Update README.md
课题四聚焦于复杂智能软件系统在全生命周期内的高效集成部署与动态运行演化。从智能软件资源版本管理与集成框架、系统运行演化参考架构、微服务适配与编织三个方面展开研究，并取得了多项突破性进展。
研究成果已成功应用于鹏城脑海、讯飞星火等千亿参数大模型的训练与服务，显著提升了智能软件的集成效率、部署性能和资源利用率。
此部分内容聚焦复杂智能软件系统构造与演化流程中的“推理服务”和“应用开发”步骤。
本项目构建了一个包含7 个主要类别和23 个子类别的DBFs 根本原因分类框架。整合了开发社区、问答社区、技术论坛等多平台，的容器构建故障信息，提出了一套系统、完善的故障症状分类框架，实现了对容器构建故障症状的精准分类和快速识别，能够为容器故障的诊断与修复提供有价值的参考和指导。
本项目构建了智能软件生产流水线引擎及对应的生产平台，平台架构如图所示，以流水线引擎为基础，支持面向复杂智能软件生产的数据持续构造、模型迭代训练以及应用快速开发。
此部分内容聚焦复杂智能软件系统构造与演化流程中的“推理服务”步骤。
基于事件的故障实时监测与诊断一体化架构如图69 所示，智能软件排障系统主要包括推理引擎服务集群、事件收集服务、诊断和应急服务。
建立统一监控标准模型体系，如图所示，以实现对企业IT 系统和业务应用的全方位、立体化、可视化监控，提高运维效率和质量，降低运维成本并增强系统的稳定性和可用性。
此部分内容聚焦复杂智能软件系统构造与演化流程中的“应用开发”步骤。
本项目设计的智能模型服务交互标准化协议支持在不同推理引擎间编排串联服务，可实现零代码编排设计，在语音翻译、图文翻译等场景下具有良好的适用性。图74 展示了在中文语音识别和中英翻译两种AI 能力服务组合的示意流程。
智能微服务在应用落地过程中需要考虑多种类型服务的动态组合与编排，针对这一需求，研究微服务动态编织技术，以微服务网关接入的AI 能力服务为基础，构建低代码、可视化方式定制的服务业务流编排引擎，实现AI 能力的快速集成。
此部分内容聚焦复杂智能软件系统构造与演化流程中的“维护反馈”步骤。
大模型在交互过程中通过收集反馈数据用于迭代调优，实现人机协作的复杂智能软件系统开发。基于“持续学习”的特点，大模型在与人类协作和环境交互过程中应该具有持续学习的能力，形成人机协作共同持续学习进步的生态。
为解决图像分类中持续学习的关键挑战——灾难性遗忘，即模型在学习新类别时往往忘记已学的旧知识。本项目的解决方案通过引入解析学习机制，在不回放旧数据的情况下有效缓解遗忘，使模型能够持续积累新类别并准确识别所有已学类别，提升了模型的长期学习能力和实用性。
依托相关成果，在论文、专利、软著和开源项目方面，在国际会议和期刊发表和录用论文26篇，申请发明专利14项，申请软件著作权12项，开源项目8项。
成果链接如下：
面向复杂智能软件系统的开发部署与运行演化一体化框架
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
复杂智能软件系统集成部署与运行演化
课题四聚焦于复杂智能软件系统在全生命周期内的高效集成部署与动态运行演化。从智能软件资源版本管理与集成框架、系统运行演化参考架构、微服务适配与编织三个方面展开研究，并取得了多项突破性进展。
研究成果已成功应用于鹏城脑海、讯飞星火等千亿参数大模型的训练与服务，显著提升了智能软件的集成效率、部署性能和资源利用率。
一、智能软件开发与运行一体化框架
此部分内容聚焦复杂智能软件系统构造与演化流程中的“推理服务”和“应用开发”步骤。
本项目构建了一个包含7 个主要类别和23 个子类别的DBFs 根本原因分类框架。整合了开发社区、问答社区、技术论坛等多平台，的容器构建故障信息，提出了一套系统、完善的故障症状分类框架，实现了对容器构建故障症状的精准分类和快速识别，能够为容器故障的诊断与修复提供有价值的参考和指导。
本项目构建了智能软件生产流水线引擎及对应的生产平台，平台架构如图所示，以流水线引擎为基础，支持面向复杂智能软件生产的数据持续构造、模型迭代训练以及应用快速开发。
二、智能软件系统运行参考架构
此部分内容聚焦复杂智能软件系统构造与演化流程中的“推理服务”步骤。
基于事件的故障实时监测与诊断一体化架构如图69 所示，智能软件排障系统主要包括推理引擎服务集群、事件收集服务、诊断和应急服务。
建立统一监控标准模型体系，如图所示，以实现对企业IT 系统和业务应用的全方位、立体化、可视化监控，提高运维效率和质量，降低运维成本并增强系统的稳定性和可用性。
三、微服务智能适配与动态编织
此部分内容聚焦复杂智能软件系统构造与演化流程中的“应用开发”步骤。
本项目设计的智能模型服务交互标准化协议支持在不同推理引擎间编排串联服务，可实现零代码编排设计，在语音翻译、图文翻译等场景下具有良好的适用性。图74 展示了在中文语音识别和中英翻译两种AI 能力服务组合的示意流程。
智能微服务在应用落地过程中需要考虑多种类型服务的动态组合与编排，针对这一需求，研究微服务动态编织技术，以微服务网关接入的AI 能力服务为基础，构建低代码、可视化方式定制的服务业务流编排引擎，实现AI 能力的快速集成。
四、智能模型持续学习支持机制
此部分内容聚焦复杂智能软件系统构造与演化流程中的“维护反馈”步骤。
大模型在交互过程中通过收集反馈数据用于迭代调优，实现人机协作的复杂智能软件系统开发。基于“持续学习”的特点，大模型在与人类协作和环境交互过程中应该具有持续学习的能力，形成人机协作共同持续学习进步的生态。
为解决图像分类中持续学习的关键挑战——灾难性遗忘，即模型在学习新类别时往往忘记已学的旧知识。本项目的解决方案通过引入解析学习机制，在不回放旧数据的情况下有效缓解遗忘，使模型能够持续积累新类别并准确识别所有已学类别，提升了模型的长期学习能力和实用性。
五、成果产出
依托相关成果，在论文、专利、软著和开源项目方面，在国际会议和期刊发表和录用论文26篇，申请发明专利14项，申请软件著作权12项，开源项目8项。
成果链接如下：