[发明专利]一种面向AI应用的持续构造方法、装置、终端及存储介质

权利要求书

1.一种面向AI应用持续构造方法，其特征在于，所述方法包括：

将待持续构造的AI应用建模为若干组件，对所述若干组件进行独立封装，对封装后的组件进行分别托管；

监听托管后的所述若干组件的变更事件，根据监听结果对所述变更事件进行调度；

当监听到与托管后的所述若干组件相应的变更事件时，加载并读取预定义的构造配置文件，获取构造参数，根据所述构造参数对与所监听到变更事件相应的所述若干组件进行构造，并对构造结果进行判断，得到判断结果；

根据所述判断结果，对所述待持续构造的AI应用进行构造。

2.根据权利要求1所述的面向AI应用持续构造方法，其特征在于，所述若干组件包括业务逻辑代码、AI算法模型和模型训练数据。

3.根据权利要求2所述的面向AI应用持续构造方法，其特征在于，所述将待持续构造的AI应用建模为若干组件，并对所述若干组件进行分别托管，包括：

从所述待持续构造的AI应用中抽取出所述业务逻辑代码，封装成独立的业务逻辑代码微服务，提供用于调用所述业务逻辑代码微服务的第一调用接口，使用仓库平台对所述业务逻辑代码微服务进行托管；

从所述待持续构造的AI应用中抽取出所述算法模型，封装成独立的算法模型微服务，提供用于调用所述算法模型微服务的第二调用接口，使用仓库平台对所述算法模型微服务进行托管；

从所述待持续构造的AI应用中抽取出所述数据处理模块和数据集，分别封装成独立的数据处理模块微服务及数据集微服务，提供用于调用所述数据处理模块微服务第三调用接口以及用于调用所述数据集微服务的第四调用接口，使用仓库平台对所述数据处理模块微服务、所述数据集微服务进行托管；

对所述业务逻辑代码微服务、所述算法模型微服务、所述数据处理模块微服务和数据集微服务，利用所述第一调用接口、第二调用接口、第三调用接口以及第四调用接口进行集成，形成完整的待持续构造的AI应用。

4.根据权利要求1所述的面向AI应用持续构造方法，其特征在于，所述变更事件包括：代码仓库有新的代码被推送进来的代码推送事件、有外界贡献的代码请求合并进来的合并请求事件、应用管理者主动发起构造的行为的主动触发事件。

5.根据权利要求1所述的面向AI应用持续构造方法，其特征在于，所述根据所述构造参数对与所监听到变更事件相应的所述若干组件进行构造，并对构造结果进行判断，得到判断结果，包括：

预先设置构造配置文件的预期构造结果；

将所述构造结果与所述预期构造结果进行比对，判断出所述构造结果是成功还是失败。

6.根据权利要求5所述的面向AI应用持续构造方法，其特征在于，所述根据判断结果，对所述待持续构造的AI应用进行构造，包括：

当所述判断结果为业务逻辑代码构造失败时，对所述业务逻辑进行修正；

当所述判断结果为AI算法模型构造失败时，对所述AI算法模型进行优化；

当所述判断结果为所述模型训练数据失败时，增加数据集。

7.根据权利要求3所述的面向AI应用持续构造方法，其特征在于，所述仓库平台为基于Git的仓库平台。

8.根据权利要求1所述的面向AI应用持续构造方法，其特征在于，所述监听托管后的所述若干组件的变更事件，根据监听结果对所述变更事件进行调度，包括：

对托管后的所述若干组件的变更事件进行监听，根据不同变更事件的响应优先级对所述变更事件进行调度。

9.根据权利要求2所述的面向AI应用持续构造方法，其特征在于，所述将待持续构造的AI应用建模为若干组件，对所述若干组件进行独立封装，对封装后的组件进行分别托管，还包括：

通过解耦合，将待持续构造的AI应用建模为业务逻辑代码、AI算法模型和模型训练数据，对所述业务逻辑代码、AI算法模型和模型训练数据进行独立封装，对封装后的组件进行分别托管。