如何将自定义ML模型集成到ServiceNow Predictive Intelligence中

核心问题 #

• 持有自定义机器学习模型，需集成至ServiceNow San Diego版本的Predictive Intelligence模块
• 查阅官方ClassificationSolution API文档后，仅掌握内置模型调用方式，未找到自定义模型的创建与集成路径

可行集成路径 #

1. 脚本化REST API封装调用 #

将自定义ML模型部署为独立REST服务，通过ServiceNow的Scripted REST API编写调用逻辑，实现模型预测请求与结果返回：

(function process(request, response) {
    // 解析传入的预测参数
    var inputPayload = request.body.data;
    // 调用外部自定义模型服务
    var restMsg = new sn_ws.RESTMessageV2();
    restMsg.setEndpoint('自定义模型部署的REST地址');
    restMsg.setHttpMethod('POST');
    restMsg.setRequestBody(JSON.stringify(inputPayload));
    
    var apiResponse = restMsg.execute();
    var resultBody = apiResponse.getBody();
    // 将模型结果返回至ServiceNow
    response.setBody(resultBody);
})(request, response);

2. 扩展自定义Predictive Intelligence解决方案 #

通过创建自定义解决方案记录，扩展ClassificationSolution类逻辑嵌入自定义模型：

• 导航至Predictive Intelligence > Solutions > 新建
• 选择自定义解决方案类型，关联目标业务表与字段
• 在解决方案的脚本配置字段中，编写调用自定义模型的逻辑，替代内置模型的预测流程

3. MID Server本地调用（内网模型场景） #

若模型无法外网部署，可通过MID Server在本地执行模型预测：

• 在MID Server上配置模型运行环境（如Python、TensorFlow等）
• 编写MID Server脚本调用本地模型，再通过ServiceNow的MID Server API触发执行并获取结果

注意事项 #

• San Diego版本Predictive Intelligence无原生自定义模型集成入口，需依赖脚本或外部服务封装
• 需遵循ServiceNow安全规范，确保模型调用的权限控制与数据加密

内容的提问来源于stack exchange，提问作者Sud