流程挖掘与AI智能体：解读

流程挖掘是一种将专门的算法应用于事件日志数据，以识别趋势、模式和流程展开细节的技术。它将数据科学与流程分析相结合，以发现、验证和改进工作流程。通过挖掘信息系统中的日志数据，企业可以了解其流程的绩效，从而发现瓶颈和需要改进的领域。

流程挖掘中的人工智能涉及使用大型语言模型 (LLM) 来增强流程挖掘的功能。LLM 可以基于流程挖掘工件的文本抽象提供文本洞察，或生成可在原始工件上执行的代码。然而，LLM 难以应对需要高级推理能力的复杂场景。

基于AI智能体的工作流 (AgWf)

基于AI智能体的工作流 (AgWf) 范式通过结合确定性工具和基于AI智能体的任务来增强流程挖掘的有效性。这种方法可以将复杂任务分解为更简单的工作流程，并将确定性工具与 LLM 的领域知识相结合。

1. AgWf 的关键组件

确定性工具：这些函数以可预测的方式将字符串转换为其他字符串。

基于 AI 的任务：这些函数是非确定性函数，可为相同输入提供不同的输出。

任务分解：将复杂任务分解为可管理的单元，从而提高整体结果的质量。

2.AgWf 示例

设想一个关于流程违规的调查场景。工作流程可能涉及：

任务 1：优化调查。

任务 2：使用直接跟踪图 (DFG) 分析流程。

任务 3：使用流程变体分析流程。

任务 4：综合任务 2 和 3 的响应

基于AI智能体的任务类型

提示优化器：将原始查询转换为适合 AI智能体的语言。

集成：整理来自不同任务的洞察，并返回包含主要结果的连贯文本。

路由器：根据提示决定执行哪个任务。

评估器：评估先前任务的输出质量。

输出改进器：提升先前任务的输出质量

结论

流程挖掘与AI智能体相结合，为改进工作流程提供了强大的工具。基于AI智能体的工作流范式通过分解复杂任务并将确定性工具与基于人工智能的任务集成，增强了流程挖掘的有效性。这种方法最大限度地提高了输出质量，并为流程优化提供了宝贵的见解。