量索引库中查找与目标产品向量数据对应的一个或多个文本数据块。

在一个实施例中，将产品信息数据向量化生成产品信息向量数据，及与产品信息向量数据对应的第一向量检索库；将产品使用数据向量化生成产品使用向量数据，及与产品使用向量数据对应的第二向量检索库；整合第一向量检索库及第二向量检索库生成向量索引库。

在一个实施例中，在FAISS向量索引库中搜索语义相似度最高的至少一个文本数据块；需要说明的是，文本数据块的数量可根据历史记录自动设置，也可人工进行设置。

FAISS是指针对聚类和相似性搜索库，为稠密向量提供高效相似度搜索和聚类。

S106，根据文本数据块，生成与目标云产品数据对应的用户提示词。

在一个实施例中，将文本数据块拼接成上下文数据；根据上下文数据、目标云产品数据、产品信息数据、产品使用数据等数据中至少一项构建用户提示词prompt，通过用户提示词高效预测反馈结果。

在一个实施例中，用户提示词prompt包括但不限于：回答产品咨询问题的用户提示词、获取用户配置需求所需产品API信息的用户提示词、生成项目使用情况统计图表的用户提示词等，通过用户提示词预测反馈结果。

S108，将用户提示词输入至结果反馈模型，输出反馈结果。

在本公开的一个实施例中，反馈结果包括但不限于：咨询反馈结果、图表反馈结果、配置反馈结果等至少一项。

在一个实施例中，结果反馈模型可为基于神经网络的语言模型、基于概率统计的统计语言模型、预训练语言模型等，例如大型语言模型(Large Language Model)。

在一个实施例中，当用户提示词prompt为回答产品咨询问题的用户提示词时，反馈结果为咨询反馈结果；当用户提示词prompt为获取用户配置需求所需产品API信息的用户提示词时，反馈结果为配置反馈结果；当用户提示词prompt为项目使用情况统计图表的用户提示词时，反馈结果为图表反馈结果。

S110，将执行反馈结果的执行结果、反馈结果中至少一项发送至用户。

在一个实施例中，判断反馈结果是否需要执行；若是，则执行反馈结果得到执行结果，将执行结果返回至用户；否则，将反馈结果发送至用户。

上述实施例中，将产品信息数据和产品使用数据等向量化，构建向量索引库，从向量索引库中查找与目标产品向量数据对应的文本数据块，将生成的用户提示词输入至结果反馈模型，输出咨询反馈结果、图表反馈结果、和/或配置反馈结果等反馈结果，判断反馈结果是否需要执行，并执行对应操作，能高效处理及反馈用户输入的目标云产品数据，及时给用户提供产品的使用建议、图表、配置等，提高云产品数据管理效率，降低成本，提高用户体验。

图2示出本公开实施例中一种反馈结果执行方法流程图，如图2所示，本公开实施例中提供的反馈结果执行方法包括如下步骤：

S202，判断反馈结果是否需要执行。

在一个实施例中，反馈结果包括但不限于用户的输入的内容是否为指令、用户的输入的内容是否需要执行、咨询反馈结果、图表反馈结果、配置反馈结果等至少一项。

在一个实施例中，可根据需要设置反馈结果是否需要执行，例如，可设置反馈结果A为指令B时需要执行反馈结果，可设置反馈结果A为指令C时不执行反馈结果；可设置当反馈结果为配置反馈结果时，执行反馈结果得到执行结果，将执行结果返回至用户。

S204，若是，则执行反馈结果得到执行结果，将执行结果返回至用户。

例如，当反馈结果为配置反馈结果时，执行反馈结果，根据信息调用产品API进行配置，将执行配置反馈结果得到的配置结果返回至用户。

S206，否则，将反馈结果发送至用户。

例如，反馈结果为咨询反馈结果，且用户的输入的内容不需要执行，将反馈结果发送至用户；反馈结果为图表反馈结果，且用户的输入的内容不需要执行，将反馈结果发送至用户。

上述实施例中，判断反馈结果是否为指令、是否需要执行，并根据反馈结果执行对应的操作，可实现统计产品的使用情况生成图表、用户只需要输入详细需求即可一键配置、回复产品功能如何使用以及使用过程中的问题并给用户提供帮助等效果。

图3示出本公开实施例中一种目标产品向量数据生成方法流程图，如图3所示，本公开实施例中提供的目标产品向量数据生成方法包括如下步骤：

S302，将目标云产品数据处理生成产品文本数据。

在一个实施例中，目标云产品数据包括但不限于用户名、用户选择的目标产品对应的产品信息数据、用户输入对目标产品的对话、产品功能配置需求、产品使用统计等，例如，产品名称、产品标识、产品类型等；用户输入对目标产品的对话包括但不限于：咨询对话、配置对话、图表对话等，通过目标云产品数据，将目标云产品数据向量化，通过向量检索库高效匹配到对应的数据。

在一个实施例中，可同时获取目标云产品数据，也可先后获取目标云产品数据中多个数据，例如，先获取用户选择的目标产品对应的产品信息数据，再获取用户输入对目标产品的咨询对话等。

在一个实施例中，可根据产品关键词、产品信息数据、用户对话记录的时间等选取目标产品的对话中的一条或多条记录；选取目标产品的对话记录的数量根据历史记录自动设置、或者人工进行设置。

在一个实施例中，产品文本数据包括但不限于：txt、rtf、xml、doc、json、pdf、网页、表格等格式文件。

在一个实施例中，可直接读取目标云产品数据得到产品文本数据，也可读取目标云产品数据，经过筛查、校验、和/或转换格式等处理生成产品文本数据。

S304，基于文本分割器，对产品文本数据进行切块生成目标文本切块。

在一个实施例中，文本分割器根据数据块大小chunk_size、数据块重叠数据chunk_overlap对产品文本数据进行切块生成目标文本切块。

S306，将目标文本切块输入至嵌入模型，输出目标产品向量数据。

在一个实施例中，通过langchain的HuggingFaceEmbeddings方法读取本地的嵌入embedding模型，基于嵌入模型通过langchain的FAISS方法将目标文本切块向量化，生成目标产品向量数据。

embedding是指用一个数值向量“表示”一个对象(Object)的方法。

在一个实施例中，可通过产品文本数据、和/或目标文本切块的类型、格式、大小等数据确定嵌入embedding模型。

上述实施例中，用户名、用户选择的目标产品对应的产品信息数据、用户输入对目标产品的对话、产品功能配置需求、产品使用统计等进行向量化，可高效从向量索引库中查找到语义相似度高的数据，能高效处理及反馈用户输入的目标云产品数据，及时给用户提供产品的使用建议、图表、配置等，提高云产品数据管理效率，降低成本，提高用户体验。

图4示出本公开实施例中一种向量索引库生成方法流程图，如图4所示，本公开实施例中提供的向量索引库生成方法包括如下步骤：

S402，将产品信息数据向量化生成产品信息向量数据，及与产品信息向量数据对应的第一向量检索库。

在一个实施例中，产品信息数据包括但不限于：产品相关文档、API文档等。

在一个实施例中，将产品信息数据处理生成第一文本数据；基于文本分割器，对第一文本数据进行切块生成第一文本切块；将第一文本切块根据嵌入模型向量化，生成第一产品向量数据，构建第一向量检索库。

在一个实施例中，可直接读取产品信息数据得到第一文本数据，也可读取产品信息数据，经过筛查、校验、和/或转换格式等处理生成第一文本数据。

在一个实施例中，文本分割器根据数据块大小chunk_size、数据块重叠数据chunk_overlap对第一文本数据进行切块生成第一文本切块；通过langchain的HuggingFaceEmbeddings方法读取本地的嵌入embedding模型，基于嵌入模型通过langchain的FAISS方法将第一文本切块向量化，生成第一产品向量数据。

需要说明的是，数据块大小chunk_size为每个数据块包含的字符或Token(如单词、句子等)的数量；数据块重叠数据chunk_overlap指两个数据块之间共享的字符数量，用于保持上下文的连贯性，避免分割丢失上下文信息。

例如，第一文本切块就是第一文本数据内容的切块，如果第一文本数据是“你好，我是xxx，很高兴认识你。最近怎么样？”，第一文本切块则是“你好，我是xxx，很高兴认识你。”、“最近怎么样？”。第一产品向量数据是根据第一文本切块中文本生成的多维语义空间向量，后续进行的文本搜索即通过语义空间向量计算两个文本的语义相似度，取相似度高的第一文本切块生成的上下文数据context作为结果反馈模型的输入参考内容。

在一个实施例中，第一向量检索库包括但不限于：第一产品向量数据、第一文本切块、第一产品向量数据与第一文本切块映射关系等。

在一个实施例中，可通过第一文本切块、和/或第一文本数据的类型、格式、大小等数据确定嵌入embedding模型，例如，第一文本切块、第一文本数据为中文文档时，嵌入embedding模型可为text2vec-bge-large-chinese等。

S404，将产品使用数据向量化生成产品使用向量数据，及与产品使用向量数据对应的第二向量检索库。

在一个实施例中，产品使用数据包括但不限于用户名、产品标识、产品名称、创建域名数量、消耗总流量、总请求数等。

在一个实施例中，将产品使用数据处理生成第二文本数据；基于文本分割器，对第二文本数据进行切块生成第二文本切块；将第二文本切块根据嵌入模型向量化，生成第二产品向量数据，构建第二向量检索库。

在一个实施例中，第一文本数据、第二文本数据包括但不限于：txt、rtf、xml、doc、json、pdf、网页、表格等格式文件。

在一个实施例中，文本分割器包括但不限于：langchain的文本分割器、TxtFileCut等。

在一个实施例中，可直接读取产品使用数据得到第二文本数据，也可读取产品使用数据，经过筛查、校验、和/或转换格式等处理生成第二文本数据。

在一个实施例中，文本分割器根据数据块大小chunk_size、数据块重叠数据chunk_overlap对第二文本数据进行切块生成第二文本切块；通过langchain的HuggingFaceEmbeddings方法读取本地的嵌入embedding模型，基于嵌入模型通过langchain的FAISS方法将第二文本切块向量化，生成第二产品向量数据。

在一个实施例中，第二向量检索库包括但不限于：第二产品向量数据、第二文本切块、第二产品向量数据与第二文本切块映射关系等。

在一个实施例中，可通过第二文本切块、和/或第二文本数据的类型、格式、大小等数据确定嵌入embedding模型。

S406，整合第一向量检索库及第二向量检索库生成向量索引库。

在一个实施例中，通过FAISS的merge_from方法，整合第一向量检索库及第二向量检索库生成向量索引库；向量索引库包括但不限于：第一产品向量数据、第一文本切块、第一产品向量数据与第一文本切块映射关系、第二产品向量数据、第二文本切块、第二产品向量数据与第二文本切块映射关系、产品名称、产品标识等。

上述实施例中，能高效将产品信息数据、产品使用信息向量化，并生成向量索引库，从而可从向量索引库中查找到语义相似度高的数据，能高效处理及反馈用户输入的目标云产品数据，及时给用户提供产品的使用建议、图表、配置等，提高云产品数据管理效率，降低成本，提高用户体验。

基于同一发明构思，本公开实施例中还提供了一种云产品数据管理装置，如下面的实施例。由于该装置实施例解决问题的原理与上述方法实施例相似，因此该装置实施例的实施可以参见上述方法实施例的实施，重复之处不再赘述。

图5示出本公开实施例中一种云产品数据管理装置示意图，如图5所示，该云产品数据管理装置5包括：向量生成模块501、数据检索模块502、提示生成模块503、结果输出模块504、结果发送模块505；

向量生成模块501，将用户的目标云产品数据向量化，生成目标产品向量数据。

在一个实施例中，向量生成模块501还包括第一生成模块，将目标云产品数据处理生成产品文本数据。

在一个实施例中，向量生成模块501还包括第二生成模块，基于文本分割器，对产品文本数据进行切块生成目标文本切块。

在一个实施例中，向量生成模块501还包括第三生成模块，将目标文本切块输入至嵌入模型，输出目标产品向量数据。

数据检索模块502，从向量索引库中查找与目标产品向量数据对应的一个或多个文本数据块；

在一个实施例中，数据检索模块502还包括第一检索模块，将产品信息数据向量化生成产品信息向量数据，及与产品信息向量数据对应的第一向量检索库。

在一个实施例中，数据检索模块502还包括第二检索模块，将产品使用数据向量化生成产品使用向量数据，及与产品使用向量数据对应的第二向量检索库。

在一个实施例中，数据检索模块502还包括第三检索模块，整合第一向量检索库及第二向量检索库生成向量索引库。

提示生成模块503，根据文本数据块，生成与目标云产品数据对应的用户提示词；

在一个实施例中，提示生成模块503还用于将文本数据块拼接成上下文数据；根据上下文数据、目标云产品数据、产品信息数据、产品使用数据中至少一项构建用户提示词prompt。

结果输出模块504，将用户提示词输入至结果反馈模型，输出反馈结果。

在一个实施例中，结果输出模块504用于当用户提示词prompt为回答产品咨询问题的用户提示词时，反馈结果为咨询反馈结果；当用户提示词prompt为获取用户配置需求所需产品API信息的用户提示词时，反馈结果为配置反馈结果；当用户提示词prompt为项目使用情况统计图表的用户提示词时，反馈结果为图表反馈结果。

结果发送模块505，将执行反馈结果的执行结果、反馈结果中至少一项发送至用户。

在一个实施例中，结果发送模块505用于判断反馈结果是否需要执行；若是，则执行反馈结果得到执行结果，将执行结果返回至用户；否则，将反馈结果发送至用户。

上述实施例中，将产品信息数据和产品使用数据等向量化，构建向量索引库，从向量索引库中查找与目标产品向量数据对应的文本数据块，将生成的用户提示词输入至结果反馈模型，输出咨询反馈结果、图表反馈结果、配置反馈结果等至少一项反馈结果，判断反馈结果是否需要执行，并执行对应操作，能高效处理及反馈用户输入的目标云产品数据，及时给用户提供产品的使用建议、图表、配置等，提高云产品数据管理效率，降低成本，提高用户体验。

图6示出本公开实施例中又一种云产品数据管理方法流程图，如图6所示，本公开实施例中提供的云产品数据管理方法包括如下步骤：

智能云产品管家读取产品相关文档、API文档等产品信息数据，得到第一document文本数据；产品文本数据包括但不限于：txt、rtf、xml、doc、json、pdf、网页、表格等格式文件。

通过langchain的文本分割器，根据chunk_size(每个块包含的字符或Token(如单词、句子等)的数量)和chunk_overlap(指两个块之间共享的字符数量，用于保持上下文的连贯性，避免分割丢失上下文信息)对第一document文本数据进行文本切分，生成第一documents文本切块。

通过langchain的HuggingFaceEmbeddings方法读取本地的embedding模型(可根据具体文本情况选择适合的embedding模型，中文文档可使用text2vec-bge-large-chinese等)，通过langchain的FAISS方法，将所有第一documents文本切块根据embedding模型向量化生成第一产品向量数据。

同时构建第一FAISS向量检索库，将第一FAISS向量检索库存储在本地。

智能云产品管家监控整个产品使用情况并存储产品使用数据，根据产品使用数据生成第二documents文本数据；第二documents文本数据包含了用户使用该产品的情况，例如，一个用户名为user1的用户使用CDN产品的一条document为“用户名：user1，产品名称：CDN，创建域名数量：8，消耗总流量：356MB，总请求数：6712”。

与上述第一documents文本数据embedding向量化方法一致，将第二documents文本数据向量化生成embedding向量，同时构建FAISS向量库索引；具体如下：通过langchain的文本分割器，根据chunk_size(每个块包含的字符或Token(如单词、句子等)的数量)和chunk_overlap(指两个块之间共享的字符数量，用于保持上下文的连贯性，避免分割丢失上下文信息)对第二document文本数据进行文本切分，生成第二documents文本切块，通过langchain的HuggingFaceEmbeddings方法读取本地的embedding模型(可根据具体文本情况选择适合的embedding模型，中文文档可使用text2vec-bge-large-chinese等)，通过langchain的FAISS方法，将所有第二documents文本切块根据embedding模型向量化生成第二产品向量数据，同时构建第二FAISS向量检索库，将第二FAISS向量检索库存储在本地。

通过FAISS的merge_from方法，整合S608、S612中的FAISS向量索引库。

智能云产品管家获取用户1选择的产品信息并存储。

智能云产品管家获取用户输入的对某产品的咨询问题、用户输入的对某产品的某功能配置需求、用户输入的对某产品使用情况的统计需求等，选取对话过程中与产品相关的最近k条记录进行存储。

将咨询问题、统计需求、配置需求等通过embedding向量化。

搜索FAISS向量索引库中与问题的语义相似度最高的top k个文本数据块documents，将文本数据块documents拼接为上下文数据context。

根据上下文数据、历史对话记录、产品信息数据、产品使用数据等构建用户提示词prompt。

将用户提示词prompt输入给结果反馈模型，得到反馈结果response。

判断反馈结果是否需要执行；若是，执行反馈结果得到执行结果，将执行结果返回至用户；否则，将反馈结果发送至用户。

具体可应用于以下场景：

场景一：智能云产品管家获取用户1选择的产品信息并存储，产品信息包括产品名称、产品标识、产品类型；智能云产品管家获取用户输入的对某产品的咨询问题，选取对话过程中与产品相关的最近k条记录进行存储(k值根据产品情况调整)；将问题通过embedding向量化，搜索FAISS向量索引库中与问题的语义相似度最高的top k个文本数据块documents，将文本数据块documents拼接为上下文数据context，根据context、历史对话记录、产品信息数据、产品使用数据等构建应用于回答产品咨询问题的prompt。

prompt模板为“问题是：{question}，已知信息：{context}，根据上述已知信息，简洁和专业的来回答用户的问题，答案要与问题相关，使用敬语。如果无法从中得到答案，请说“根据已知信息无法回答该问题”或“没有提供足够的相关信息”。不允许在答案中添加编造成分，答案可使用中文。”。

将该咨询问题对应的prompt输入给结果反馈模型，得到咨询反馈结果response，判断是否需要执行，如果不需要执行，直接返回咨询反馈结果给客户。

用户可通过对话的方式咨询产品的任何相关问题，包括产品功能如何使用以及使用过程中的问题，智能云产品管家会高效回复并提供帮助。

场景二：智能云产品管家获取用户1选择的产品信息并存储，产品信息包括产品名称、产品标识、产品类型；智能云产品管家获取用户输入的对某产品的某功能配置需求，选取对话过程中与产品相关的最近k条记录进行存储(k值根据产品情况调整)；将配置需求通过embedding向量化，搜索FAISS向量索引库中与配置需求相关的top k个文本数据块documents，将文本数据块documents拼接为上下文数据context，根据context、历史对话记录、产品信息数据、产品使用数据等构建应用于获取用户配置需求所需产品API信息的prompt。

将该获取用户配置需求所需产品API信息prompt输入给结果反馈模型，得到配置反馈结果response，判断是否需要执行，当需要执行时，根据信息调用产品API进行配置，将配置结果返回给用户。

通过整合产品、API文档和产品使用数据embedding向量化，构建FAISS向量库，将向量化处理后的API文档等输入给LLM大模型，让LLM根据用户的功能配置需求，找到需要调用的API接口，根据配置需求设定调用API所需参数，用户只需要输入详细需求即可实现配置用户需求功能的效果。

场景三：智能云产品管家获取用户1选择的产品信息并存储，产品信息包括产品名称、产品标识、产品类型；智能云产品管家获取用户输入的对某产品使用情况的统计需求，选取对话过程中与产品相关的最近k条记录进行存储(k值根据产品情况调整)；将统计需求通过embedding向量化，搜索FAISS向量索引库中与统计需求相关的top k个文本数据块documents，将文本数据块documents拼接为上下文数据context，根据context、历史对话记录、产品信息数据、产品使用数据等构建应用于生成项目使用情况统计图表的prompt。

将该项目使用情况统计图表的用户提示词prompt输入给结果反馈模型LLM，LLM生成图表反馈结果response，判断是否需要执行，当判断不需要执行，将图表反馈结果对应的统计图表返回给用户，用户可让智能云产品管家统计产品的使用情况，并生成图表。

在一个实施例中，用户还可让智能云产品管家针对用户的使用场景，提供使用建议。

上述实施例中，将产品信息数据和产品使用数据等向量化，构建向量索引库，从向量索引库中查找与目标产品向量数据对应的文本数据块，将生成的用户提示词输入至结果反馈模型，输出咨询反馈结果、图表反馈结果、和/或配置反馈结果等反馈结果，判断反馈结果是否需要执行，并执行对应操作，能高效处理及反馈用户输入的目标云产品数据，及时给用户提供产品的使用建议、图表、配置等，提高云产品数据管理效率，降低成本，提高用户体验。

图7示出了可以应用于本公开实施例的云产品数据管理方法或云产品数据管理装置的示例性系统架构的示意图。

如图7所示，系统架构700可以包括终端设备701、702、703，网络704和服务器705。

网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质，可以是有线网络，也可以是无线网络。

可选地，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(ExtensibleMarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(InternetProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。

终端设备701、702、703可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机等。用户可通过终端设备701、702、703选取产品、查看反馈结果等。

可选地，不同的终端设备701、702、703中安装的应用程序的客户端是相同的，或基于不同操作系统的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端等。

服务器705可以是提供各种服务的服务器，例如对用户利用终端设备701、702、703所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理，并将处理结果反馈给终端设备；例如，服务器705可将用户的目标云产品数据处理生成产品文本数据，对产品文本数据进行切块生成目标文本切块，根据嵌入模型向量化，生成目标产品向量数据；从向量索引库中查找与目标产品向量数据对应的文本数据块等。

可选地，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

本领域技术人员可以知晓，图7中的终端设备、网络和服务器的数量仅仅是示意性的，根据实际需要，可以具有任意数目的终端设备、网络和服务器。本公开实施例对此不作限定。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

例如，所述处理单元810可以执行上述方法实施例的如下步骤：将用户的目标云产品数据处理生成产品文本数据，对产品文本数据进行切块生成目标文本切块，根据嵌入模型向量化，生成目标产品向量数据；从向量索引库中查找与目标产品向量数据对应的文本数据块，将生成的用户提示词输入至结果反馈模型，输出咨询反馈结果、图表反馈结果、和/或配置反馈结果等反馈结果；判断反馈结果是否需要执行；若是，则执行反馈结果得到执行结果并返回至用户；否则，将反馈结果发送至用户。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备840(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

例如，本公开实施例中的程序产品被处理器执行时实现如下步骤的方法：将用户的目标云产品数据处理生成产品文本数据，对产品文本数据进行切块生成目标文本切块，根据嵌入模型向量化，生成目标产品向量数据；从向量索引库中查找与目标产品向量数据对应的文本数据块，将生成的用户提示词输入至结果反馈模型，输出咨询反馈结果、图表反馈结果、和/或配置反馈结果等反馈结果；判断反馈结果是否需要执行；若是，则执行反馈结果得到执行结果并返回至用户；否则，将反馈结果发送至用户。

本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开中，计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可选地，计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。