PMAx：面向AI驱动流程挖掘的智能体框架

流程挖掘为组织工作流提供强大洞察，但提取这些洞察通常需要掌握专门的查询语言和数据科学工具。大语言模型（LLM）有望让业务用户通过自然语言与流程数据交互，从而推动流程挖掘的普及化。然而，将LLM直接用作处理原始事件日志的分析引擎会带来根本性挑战：LLM难以进行确定性推理，可能虚构出指标；而将大型敏感日志发送给外部AI服务则引发严重的数据隐私顾虑。为解决这些局限，我们提出PMAx，一个充当虚拟流程分析师的自主智能体框架。PMAx并不依赖LLM生成流程模型或计算分析结果，而是采用隐私保护的多智能体架构。一个工程师（Engineer）智能体分析事件日志元数据，并自主生成本地脚本，以运行成熟的流程挖掘算法、计算精确指标，并产出流程模型、汇总表格和可视化等工件。随后由一个分析师（Analyst）智能体解读这些洞察与工件，汇编成综合报告。通过将计算与解释分离并在本地执行分析，PMAx在保障数学准确性与数据隐私的同时，让非技术用户能够将高层业务问题转化为可靠的流程洞察。