实战案例:JVS规则引擎如何通过复合变量优化决策?

在业务规则配置中,我们经常需要先对原始数据进行加工,生成一个复杂的“复合变量”。之后,在具体的决策流程中,我们可能需要调用这个复合变量,这时就会出现调用时以复合变量的某些值作为入参给到决策进行动态传参。

以下解读用到的是国内一款可视化决策配置——JVS规则引擎

JVS规则引擎是可以直接使用的企业级规则引擎,自动化与智能化并行。Java语言开发,前端VUE+ElementUI,提供私有化部署,支持提供全量源码、二次开发、定制、可集成。

场景示例

现有一张成绩表,分别为不同姓名不同学科得到的不同成绩分数。要求在决策里进行加工:90分以上评级为优,90分以下评级为良。最终决策端只需输入学科和姓名即出现对应评级情况。原本数据表如下所示:

配置步骤解析

1、先导入Excel表格,作为Excel数据源。

2、配置查询条件,可根据实际场景配置。此处需要姓名和学科,即配置姓名和学科的查询条件并提供默认值。

3、面对一堆数据的处理,所以得用复合变量进行加工。先新建一个复合变量并选择该数据源作为输入。

4、对数据进行字段设置,把日期和分数改为对应时间、数字类型。

5、用数据拓展节点对现有数据进行加工判断,新增一个成绩水平字段并配置判断条件。

6、输出节点连接保存拿到最终结果。

7、新建一个决策流,且无需添加任何入参。

8、进入决策,拖拽赋值节点到画布并新增一个基础变量。

9、配置基础变量的值,选择复合变量里的【成绩水平】作为该res的值。当你选择完毕后,此时系统便会自己去查找该复合变量的查询条件,并会自动在执行时带出所需要填写的入参值。

10、拖拽结束节点并配置输出结果为res。

11、点击执行,此时就可看到复合变量所需要的条件已经显示出来。

12、分别输入不同学科和姓名,拿到的最终res也不同。

全部评论

相关推荐

05-12 10:10
已编辑
门头沟学院 人工智能
写这篇之前我犹豫了挺久。一方面是怕被人骂,"又一个收割焦虑的转行帖";另一方面是看了太多用 GPT 套娃出来的「学习路线」文章,AI 味重得让人没法读完。所以这篇全是亲身踩过的坑,时间线、用过的项目、当时的心路全都尽量原样写出来。如果你是大学生在迷茫要不要转 AI,或者已经在转的路上,希望能给点参考。 一个反共识的开场:你以为进 OpenAI 的人都是博士? 先讲个故事,跟我没关系,但跟所有想转 AI 的人都有关系。 OpenAI 的 Sora 团队(就是搞文生视频那个)一共 13 个人。这里面有两个人特别有意思: Will DePue,密歇根大学计算机系,直接辍学了。17...
_hengheng:我也本,也算是做ai相关,我最开始感觉做ai工程师有多么多么困难,后来发现懂了原理后整体训练完全可以看成一个流程化的内容,开源方案太多了,大多基本都是按着模子在自家业务上做各种操作,就算是大厂的小部门也没那么多资源去训基模,反而更多的是像怎么把技术往业务方向靠近了,不过当前时代如果本科学历没那么好加上自己执行力不是特别强还真不建议走ai工程师这条路,可以试试其他ai的偏业务方向,不然校招不太好杀出来
点赞 评论 收藏
分享
肥肠椒绿:双非本可不就犯天条了,双非本就应该打入无间地狱
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务