本申请涉及大模型，尤其涉及一种大模型应用方法、装置、设备及介质。
背景技术：
1、目前，人工智能技术已经得到了广泛的应用和发展。在自然语言处理领域，深度学习技术已经成为了主流。同时，各种大型语言模型也相继问世，如双向变换器模型（bidirectional encoder repres，bert）、文心一言（ernie）、生成式预训练模型（generative pre-trained，gpt）等。这些技术的发展为天然气gpt的开发提供了良好的基础。在天然气领域，gpt技术的应用也已经开始得到关注。gpt是一种基于转换器（transformer）的语言模型，它可以通过无监督学习的方式，学习到自然语言的语义和语法结构。在天然气领域，gpt 技术可以应用于天然气数据的处理和分析。
2、目前所使用的小模型需要大量训练，大模型又无法精准得进行意图识别触发对应的功能或能力。无法根据用户需求进行多维度的跨平台的数据分析，反映用户关切的业务问题。无法将平台能力和智能能力更完美的结合，并且无法精准的满足用户需求。业务专家的经验、行业的信息、岗位的最佳实践缺乏数智工具沉淀与传递。知识无法有效记录与传递，影响了用户在信息获取、决策制定等方面的效率。
3、因此，亟需一种大模型应用方法，解决当前大模型无法根据用户的需求精准地生成答案的问题。
技术实现思路
1、本申请提供了一种大模型应用方法、装置、设备及介质，用于解决当前大模型无法根据用户的需求精准地生成答案的问题。
2、第一方面，本申请提供了一种大模型应用方法，所述方法包括：
3、将接收到的问题文本输入到大模型中；
4、所述大模型根据所述问题文本的意图，确定所述意图对应的目标业务类型；根据预先保存的每种业务类型与数据类型的对应关系，确定所述目标业务类型对应的目标数据类型；将所述问题文本转换为所述目标数据类型；基于所述目标数据类型的问题文本及所述目标数据类型对应的目标数据库，获取答案信息。
5、在一种可能的实施方式中，若所述目标业务类型为业务分析类型；所述确定所述目标业务类型对应的目标数据类型包括：
6、确定所述业务分析类型对应的目标数据类型为json类型；
7、所述基于所述目标数据类型的问题文本及所述目标数据类型对应的目标数据库，获取答案信息包括：
8、根据所述json类型的问题文本在所述json类型对应的目标数据库中进行查询，得到所述json类型的问题文本对应的答案信息。
9、在一种可能的实施方式中，若所述目标业务类型为业务查询类型；所述确定所述目标业务类型对应的目标数据类型包括：
10、确定所述业务查询类型对应的目标数据类型为sql类型；
11、所述基于所述目标数据类型的问题文本及所述目标数据类型对应的目标数据库，获取答案信息包括：
12、采用所述sql类型的问题文本在所述sql类型对应的目标数据库中进行查询，得到所述sql类型的问题文本对应的答案信息。
13、在一种可能的实施方式中，若所述目标业务类型为业务知识类型；所述确定所述目标业务类型对应的目标数据类型包括：
14、确定所述业务知识类型对应的目标数据类型为文本类型：
15、所述基于所述目标数据类型的问题文本及所述目标数据类型对应的目标数据库，获取答案信息包括：
16、基于所述文本类型的问题文本在所述文本类型对应的目标数据库中进行查询，得到所述文本类型的问题文本对应的答案信息。
17、在一种可能的实施方式中，所述方法还包括：
18、展示所述答案信息和所述目标数据类型对应的目标数据库的目标标识信息。
19、第二方面，本申请提供了一种大模型应用装置，所述装置包括：
20、接收模块，用于将接收到的问题文本输入到大模型中；
21、获取模块，用于使所述大模型根据所述问题文本的意图，确定所述意图对应的目标业务类型；根据预先保存的每种业务类型与数据类型的对应关系，确定所述目标业务类型对应的目标数据类型；将所述问题文本转换为所述目标数据类型；基于所述目标数据类型的问题文本及所述目标数据类型对应的目标数据库，获取答案信息。
22、在一种可能的实施方式中，所述获取模块，具体用于若所述目标业务类型为业务分析类型；确定所述业务分析类型对应的目标数据类型为json类型；根据所述json类型的问题文本在所述json类型对应的目标数据库中进行查询，得到所述json类型的问题文本对应的答案信息。
23、在一种可能的实施方式中，所述获取模块，具体用于若所述目标业务类型为业务查询类型；确定所述业务查询类型对应的目标数据类型为sql类型；采用所述sql类型的问题文本在所述sql类型对应的目标数据库中进行查询，得到所述sql类型的问题文本对应的答案信息。
24、在一种可能的实施方式中，所述获取模块，具体用于若所述目标业务类型为业务知识类型；确定所述业务知识类型对应的目标数据类型为文本类型；基于所述文本类型的问题文本在所述文本类型对应的目标数据库中进行查询，得到所述文本类型的问题文本对应的答案信息。
25、在一种可能的实施方式中，所述获取模块，具体用于展示所述答案信息和所述目标数据类型对应的目标数据库的目标标识信息。
26、第三方面，本申请提供了一种电子设备，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现如第一方面任一所述方法的步骤。
27、第四方面，本申请提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一所述方法的步骤。
28、在本申请实施例中，将接收到的问题文本输入到大模型中，以使大模型根据问题文本的意图，确定该意图对应的目标业务类型，根据预先保存的每种业务类型与数据类型的对应关系，确定该目标业务类型对应的目标数据类型；将问题文本转换为目标数据类型；基于目标数据类型的问题文本及目标数据类型对应的目标数据库，从而能够更精准的获取到问题文本对应的答案信息。
1.一种大模型应用方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，若所述目标业务类型为业务分析类型；所述确定所述目标业务类型对应的目标数据类型包括：
3.根据权利要求1所述的方法，其特征在于，若所述目标业务类型为业务查询类型；所述确定所述目标业务类型对应的目标数据类型包括：
4.根据权利要求1所述的方法，其特征在于，若所述目标业务类型为业务知识类型；所述确定所述目标业务类型对应的目标数据类型包括：
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
6.一种大模型应用装置，其特征在于，所述装置包括：
7.根据权利要求6所述的装置，其特征在于，所述获取模块，具体用于若所述目标业务类型为业务分析类型；确定所述业务分析类型对应的目标数据类型为json类型；根据所述json类型的问题文本在所述json类型对应的目标数据库中进行查询，得到所述json类型的问题文本对应的答案信息。
8.根据权利要求6所述的装置，其特征在于，所述获取模块，具体用于若所述目标业务类型为业务查询类型；确定所述业务查询类型对应的目标数据类型为sql类型；采用所述sql类型的问题文本在所述sql类型对应的目标数据库中进行查询，得到所述sql类型的问题文本对应的答案信息。
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被计算机执行时，使所述计算机执行如权利要求1-5中任一项所述的方法。
