流程仅在基础层面上生成工作
Posted: Sun Mar 23, 2025 6:59 am
在发展过程中，各种人工智能能力还无法毫无错误地处理复杂问题。始终需要人工检查。此外，许多工具似乎并不能节省太多时间。自己创建映射所花费的时间与检查和修复 AI 生成的映射所花费的时间大致相同。，实际上流程不是从头开始构建的，而是在模板或已经存在的流程的基础上构建的。这些一次性的行动并不会节省太多的时间。
未来的运营中可以期待更多——这涉及更多重复性工作，因此可以节省更多时间。例如，分析数据流（卷）、错误消息等。但是，目前可用的信息还不多。
除了与集成相关的人工智能工具外，通用工具的使用也越来越多。以下项目就是一个很好的例子：
在我们的一位客户那里，一位同事使用人工智能（大型语言模型，LLM）进行 波斯尼亚和黑塞哥维那数字数据 了试点。情况是，大约 100 个接口上可用的文档有限，这使得将现有集成转移到新的集成平台（与当前/旧平台不同的供应商）变得更加困难。
借助脚本和 LLM，创建了服务目录，并根据每个接口的源代码生成图表，显示流程（包括分支）。此外，还建立了与 Azure DevOps 中的操作信息之间的链接，并使用 LLM 从现有（但有限）的文档中提取了信息。所有这些都被汇总到每个界面的概述中。这需要手动进行很多倍的工作，而且通过这种自动化，处理更改（阅读：重新生成）也变得简单而快速。
最后，界面也从当前/旧平台转换到了替代平台——这表明集成平台迁移可以部分实现自动化。
最后一个例子清楚地表明，只有掌握人工智能/语言模型和集成知识，你才能真正从人工智能中受益。在这方面，我们希望它在从一个集成平台到另一个集成平台的迁移过程中能够提供很大帮助。一方面，能够正确映射原样（在文档不充分的情况下），另一方面转换代码。
未来的运营中可以期待更多——这涉及更多重复性工作，因此可以节省更多时间。例如，分析数据流（卷）、错误消息等。但是，目前可用的信息还不多。
除了与集成相关的人工智能工具外，通用工具的使用也越来越多。以下项目就是一个很好的例子：
在我们的一位客户那里，一位同事使用人工智能（大型语言模型，LLM）进行 波斯尼亚和黑塞哥维那数字数据 了试点。情况是，大约 100 个接口上可用的文档有限，这使得将现有集成转移到新的集成平台（与当前/旧平台不同的供应商）变得更加困难。
借助脚本和 LLM，创建了服务目录，并根据每个接口的源代码生成图表，显示流程（包括分支）。此外，还建立了与 Azure DevOps 中的操作信息之间的链接，并使用 LLM 从现有（但有限）的文档中提取了信息。所有这些都被汇总到每个界面的概述中。这需要手动进行很多倍的工作，而且通过这种自动化，处理更改（阅读：重新生成）也变得简单而快速。
最后，界面也从当前/旧平台转换到了替代平台——这表明集成平台迁移可以部分实现自动化。
最后一个例子清楚地表明，只有掌握人工智能/语言模型和集成知识，你才能真正从人工智能中受益。在这方面，我们希望它在从一个集成平台到另一个集成平台的迁移过程中能够提供很大帮助。一方面，能够正确映射原样（在文档不充分的情况下），另一方面转换代码。